Google DeepMind’s New AI Matches Gold Medal Performance In Math Olympics

Újra kiadta Platón

Követő: 0

$Google DeepMind’s New AI Matches Gold Medal Performance in Math Olympics PlatoBlockchain Data Intelligence. Vertical Search. Ai.$

Után feltörve egy megoldhatatlan matematikát A tavalyi probléma miatt a mesterséges intelligencia visszatért a geometria kezeléséhez.

A Google DeepMind által kifejlesztett új algoritmus, az AlphaGeometry képes elpusztítani a korábbi nemzetközi matematikai olimpiák – a középiskolások legmagasabb szintű versenye – problémáit, és megegyezik a korábbi aranyérmesek teljesítményével.

Amikor 30 nehéz geometriai feladattal szembesült, az AI 25-öt sikeresen megoldott a szokásos határidőn belül, 15 válasszal felülmúlva a korábbi legmodernebb algoritmusokat.

Noha gyakran a középiskolai matematikaórák csapásaként tartják számon, a geometria beágyazódik mindennapi életünkbe. A művészet, a csillagászat, a belsőépítészet és az építészet mind a geometriára támaszkodik. Ugyanígy a navigáció, a térképek és az útvonaltervezés. Lényegében a geometria a tér, alakzatok és távolságok logikai érveléssel történő leírásának módja.

A geometriai feladatok megoldása bizonyos értelemben olyan, mint a sakkozás. Tekintettel néhány szabályra – amelyeket tételeknek és bizonyításoknak neveznek – minden lépésnek korlátozott számú megoldása van, de annak megtalálása, hogy melyiknek van értelme, a szigorú matematikai szabályoknak megfelelő rugalmas érveléseken múlik.

Más szóval, a geometria megküzdéséhez kreativitásra és szerkezetre is szükség van. Míg az emberek évek gyakorlása során fejlesztik ezeket a mentális akrobatikus készségeket, a mesterséges intelligencia mindig is küzdött.

Az AlphaGeometry ügyesen egyesíti a két funkciót egyetlen rendszerben. Két fő összetevője van: egy szabályhoz kötött logikai modell, amely megpróbálja megtalálni a választ, és egy nagy nyelvi modell, amely kész ötleteket generál. Ha a mesterséges intelligencia nem talál megoldást pusztán a logikai érvelés alapján, a nyelvi modell új szögeket kínál. Az eredmény egy olyan mesterséges intelligencia, amely kreativitással és érvelési készségekkel is megmagyarázza a megoldást.

A rendszer a DeepMind legújabb előretörése a matematikai problémák gépi intelligencia segítségével történő megoldásában. De a szemük egy nagyobb nyereményre szegeződik. Az AlphaGeometry logikai gondolkodásra épült összetett környezetekben – például kaotikus mindennapi világunkban. A matematikán túl a jövőbeli iterációk segíthetnek a tudósoknak megoldást találni más bonyolult rendszerekben, például az agyi kapcsolatok megfejtésében vagy a betegségekhez vezető genetikai hálók feltárásában.

Dr. Trieu Trinh, a tanulmány szerzője: „Nagy ugrást hajtunk végre, nagy áttörést jelent az eredmény szempontjából” mondta a New York Times.

Dupla csapat

Egy gyors geometriai kérdés: Képzeljen el egy háromszöget, amelynek mindkét oldala egyenlő hosszú. Hogyan bizonyítja be, hogy az alsó két szög pontosan megegyezik?

Ez az egyik első kihívás, amellyel az AlphaGeometry szembesült. A megoldáshoz teljes mértékben meg kell értened a geometriai szabályokat, de emellett kreativitással kell rendelkezned a válasz felé.

„A tételek bizonyítása megmutatja a logikus érvelés elsajátítását… figyelemre méltó problémamegoldó képességet jelez” – mondta a csapat - írta a ma megjelent kutatásban Természet.

Itt jeleskedik az AlphaGeometry architektúrája. Szinkronizált neuro-szimbolikus rendszer, először a szimbolikus levezető motorjával old meg egy problémát. Képzelje el ezeket az algoritmusokat egy A osztályos tanulónak, aki szigorúan tanulmányozza a matematikai tankönyveket és betartja a szabályokat. A logika vezérli őket, és könnyen meg tudják határozni a megoldáshoz vezető minden lépést – például egy matematikai tesztben elmagyarázzák a gondolatmenetet.

Ezek a rendszerek régi iskolák, de hihetetlenül erősek, mivel nincs bennük a „fekete doboz” probléma, amely a modern mélytanulási algoritmusok nagy részét kísérti.

A mélyreható tanulás átformálta világunkat. De ezeknek az algoritmusoknak a működése miatt gyakran nem tudják megmagyarázni a kimenetüket. Ez egyszerűen nem megy, ha matematikáról van szó, amely szigorú, leírható logikai érvelésre támaszkodik.

