Novi AI Googla DeepMind se ujema z zlato medaljo na matematičnih olimpijskih igrah

Ponovno objavil Platon

Spremljevalci: 0

po razbijanje nerešljive matematike problem lanskega leta, AI se je vrnil k reševanju geometrije.

Novi algoritem AlphaGeometry, ki ga je razvil Google DeepMind, lahko zdrobi težave s preteklih mednarodnih matematičnih olimpijad – tekmovanja najvišje ravni za srednješolce – in se ujema z uspešnostjo prejšnjih dobitnikov zlatih medalj.

Ob izzivu s 30 težkimi geometrijskimi problemi jih je umetna inteligenca uspešno rešila 25 v standardno dodeljenem času in s tem premagala prejšnje najsodobnejše algoritme za 15 odgovorov.

Čeprav pogosto velja za pogubo srednješolskega pouka matematike, je geometrija vgrajena v naše vsakdanje življenje. Umetnost, astronomija, notranja oprema in arhitektura temeljijo na geometriji. Enako velja za navigacijo, zemljevide in načrtovanje poti. V svojem bistvu je geometrija način za opisovanje prostora, oblik in razdalj z uporabo logičnega sklepanja.

Na nek način je reševanje geometrijskih problemov podobno igranju šaha. Glede na nekatera pravila – imenovana izreki in dokazi – obstaja omejeno število rešitev za vsak korak, vendar je iskanje smiselne odvisno od prožnega sklepanja, ki je v skladu s strogimi matematičnimi pravili.

Z drugimi besedami, spoprijemanje z geometrijo zahteva ustvarjalnost in strukturo. Medtem ko ljudje te miselne akrobatske spretnosti razvijamo z leti vadbe, se je umetna inteligenca vedno borila.

AlphaGeometry pametno združuje obe funkciji v en sam sistem. Ima dve glavni komponenti: s pravili vezan logični model, ki poskuša najti odgovor, in velik jezikovni model za ustvarjanje idej, ki so že pripravljene. Če umetna inteligenca ne najde rešitve, ki bi temeljila zgolj na logičnem razmišljanju, se vključi jezikovni model, da zagotovi nove zorne kote. Rezultat je umetna inteligenca z ustvarjalnostjo in sposobnostmi razmišljanja, ki lahko razloži svojo rešitev.

Sistem je zadnji vpad DeepMinda v reševanje matematičnih problemov s strojno inteligenco. Toda njihove oči so uprte v večjo nagrado. AlphaGeometry je ustvarjen za logično sklepanje v zapletenih okoljih, kot je naš kaotični vsakdanji svet. Poleg matematike bi lahko prihodnje ponovitve potencialno pomagale znanstvenikom najti rešitve v drugih zapletenih sistemih, kot je dešifriranje možganskih povezav ali razpletanje genetskih mrež, ki vodijo do bolezni.

"Delamo velik skok, velik preboj v smislu rezultata," avtor študije dr. Trieu Trinh Rekel o New York Times.

Dvojna ekipa

Hitro geometrijsko vprašanje: Predstavljajte si trikotnik z obema stranicama enake dolžine. Kako dokažeš, da sta spodnja dva kota popolnoma enaka?

To je eden prvih izzivov, s katerimi se je AlphaGeometry soočil. Če ga želite rešiti, morate v celoti razumeti geometrijska pravila, a imeti tudi ustvarjalnost, da se približate odgovoru.

"Dokazovanje izrekov prikazuje obvladovanje logičnega sklepanja ... kar pomeni izjemno veščino reševanja problemov," je ekipa zapisali v danes objavljeni raziskavi v Narava.

Tukaj se odlikuje arhitektura AlphaGeometry. Sinhronizirano nevro-simbolni sistem, se najprej loti težave s svojim motorjem simboličnega odbitka. Predstavljajte si te algoritme kot učenca prvega razreda, ki striktno študira učbenike matematike in upošteva pravila. Vodi jih logika in lahko zlahka predstavijo vsak korak, ki vodi do rešitve, kot je razlaga sklepanja pri testu matematike.

Ti sistemi so stare šole, a neverjetno zmogljivi, saj nimajo problema s »črno skrinjico«, ki preganja večino sodobnih algoritmov globokega učenja.

Globoko učenje je preoblikovalo naš svet. Toda zaradi tega, kako ti algoritmi delujejo, pogosto ne morejo razložiti svojega rezultata. To preprosto ne bo šlo, ko gre za matematiko, ki temelji na strogem logičnem sklepanju, ki ga je mogoče zapisati.

