Google DeepMind kündigt „bahnbrechende“ wissenschaftliche KI an

Google DeepMind nutzt Chatbot-Modelle, um Lösungen für große Probleme in Mathematik und Informatik zu finden. Das System namens AlphaEvolve kombiniert die Kreativität eines großen Sprachmodells (LLM) mit Algorithmen, die die Vorschläge des Modells testen, um Lösungen zu verfeinern und zu verbessern. Die Forschung wird in einem technischen Dokument beschrieben, das das Unternehmen am 14. Mai veröffentlichte.

„Diese Arbeit ist wirklich beeindruckend“, sagte Mario Krenn, Leiter des Artificial Light Scientist Laboratory am Max-Planck-Institut für die Physik des Lichts in Erlangen. „Ich denke, AlphaEvolve ist die erste erfolgreiche Demonstration neuer Entdeckungen auf der Grundlage vielseitiger Lichtleitfasern.“

DeepMind nutzt das System nicht nur zur Lösung offener Probleme, sondern wendet diese Technik der künstlichen Intelligenz (KI) auch auf eigene Herausforderungen in der realen Welt an, so Pushmeet Kohli, Chefwissenschaftler bei DeepMind. AlphaEvolve hat dazu beigetragen, das Design der nächsten Generation von Tensorprozessoren – speziell für KI entwickelte Computerchips – zu verbessern und einen Weg gefunden, die globale Rechenleistung von Google effizienter zu nutzen und so 0,7 Prozent der Gesamtressourcen einzusparen.

Mehrzweck-KI

Die meisten erfolgreichen KI-Anwendungen in der Wissenschaft – darunter auch das Proteindesign-Tool AlphaFold – beruhten bisher auf Lernalgorithmen, die eigens für eine bestimmte Aufgabe entwickelt wurden, so Krenn. AlphaEvolve hingegen ist universell einsetzbar und nutzt die Fähigkeit von LLM, Code zu generieren, der Probleme in einer Vielzahl von Bereichen löst.

DeepMind beschreibt AlphaEvolve als „Agent“, da es interaktive KI-Modelle verwendet. Es zielt jedoch auf einen anderen Punkt im wissenschaftlichen Prozess ab als viele andere wissenschaftliche KI-Agentensysteme, die zur Literaturrecherche und zum Aufstellen von Hypothesen eingesetzt werden.

AlphaEvolve basiert auf der Gemini LLM-Produktlinie des Unternehmens. Jede Aufgabe beginnt mit der Eingabe einer Frage, Bewertungskriterien und eines Lösungsvorschlags. Daraufhin schlägt das LLM Hunderte oder Tausende von Überarbeitungen vor. Ein Bewertungsalgorithmus bewertet die Überarbeitungen anschließend anhand der Kriterien für eine gute Lösung.

Basierend auf den als die besten beurteilten Lösungen schlägt LLM neue Ideen vor und mit der Zeit entwickelt das System ein leistungsfähigeres algorithmisches Ensemble. „Wir erforschen ein vielfältiges Set an Problemlösungsmöglichkeiten“, sagt Matej Balog, KI-Wissenschaftler bei DeepMind und Co-Leiter der Forschung.

Enge Anwendung

In der Mathematik scheint AlphaEvolve die Lösung einiger Probleme deutlich zu beschleunigen, so Simon Frieder, Mathematiker und KI-Forscher an der britischen Universität Oxford. Allerdings werde es wahrscheinlich nur auf eine „kleine Teilmenge“ von Aufgaben anwendbar sein, die als Probleme formuliert werden können, die durch Code gelöst werden können, sagte er.

Andere Forscher sind hinsichtlich der Nützlichkeit des Tools skeptisch, solange es nicht außerhalb von DeepMind getestet wird. „Bis die Systeme von der breiteren Community getestet wurden, bleibe ich skeptisch und nehme die gemeldeten Ergebnisse mit Vorsicht zur Kenntnis“, sagte Huan Sun, KI-Forscher an der Ohio State University in Columbus.

Obwohl AlphaEvolve weniger Rechenleistung benötigt als AlphaTensor, sei es dennoch zu ressourcenintensiv, um es kostenlos auf den Servern von DeepMind zur Verfügung zu stellen, so Kohli. Das Unternehmen hofft jedoch, dass die Veröffentlichung des Systems Forscher dazu ermutigt, wissenschaftliche Anwendungsgebiete für AlphaEvolve vorzuschlagen. „Wir setzen uns dafür ein, dass es einem möglichst breiten Publikum in der wissenschaftlichen Gemeinschaft zugänglich ist“, sagte Kohli.

VNA

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