AI ใหม่ของ Google DeepMind ตรงกับประสิทธิภาพเหรียญทองในการแข่งขันกีฬาโอลิมปิกคณิตศาสตร์

เผยแพร่ซ้ำโดยเพลโต

ผู้ติดตาม: 0

หลังจาก ถอดรหัสคณิตศาสตร์ที่แก้ไม่ได้ ปัญหาในปีที่แล้ว AI กลับมาจัดการกับเรขาคณิตอีกครั้ง

พัฒนาโดย Google DeepMind ซึ่งเป็นอัลกอริธึมใหม่ AlphaGeometry สามารถบดขยี้ปัญหาจากการแข่งขันคณิตศาสตร์โอลิมปิกระดับนานาชาติที่ผ่านมา ซึ่งเป็นการแข่งขันระดับสูงสำหรับนักเรียนมัธยมปลาย และตรงกับผลงานของผู้ชนะเลิศเหรียญทองคนก่อนๆ

เมื่อถูกท้าทายด้วยโจทย์เรขาคณิตยากๆ 30 ข้อ AI ก็ประสบความสำเร็จในการแก้ปัญหา 25 ข้อภายในเวลามาตรฐานที่กำหนด โดยเอาชนะอัลกอริธึมล้ำสมัยก่อนหน้านี้ด้วยคำตอบ 15 คำตอบ

แม้ว่าบ่อยครั้งจะถูกมองว่าเป็นความหายนะของชั้นเรียนคณิตศาสตร์ในโรงเรียนมัธยมศึกษาตอนปลาย แต่เรขาคณิตก็ฝังแน่นอยู่ในชีวิตประจำวันของเรา ศิลปะ ดาราศาสตร์ การออกแบบภายใน และสถาปัตยกรรมล้วนอาศัยรูปทรงเรขาคณิต เช่นเดียวกับการนำทาง แผนที่ และการวางแผนเส้นทาง โดยแก่นแท้แล้ว เรขาคณิตเป็นวิธีหนึ่งในการอธิบายอวกาศ รูปร่าง และระยะทางโดยใช้เหตุผลเชิงตรรกะ

ในทางหนึ่ง การแก้ปัญหาเรขาคณิตก็เหมือนกับการเล่นหมากรุก เมื่อพิจารณาจากกฎบางข้อที่เรียกว่าทฤษฎีบทและการพิสูจน์ มีวิธีการแก้ปัญหาจำนวนจำกัดในแต่ละขั้นตอน แต่การค้นหาว่าวิธีใดที่สมเหตุสมผลนั้นต้องอาศัยการให้เหตุผลแบบยืดหยุ่นซึ่งเป็นไปตามกฎทางคณิตศาสตร์ที่เข้มงวด

กล่าวอีกนัยหนึ่ง การแก้ปัญหาเรขาคณิตต้องใช้ทั้งความคิดสร้างสรรค์และโครงสร้าง แม้ว่ามนุษย์จะพัฒนาทักษะกายกรรมทางจิตเหล่านี้ผ่านการฝึกฝนมาหลายปี แต่ AI ก็ประสบปัญหาอยู่เสมอ

AlphaGeometry ผสมผสานคุณสมบัติทั้งสองอย่างชาญฉลาดไว้ในระบบเดียว โดยมีองค์ประกอบหลักสองส่วน: โมเดลเชิงตรรกะที่ผูกกับกฎซึ่งพยายามค้นหาคำตอบ และโมเดลภาษาขนาดใหญ่เพื่อสร้างแนวคิดที่แปลกใหม่ หาก AI ล้มเหลวในการค้นหาวิธีแก้ปัญหาโดยใช้เหตุผลเชิงตรรกะเพียงอย่างเดียว โมเดลภาษาก็จะเริ่มสร้างมุมมองใหม่ๆ ผลลัพธ์ที่ได้คือ AI ที่มีทั้งทักษะความคิดสร้างสรรค์และการให้เหตุผลที่สามารถอธิบายวิธีแก้ปัญหาได้

ระบบนี้เป็นการโจมตีล่าสุดของ DeepMind ในการแก้ปัญหาทางคณิตศาสตร์ด้วยความฉลาดของเครื่องจักร แต่สายตาของพวกเขาจับจ้องไปที่รางวัลที่ใหญ่กว่า AlphaGeometry สร้างขึ้นเพื่อการให้เหตุผลเชิงตรรกะในสภาพแวดล้อมที่ซับซ้อน เช่น โลกที่วุ่นวายในชีวิตประจำวันของเรา นอกเหนือจากคณิตศาสตร์แล้ว การทำซ้ำในอนาคตอาจช่วยให้นักวิทยาศาสตร์ค้นพบวิธีแก้ปัญหาในระบบที่ซับซ้อนอื่นๆ เช่น การถอดรหัสการเชื่อมต่อของสมอง หรือการเปิดโปงโครงข่ายทางพันธุกรรมที่นำไปสู่โรค

“เรากำลังก้าวกระโดดครั้งใหญ่ ถือเป็นความก้าวหน้าครั้งใหญ่ในแง่ของผลลัพธ์” ดร. Trieu Trinh ผู้เขียนการศึกษา บอก นิวยอร์กไทม์ส.