Mehanizem simbolne dedukcije odpravi problem črne skrinjice, saj je racionalen in razložljiv. Toda soočeni s kompleksnimi težavami so počasni in se težko prilagajajo.

Tukaj nastopijo veliki jezikovni modeli. Ti algoritmi, ki so gonilna sila ChatGPT, so odlični pri iskanju vzorcev v zapletenih podatkih in ustvarjanju novih rešitev, če je na voljo dovolj podatkov za usposabljanje. Vendar pogosto nimajo sposobnosti, da bi se razložili, zaradi česar je treba dvakrat preveriti svoje rezultate.

AlphaGeometry združuje najboljše iz obeh svetov.

Ko se sooči z geometrijskim problemom, ga najprej preizkusi mehanizem simbolične odbitke. Vzemite problem trikotnika. Algoritem "razume" predpostavko vprašanja, saj mora dokazati, da sta spodnja dva kota enaka. Jezikovni model nato predlaga risanje nove črte od vrha trikotnika naravnost navzdol do dna, da bi rešili težavo. Vsak nov element, ki premakne AI k rešitvi, se imenuje "konstrukt".

Mehanizem simbolične dedukcije sprejme nasvet in zapiše logiko za svojim sklepanjem. Če konstrukt ne deluje, gresta sistema skozi več krogov posvetovanja, dokler AlphaGeometry ne doseže rešitve.

Celotna postavitev je "podobna ideji 'razmišljanja, hitrega in počasnega'," Napisal ekipa na DeepMindovem blogu. "En sistem zagotavlja hitre, 'intuitivne' ideje, drugi pa bolj premišljeno in racionalno odločanje."

Mi smo zmagovalci

Za razliko od besedilnih ali zvočnih datotek primanjkuje primerov, osredotočenih na geometrijo, zaradi česar je bilo težko učiti AlphaGeometry.

Kot rešitev je ekipa ustvarila lasten nabor podatkov, ki vsebuje 100 milijonov sintetičnih primerov naključnih geometrijskih oblik in preslikanih odnosov med točkami in črtami – podobno kot rešujete geometrijo pri pouku matematike, vendar v veliko večjem obsegu.

Od tam je umetna inteligenca dojela pravila geometrije in se naučila delati nazaj od rešitve, da bi ugotovila, ali je treba dodati kakšne konstrukte. Ta cikel je omogočil umetni inteligenci, da se uči iz nič brez človeškega vnosa.

Ekipa je umetno inteligenco preizkusila in jo izzvala s 30 problemi za olimpijado iz več kot desetletja prejšnjih tekmovanj. Ustvarjene rezultate je ovrednotil prejšnji dobitnik zlate olimpijske medalje Evan Chen, da bi zagotovil njihovo kakovost.

Umetna inteligenca je v celoti izenačila uspešnost preteklih dobitnikov zlatih medalj, saj je v roku rešila 25 težav. The prejšnji najsodobnejši rezultat je bilo 10 pravilnih odgovorov.

"Rezultat AlphaGeometry je impresiven, ker je hkrati preverljiv in čist," Chen je dejal. "Uporablja klasična geometrijska pravila s koti in podobnimi trikotniki tako kot študenti."

Onkraj matematike

AlphaGeometry je najnovejši korak DeepMinda v matematiko. V 2021, je njihova umetna inteligenca razbila matematične uganke, ki so ljudi begale desetletja. V zadnjem času, so uporabili velike jezikovne modele za utemeljitev težav STEM na ravni fakultete in razpokan prej "nerešljiv" matematični problem, ki temelji na igri s kartami z algoritmom FunSearch.

Za zdaj je AlphaGeometry prilagojena geometriji in z opozorili. Velik del geometrije je vizualnega, vendar sistem ne more "videti" risb, kar bi lahko pospešilo reševanje problemov. Dodajanje slik, morda z Googlov Gemini AI, ki je bil predstavljen konec lanskega leta, lahko okrepi svojo geometrijsko pamet.

Podobna strategija bi lahko tudi razširila doseg AlphaGeometry na širok spekter znanstvenih področij, ki zahtevajo strogo sklepanje s pridihom ustvarjalnosti. (Bodimo resnični – vsi so.)

»Glede na širši potencial usposabljanja sistemov umetne inteligence iz nič z obsežnimi sintetičnimi podatki bi lahko ta pristop oblikoval, kako bodo sistemi umetne inteligence prihodnosti odkrivali novo znanje v matematiki in drugod,« je zapisala ekipa.

Kreditno slike: Joel Filipe / Unsplash