AI Baru Google DeepMind Menyamai Performa Medali Emas di Olimpiade Matematika

Diterbitkan Ulang Oleh Plato

Followers: 0

$AI Baru Google DeepMind Menandingi Performa Medali Emas di Olimpiade Matematika Kecerdasan Data PlatoBlockchain. Pencarian Vertikal. Ai.$

Setelah memecahkan matematika yang tidak dapat dipecahkan masalah tahun lalu, AI kembali menangani geometri.

Dikembangkan oleh Google DeepMind, algoritme baru, AlphaGeometry, dapat menyelesaikan permasalahan dari Olimpiade Matematika Internasional sebelumnya—kompetisi tingkat atas untuk siswa sekolah menengah—dan menyamai kinerja peraih medali emas sebelumnya.

Saat ditantang dengan 30 soal geometri yang sulit, AI berhasil menyelesaikan 25 soal dalam waktu standar yang ditentukan, mengalahkan algoritme canggih sebelumnya dengan 15 jawaban.

Meskipun sering dianggap sebagai kutukan dalam pelajaran matematika sekolah menengah, geometri sudah tertanam dalam kehidupan kita sehari-hari. Seni, astronomi, desain interior, dan arsitektur semuanya bergantung pada geometri. Begitu juga navigasi, peta, dan perencanaan rute. Pada intinya, geometri adalah cara menggambarkan ruang, bentuk, dan jarak dengan menggunakan penalaran logis.

Di satu sisi, memecahkan masalah geometri mirip seperti bermain catur. Mengingat beberapa aturan—yang disebut teorema dan pembuktian—ada sejumlah solusi terbatas untuk setiap langkah, namun menemukan solusi mana yang masuk akal bergantung pada penalaran fleksibel yang sesuai dengan aturan matematika yang ketat.

Dengan kata lain, menangani geometri memerlukan kreativitas dan struktur. Sementara manusia mengembangkan keterampilan akrobatik mental ini melalui latihan bertahun-tahun, AI selalu kesulitan.

AlphaGeometry dengan cerdik menggabungkan kedua fitur tersebut ke dalam satu sistem. Ia memiliki dua komponen utama: Model logis yang terikat aturan yang berupaya menemukan jawaban, dan model bahasa besar untuk menghasilkan ide-ide out-of-the-box. Jika AI gagal menemukan solusi berdasarkan penalaran logis saja, model bahasa akan memberikan sudut pandang baru. Hasilnya adalah AI dengan kreativitas dan kemampuan berpikir yang dapat menjelaskan solusinya.

Sistem ini merupakan terobosan terbaru DeepMind dalam memecahkan masalah matematika dengan kecerdasan mesin. Namun mata mereka tertuju pada hadiah yang lebih besar. AlphaGeometry dibangun untuk penalaran logis dalam lingkungan yang kompleks—seperti dunia kita sehari-hari yang kacau balau. Selain matematika, pengembangan di masa depan berpotensi membantu para ilmuwan menemukan solusi dalam sistem rumit lainnya, seperti menguraikan koneksi otak atau mengungkap jaringan genetik yang menyebabkan penyakit.

“Kami melakukan lompatan besar, terobosan besar dalam hal hasil,” penulis studi Dr. Trieu Trinh mengatakan itu .

Tim ganda

Pertanyaan geometri singkat: Bayangkan sebuah segitiga dengan kedua sisinya sama panjang. Bagaimana cara membuktikan kedua sudut terbawah sama persis?

Ini adalah salah satu tantangan pertama yang dihadapi AlphaGeometry. Untuk mengatasinya, Anda perlu memahami sepenuhnya aturan-aturan dalam geometri tetapi juga memiliki kreativitas untuk mendapatkan jawabannya.

“Pembuktian teorema menunjukkan penguasaan penalaran logis…menandakan keterampilan pemecahan masalah yang luar biasa,” tim tulis dalam penelitian yang diterbitkan hari ini di Alam.

Di sinilah keunggulan arsitektur AlphaGeometry. Dijuluki sistem neuro-simbolis, pertama-tama ia mengatasi masalah dengan mesin deduksi simbolisnya. Bayangkan algoritme ini sebagai siswa kelas A yang mempelajari buku teks matematika dengan ketat dan mengikuti aturan. Mereka dipandu oleh logika dan dapat dengan mudah memaparkan setiap langkah menuju solusi—seperti menjelaskan serangkaian alasan dalam ujian matematika.

Sistem ini sudah kuno tetapi sangat kuat karena tidak memiliki masalah “kotak hitam” yang menghantui sebagian besar algoritme pembelajaran mendalam modern.

Pembelajaran mendalam telah mengubah dunia kita. Namun karena cara kerja algoritme ini, seringkali algoritme tersebut tidak dapat menjelaskan keluarannya. Hal ini tidak berlaku jika menyangkut matematika, yang bergantung pada penalaran logis yang ketat dan dapat dituliskan.