A szimbolikus dedukciós motorok ellensúlyozzák a fekete doboz problémáját, mivel racionálisak és megmagyarázhatók. De összetett problémákkal szembesülve lassúak és nehezen tudnak rugalmasan alkalmazkodni.

Itt jönnek be a nagy nyelvi modellek. A ChatGPT mozgatórugója, ezek az algoritmusok kiválóan alkalmasak a bonyolult adatok mintáinak megtalálására és új megoldások generálására, ha van elegendő képzési adat. De gyakran nem tudják megmagyarázni magukat, ezért szükséges az eredmények kétszeri ellenőrzése.

Az AlphaGeometry a két világ legjobbjait egyesíti.

Ha geometriai problémával szembesül, a szimbolikus dedukciós motor először próbálkozik vele. Vegyük a háromszög problémát. Az algoritmus annyiban „érti” a kérdés premisszáját, hogy bizonyítania kell, hogy az alsó két szög azonos. A nyelvi modell ezután azt javasolja, hogy a probléma megoldása érdekében húzzon egy új vonalat a háromszög tetejétől egyenesen lefelé. Minden új elemet, amely az AI-t a megoldás felé mozgatja, „konstrukciónak” nevezik.

A szimbolikus levezetési motor megfogadja a tanácsot, és leírja az érvelése mögött meghúzódó logikát. Ha a konstrukció nem működik, a két rendszer több fordulón megy keresztül, amíg az AlphaGeometry el nem éri a megoldást.

Az egész beállítás „hasonló a „gondolkodás, gyors és lassú” gondolatához. írt a csapat a DeepMind blogján. „Az egyik rendszer gyors, „intuitív” ötleteket ad, a másik pedig megfontoltabb, racionálisabb döntéshozatalt.

Mi vagyunk a bajnokok

A szöveges és hangfájlokkal ellentétben kevés a geometriára összpontosító példa, ami megnehezítette az AlphaGeometry betanítását.

Megkerülő megoldásként a csapat létrehozta a saját adatkészletét, amely 100 millió szintetikus példát tartalmaz véletlenszerű geometriai alakzatokra, valamint pontok és vonalak közötti kapcsolatokra – hasonlóan ahhoz, ahogy a matematika órán megoldja a geometriát, de sokkal nagyobb léptékben.

Innentől kezdve az AI felfogta a geometria szabályait, és megtanult visszafelé dolgozni a megoldástól, hogy kitalálja, kell-e hozzá valamilyen konstrukciót. Ez a ciklus lehetővé tette a mesterséges intelligencia számára, hogy a semmiből, emberi beavatkozás nélkül tanuljon.

A mesterséges intelligencia próbája során a csapat 30 olimpiai problémával vetette szembe magát a több mint egy évtizedes korábbi versenyekből. A kapott eredményeket egy korábbi olimpiai aranyérmes Evan Chen értékelte, hogy biztosítsa azok minőségét.

Összességében az AI megfelelt a korábbi aranyérmesek teljesítményének, és 25 feladatot teljesített a határidőn belül. A korábbi korszerű eredmény 10 helyes válasz volt.

„Az AlphaGeometry teljesítménye lenyűgöző, mert egyszerre ellenőrizhető és tiszta” – mondta Chen mondott. „Klasszikus geometriai szabályokat használ szögekkel és hasonló háromszögekkel, ahogy a diákok teszik.”

A matematikán túl

Az AlphaGeometry a DeepMind legújabb betörése a matematikába. in 2021A mesterséges intelligencia olyan matematikai rejtvényeket fejtett ki, amelyek évtizedek óta zavarták az embereket. Újabban, használták nagy nyelvi modellek STEM-problémák érvelésére főiskolai szinten és repedt egy korábban „megoldhatatlan” matematikai feladat egy kártyajáték alapján az algoritmussal FunSearch.

Egyelőre az AlphaGeometry a geometriához van szabva, és bizonyos kitételekkel. A geometria nagy része vizuális, de a rendszer nem „látja” a rajzokat, ami meggyorsíthatja a problémamegoldást. Képek hozzáadása, esetleg A Google Gemini AI, amely tavaly év végén indult, megerősítheti geometriai okosságát.

Egy hasonló stratégia kiterjesztheti az AlphaGeometry hatókörét a tudományos területek széles körére, amelyek szigorú érvelést igényelnek egy kis kreativitással. (Legyünk őszinték – ez mind.)

„Tekintettel a mesterséges intelligencia rendszerek nagyméretű szintetikus adatokkal történő nulláról való képzésében rejlő szélesebb lehetőségekre, ez a megközelítés befolyásolhatja, hogy a jövő mesterséges intelligenciarendszerei hogyan fedezzenek fel új ismereteket a matematikában és azon túl is” – írta a csapat.

Kép: Joel Filipe / Unsplash