สองทีม

คำถามเรขาคณิตสั้นๆ: ลองนึกภาพสามเหลี่ยมที่ด้านทั้งสองยาวเท่ากัน คุณจะพิสูจน์ได้อย่างไรว่ามุมสองมุมล่างเหมือนกันทุกประการ?

นี่เป็นหนึ่งในความท้าทายแรกๆ ที่ AlphaGeometry ต้องเผชิญ ในการแก้ปัญหานี้ คุณจะต้องเข้าใจกฎเกณฑ์ทางเรขาคณิตให้ครบถ้วน แต่ยังต้องมีความคิดสร้างสรรค์ในการหาคำตอบด้วย

“ทฤษฎีบทพิสูจน์แสดงให้เห็นถึงความเชี่ยวชาญในการใช้เหตุผลเชิงตรรกะ...ซึ่งบ่งบอกถึงทักษะการแก้ปัญหาที่น่าทึ่ง” ทีมงาน เขียนในงานวิจัยที่ตีพิมพ์ในวันนี้ที่ ธรรมชาติ.

นี่คือจุดที่สถาปัตยกรรมของ AlphaGeometry เป็นเลิศ ขนานนาม ระบบประสาทสัญลักษณ์โดยจะจัดการกับปัญหาด้วยกลไกการหักเชิงสัญลักษณ์ก่อน ลองนึกภาพอัลกอริทึมเหล่านี้ในฐานะนักเรียนเกรด A ที่เรียนหนังสือคณิตศาสตร์อย่างเคร่งครัดและปฏิบัติตามกฎเกณฑ์ พวกเขาได้รับคำแนะนำจากตรรกะและสามารถวางทุกขั้นตอนที่นำไปสู่การแก้ปัญหาได้อย่างง่ายดาย เช่น การอธิบายบรรทัดของการใช้เหตุผลในการทดสอบทางคณิตศาสตร์

ระบบเหล่านี้เป็นระบบเก่าแต่ทรงพลังอย่างเหลือเชื่อ เนื่องจากไม่มีปัญหา "กล่องดำ" ที่คอยหลอกหลอนอัลกอริธึมการเรียนรู้เชิงลึกสมัยใหม่มากมาย

การเรียนรู้อย่างลึกซึ้งได้เปลี่ยนโฉมโลกของเรา แต่เนื่องจากวิธีการทำงานของอัลกอริธึมเหล่านี้ จึงมักไม่สามารถอธิบายผลลัพธ์ได้ สิ่งนี้จะไม่เกิดขึ้นเมื่อพูดถึงคณิตศาสตร์ ซึ่งต้องอาศัยเหตุผลเชิงตรรกะที่เข้มงวดซึ่งสามารถเขียนลงไปได้

กลไกการหักด้วยสัญลักษณ์จะแก้ปัญหากล่องดำโดยมีเหตุผลและอธิบายได้ แต่เมื่อต้องเผชิญกับปัญหาที่ซับซ้อน พวกเขาจึงเชื่องช้าและประสบปัญหาในการปรับตัวอย่างยืดหยุ่น

นี่คือที่มาของโมเดลภาษาขนาดใหญ่ พลังขับเคลื่อนเบื้องหลัง ChatGPT อัลกอริธึมเหล่านี้ยอดเยี่ยมในการค้นหารูปแบบในข้อมูลที่ซับซ้อนและสร้างโซลูชันใหม่ หากมีข้อมูลการฝึกอบรมเพียงพอ แต่พวกเขามักจะขาดความสามารถในการอธิบายตัวเอง ทำให้จำเป็นต้องตรวจสอบผลลัพธ์อีกครั้ง

AlphaGeometry ผสมผสานสิ่งที่ดีที่สุดของทั้งสองโลกเข้าด้วยกัน

เมื่อต้องเผชิญกับปัญหาทางเรขาคณิต ระบบการหักเชิงสัญลักษณ์จะดำเนินการก่อน เอาโจทย์สามเหลี่ยมมา อัลกอริธึม "เข้าใจ" หลักฐานของคำถาม โดยจะต้องพิสูจน์ว่ามุมสองมุมด้านล่างเหมือนกัน โมเดลภาษาแนะนำให้วาดเส้นใหม่จากด้านบนของสามเหลี่ยมตรงลงไปด้านล่างเพื่อช่วยแก้ปัญหา องค์ประกอบใหม่แต่ละองค์ประกอบที่ขับเคลื่อน AI ไปสู่โซลูชันนั้นเรียกว่า "โครงสร้าง"

ระบบการหักเชิงสัญลักษณ์จะรับคำแนะนำและเขียนตรรกะที่อยู่เบื้องหลังการให้เหตุผล หากโครงสร้างใช้งานไม่ได้ ทั้งสองระบบจะต้องผ่านการพิจารณาหลายรอบจนกว่า AlphaGeometry จะพบวิธีแก้ปัญหา