Mesin deduksi simbolik mengatasi masalah kotak hitam dengan cara yang rasional dan dapat dijelaskan. Namun ketika menghadapi masalah yang kompleks, mereka lamban dan kesulitan beradaptasi secara fleksibel.

Di sinilah peran model bahasa besar. Sebagai kekuatan pendorong di balik ChatGPT, algoritme ini sangat baik dalam menemukan pola dalam data yang rumit dan menghasilkan solusi baru, jika terdapat cukup data pelatihan. Namun mereka sering kali tidak memiliki kemampuan untuk menjelaskan diri mereka sendiri, sehingga perlu dilakukan pengecekan ulang terhadap hasilnya.

AlphaGeometry menggabungkan yang terbaik dari kedua dunia.

Ketika dihadapkan dengan masalah geometri, mesin deduksi simbolik akan memberikan solusi terlebih dahulu. Ambil contoh soal segitiga. Algoritme “memahami” premis pertanyaan, yaitu perlu membuktikan bahwa dua sudut terbawah adalah sama. Model bahasa kemudian menyarankan menggambar garis baru dari atas segitiga lurus ke bawah untuk membantu menyelesaikan masalah. Setiap elemen baru yang menggerakkan AI menuju solusi disebut sebagai “konstruksi”.

Mesin deduksi simbolis menerima saran tersebut dan menuliskan logika di balik alasannya. Jika konstruksinya tidak berhasil, kedua sistem akan melalui beberapa putaran pertimbangan hingga AlphaGeometry mencapai solusinya.

Keseluruhan pengaturannya “mirip dengan gagasan 'berpikir, cepat dan lambat,'” menulis tim di blog DeepMind. “Satu sistem memberikan ide-ide yang cepat dan ‘intuitif’, dan sistem lainnya memberikan pengambilan keputusan yang lebih disengaja dan rasional.”

Kami Are Champions

Tidak seperti file teks atau audio, kurangnya contoh yang berfokus pada geometri, sehingga menyulitkan pelatihan AlphaGeometry.

Sebagai solusinya, tim membuat kumpulan data mereka sendiri yang menampilkan 100 juta contoh sintetis bentuk geometris acak dan memetakan hubungan antara titik dan garis—mirip dengan cara Anda menyelesaikan geometri di kelas matematika, tetapi dalam skala yang jauh lebih besar.

Dari sana, AI memahami aturan geometri dan belajar bekerja mundur dari solusi untuk mencari tahu apakah perlu menambahkan konstruksi apa pun. Siklus ini memungkinkan AI untuk belajar dari awal tanpa masukan manusia.

Menguji AI, tim menantangnya dengan 30 soal Olimpiade dari lebih dari satu dekade kompetisi sebelumnya. Hasil yang dihasilkan dievaluasi oleh peraih medali emas Olimpiade sebelumnya, Evan Chen, untuk memastikan kualitasnya.

Secara keseluruhan, AI menyamai kinerja peraih medali emas sebelumnya, menyelesaikan 25 soal dalam batas waktu. Itu hasil mutakhir sebelumnya adalah 10 jawaban yang benar.

“Keluaran AlphaGeometry sangat mengesankan karena dapat diverifikasi dan bersih,” Chen tersebut. “Ia menggunakan aturan geometri klasik dengan sudut dan segitiga sebangun seperti yang dilakukan siswa.”

Melampaui Matematika

AlphaGeometry adalah terobosan terbaru DeepMind dalam matematika. Dalam 2021, AI mereka memecahkan teka-teki matematika yang telah membingungkan manusia selama beberapa dekade. Baru-baru ini, mereka menggunakan model bahasa besar untuk mengatasi masalah STEM di tingkat perguruan tinggi dan retak masalah matematika yang sebelumnya “tidak dapat dipecahkan” berdasarkan permainan kartu dengan algoritma Pencarian Menyenangkan.

Untuk saat ini, AlphaGeometry disesuaikan dengan geometri, dan dengan peringatan. Sebagian besar geometri bersifat visual, namun sistem tidak dapat “melihat” gambarnya, sehingga dapat mempercepat penyelesaian masalah. Menambahkan gambar, mungkin dengan AI Gemini dari Google, yang diluncurkan akhir tahun lalu, mungkin dapat meningkatkan kecerdasan geometrisnya.

Strategi serupa juga dapat memperluas jangkauan AlphaGeometry ke berbagai bidang ilmiah yang memerlukan penalaran ketat dengan sentuhan kreativitas. (Mari kita menjadi nyata—itu semuanya.)

“Mengingat potensi yang lebih luas dalam melatih sistem AI dari awal dengan data sintetis berskala besar, pendekatan ini dapat membentuk cara sistem AI di masa depan menemukan pengetahuan baru, dalam matematika dan seterusnya,” tulis tim tersebut.

Gambar Kredit: Joel Filipe / Unsplash