Google DeepMind oznamuje „průlomovou“ vědeckou umělou inteligenci.

Společnost Google DeepMind nedávno využila modely chatbotů k nalezení řešení pro významné problémy v matematice a informatice. Systém s názvem AlphaEvolve kombinuje kreativitu modelů velkých jazyků programování (LLM) s algoritmy, které dokáží zkoumat návrhy modelu za účelem filtrování a vylepšování řešení. Výzkum je popsán v technické zprávě, kterou společnost zveřejnila 14. května.

„Tento článek je docela působivý,“ komentoval Mario Krenn, vedoucí Laboratoře umělých vědců v Max Planckově institutu pro světelné vědy v německém Erlangenu. „Myslím, že AlphaEvolve je první úspěšnou demonstrací nových objevů založených na víceúčelových LLM.“

Podle Pushmeeta Kohliho, hlavního vědce společnosti DeepMind, DeepMind kromě využití systému k hledání řešení otevřených problémů aplikoval tuto techniku ​​umělé inteligence (AI) na své vlastní reálné výzvy. AlphaEvolve pomohl vylepšit návrh nové generace tenzorových procesorů – počítačových čipů speciálně vyvinutých pro AI – a našel způsob, jak efektivněji využít globální výpočetní výkon společnosti Google, čímž ušetřil 0,7 % celkových zdrojů.

Víceúčelová umělá inteligence

Podle Krenna většina dosud nejúspěšnějších aplikací umělé inteligence ve vědě – včetně nástroje pro návrh proteinů AlphaFold – zahrnovala ručně navržené algoritmy učení pro specifické úkoly. AlphaEvolve je však všestranný a využívá schopnosti LLM ke generování kódu, který řeší problémy v široké škále oblastí.

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 čehož LLM navrhne stovky nebo tisíce revizí. „Hodnoticí“ algoritmus poté vyhodnotí revize na základě kritérií pro dobré řešení.

Matej Balog, vědec v oblasti umělé inteligence ve společnosti DeepMind a jeden z vedoucích výzkumníků, uvedl, že na základě nejlepších řešení LLM navrhuje nové nápady a systém postupem času vyvíjí výkonnější sadu algoritmů. Řekl: „ Zkoumáme rozmanitou sadu schopností řešení problémů.“

Úzké použití

V matematice se zdá, že AlphaEvolve umožňuje výrazné zrychlení řešení určitých problémů, tvrdí Simon Frieder, matematik a výzkumník umělé inteligence na Oxfordské univerzitě ve Velké Británii. Pravděpodobně však bude použitelný pouze pro „úzkou část“ úkolů, které lze prezentovat jako problémy řešitelné pomocí kódu, říká.

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

Podle Kohliho AlphaEvolve sice vyžaduje k provozu méně výpočetního výkonu než AlphaTensor, ale stále je příliš náročný na zdroje, aby mohl být nabízen zdarma na serverech DeepMind. Společnost však doufá, že oznámení systému povzbudí výzkumníky k návrhům vědeckých oblastí, kde lze AlphaEvolve uplatnit. Kohli potvrdil: „Jsme absolutně odhodláni zajistit, aby k němu měla přístup většina lidí ve vědecké komunitě.“

VNA

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