การตั้งค่าทั้งหมด “คล้ายกับแนวคิด 'การคิด เร็วและช้า'” เขียน ทีมงานในบล็อกของ DeepMind “ระบบหนึ่งให้แนวคิดที่รวดเร็วและ 'ใช้งานง่าย' และอีกระบบหนึ่งมีการตัดสินใจที่รอบคอบและมีเหตุผลมากกว่า”

เราคือแชมป์เปี่ยน

ต่างจากไฟล์ข้อความหรือไฟล์เสียงตรงที่มีตัวอย่างมากมายที่เน้นไปที่เรขาคณิต ซึ่งทำให้ยากต่อการฝึก AlphaGeometry

เพื่อเป็นวิธีแก้ปัญหา ทีมงานได้สร้างชุดข้อมูลของตนเองซึ่งประกอบด้วยตัวอย่างรูปทรงเรขาคณิตแบบสุ่มสังเคราะห์ 100 ล้านตัวอย่างและความสัมพันธ์ที่แมประหว่างจุดและเส้น ซึ่งคล้ายกับวิธีแก้เรขาคณิตในชั้นเรียนคณิตศาสตร์ แต่ในขนาดที่ใหญ่กว่ามาก

จากนั้น AI ก็เข้าใจกฎของเรขาคณิตและเรียนรู้ที่จะย้อนกลับจากโซลูชันเพื่อดูว่าจำเป็นต้องเพิ่มโครงสร้างใดๆ หรือไม่ วงจรนี้ทำให้ AI สามารถเรียนรู้ตั้งแต่เริ่มต้นโดยไม่ต้องอาศัยข้อมูลจากมนุษย์

ทีมงานได้นำ AI มาทดสอบโดยท้าทายด้วยปัญหาโอลิมปิก 30 ข้อจากการแข่งขันครั้งก่อนๆ กว่าทศวรรษ ผลลัพธ์ที่สร้างขึ้นได้รับการประเมินโดย Evan Chen ผู้ชนะเลิศเหรียญทองโอลิมปิกคนก่อนเพื่อรับรองคุณภาพ

โดยรวมแล้ว AI จับคู่ผลงานของผู้ชนะเลิศเหรียญทองในอดีต โดยทำโจทย์ให้สำเร็จ 25 ข้อภายในเวลาที่กำหนด ที่ ผลลัพธ์ที่ล้ำสมัยก่อนหน้านี้ มีคำตอบที่ถูกต้อง 10 ข้อ

“ผลลัพธ์ของ AlphaGeometry นั้นน่าประทับใจเพราะทั้งตรวจสอบได้และสะอาด” Chen กล่าวว่า. “มันใช้กฎเรขาคณิตคลาสสิกกับมุมและสามเหลี่ยมที่คล้ายกันเช่นเดียวกับที่นักเรียนทำ”

นอกเหนือจากคณิตศาสตร์

AlphaGeometry คือการโจมตีครั้งล่าสุดของ DeepMind ในวิชาคณิตศาสตร์ ใน 2021AI ของพวกเขาไขปริศนาทางคณิตศาสตร์ที่ทำให้มนุษย์นิ่งงันมานานหลายทศวรรษ เมื่อเร็ว ๆ นี้, พวกเขาใช้ แบบจำลองภาษาขนาดใหญ่เพื่อระบุปัญหา STEM ในระดับวิทยาลัยและ แตกระแหง ปัญหาทางคณิตศาสตร์ที่ "แก้ไม่ได้" ก่อนหน้านี้โดยอิงจากเกมไพ่ที่มีอัลกอริทึม ค้นหาสนุก.

ในตอนนี้ AlphaGeometry ได้รับการปรับแต่งให้เหมาะกับเรขาคณิตและมีข้อควรระวัง เรขาคณิตส่วนใหญ่เป็นภาพ แต่ระบบไม่สามารถ "มองเห็น" แบบร่างได้ ซึ่งอาจช่วยเร่งการแก้ปัญหาได้ การเพิ่มรูปภาพบางทีด้วย AI ราศีเมถุนของ Googleซึ่งเปิดตัวเมื่อปลายปีที่แล้วอาจช่วยเสริมความฉลาดทางเรขาคณิตได้

กลยุทธ์ที่คล้ายกันยังสามารถขยายขอบเขตการเข้าถึงของ AlphaGeometry ไปสู่ขอบเขตทางวิทยาศาสตร์ที่หลากหลายซึ่งต้องใช้เหตุผลที่เข้มงวดและมีความคิดสร้างสรรค์ (ขอให้เป็นจริง - มันคือทั้งหมด)

“ด้วยศักยภาพที่กว้างขึ้นในการฝึกอบรมระบบ AI ตั้งแต่เริ่มต้นด้วยข้อมูลสังเคราะห์ขนาดใหญ่ วิธีการนี้สามารถกำหนดวิธีการที่ระบบ AI แห่งอนาคตค้นพบความรู้ใหม่ ๆ ในด้านคณิตศาสตร์และอื่น ๆ ” ทีมงานเขียน

เครดิตภาพ: โจเอล ฟิลิเป้ / Unsplash