Google DeepMind oznamuje „průlomovou“ vědeckou umělou inteligenci

„Tento článek je docela působivý,“ řekl Mario Krenn, vedoucí Laboratoře vědců pro umělé světlo v Max Planckově institutu pro vědu o světle v německém Erlangenu. „Myslím, že AlphaEvolve je první úspěšnou demonstrací nových objevů založených na všestranných LLM.“

Kromě využití systému k hledání řešení otevřených problémů aplikovala společnost DeepMind tuto techniku umělé inteligence (AI) na své vlastní výzvy v reálném světě, uvedl Pushmeet Kohli, hlavní vědec společnosti DeepMind. AlphaEvolve pomohl vylepšit návrh nové generace tenzorových procesorů – počítačových čipů vyvinutých speciálně pro AI – a našel způsob, jak efektivněji využít globální výpočetní výkon společnosti Google, čímž ušetřil 0,7 % jejích celkových zdrojů.

Víceúčelová umělá inteligence

Krenn říká, že většina dosavadních úspěšných aplikací umělé inteligence ve vědě – včetně nástroje pro návrh proteinů AlphaFold – zahrnovala učení algoritmů ručně vytvořených pro konkrétní úkol. AlphaEvolve je však univerzální a využívá schopnost LLM generovat kód, který řeší problémy v různých oblastech.

DeepMind popisuje AlphaEvolve jako „agenta“, protože zahrnuje použití interaktivních modelů umělé inteligence. Zaměřuje se však na jiný bod vědeckého procesu než mnoho jiných vědeckých systémů s „agenty“ a umělou inteligencí, které se používají k přehledu literatury a navrhování hypotéz.

AlphaEvolve je založen na řadě LLM Gemini této společnosti. Každý úkol začíná zadáním otázky uživatelem, kritérií hodnocení a navrhovaného řešení, na základě kterých LLM navrhne stovky nebo tisíce revizí. „Evaluační“ algoritmus poté vyhodnotí revize na základě kritérií pro nalezení dobrého řešení.

Na základě řešení, která jsou vyhodnocena jako nejlepší, LLM navrhuje nové nápady a systém postupem času vyvíjí výkonnější algoritmický soubor. „ Zkoumáme rozmanitou sadu možností řešení problémů,“ řekl Matej Balog, vědec v oblasti umělé inteligence ve společnosti DeepMind a spoluvedoucí výzkumu.

Úzké použití

V matematice se zdá, že AlphaEvolve nabízí významné zrychlení při řešení některých problémů, tvrdí Simon Frieder, matematik a výzkumník umělé inteligence na Oxfordské univerzitě ve Velké Británii. Pravděpodobně však bude použitelný pouze pro „úzkou podmnožinu“ úkolů, které lze formulovat jako problémy řešitelné pomocí kódu, řekl.

Jiní výzkumníci jsou ohledně užitečnosti nástroje opatrní, dokud nebude otestován mimo DeepMind. „Dokud nebudou systémy otestovány širší komunitou, zůstal bych skeptický a bral bych hlášené výsledky s rezervou,“ řekl Huan Sun, výzkumník umělé inteligence na Ohio State University v Columbusu.

Ačkoli AlphaEvolve vyžaduje k provozu méně výpočetního výkonu než AlphaTensor, je stále příliš náročný na zdroje, aby byl na serverech DeepMind k dispozici zdarma, uvedl Kohli. Společnost však doufá, že vydání systému povzbudí výzkumníky k návrhům vědeckých oblastí, ve kterých by AlphaEvolve mohl být aplikován. „Jsme absolutně odhodláni zajistit, aby byl přístupný co nejširšímu publiku ve vědecké komunitě,“ řekl Kohli.

VNA

Zdroj: https://nhandan.vn/google-deepmind-cong-bo-ai-khoa-hoc-dot-pha-post879748.html