Google DeepMind kündigt bahnbrechende wissenschaftliche KI an.

Google DeepMind hat kürzlich Chatbot-Modelle eingesetzt, um Lösungen für wichtige Probleme in Mathematik und Informatik zu finden. Das System namens AlphaEvolve kombiniert die Kreativität großer Sprachmodelle (LLMs) mit Algorithmen, die die Vorschläge des Modells analysieren, um Lösungen zu filtern und zu verbessern. Die Forschung wird in einem technischen Bericht beschrieben, der am 14. Mai vom Unternehmen veröffentlicht wurde.

„Diese Arbeit ist wirklich beeindruckend“, kommentierte Mario Krenn, Leiter des Labors für Künstliche Wissenschaftler am Max-Planck-Institut für Lichtwissenschaften in Erlangen. „Ich denke, AlphaEvolve ist die erste erfolgreiche Demonstration neuer Entdeckungen auf Basis von Mehrzweck-LLMs.“

Laut Pushmeet Kohli, Chief Scientist bei DeepMind, nutzt DeepMind das System nicht nur zur Lösung ungelöster Probleme, sondern hat diese Technik der künstlichen Intelligenz (KI) auch auf eigene Herausforderungen angewendet. AlphaEvolve hat dazu beigetragen, das Design der nächsten Generation von Tensorprozessoren – speziell für KI entwickelte Computerchips – zu verbessern und eine effizientere Nutzung der globalen Rechenleistung von Google zu ermöglichen, wodurch 0,7 % der Gesamtressourcen eingespart werden konnten.

Mehrzweck-KI

Laut Krenn basierten die meisten bisher erfolgreichen KI-Anwendungen in der Wissenschaft – darunter das Protein-Design-Tool AlphaFold – auf manuell entwickelten Lernalgorithmen für spezifische Aufgaben. AlphaEvolve hingegen ist vielseitig und nutzt die Fähigkeiten von LLM, um Code zu generieren, der Probleme in unterschiedlichsten Bereichen löst.

DeepMind bezeichnet AlphaEvolve als „Agent“, da es interaktive KI-Modelle nutzt. Es zielt jedoch auf einen anderen Punkt im wissenschaftlichen Prozess ab als viele andere wissenschaftliche KI-Systeme, die als „Agenten“ fungieren und zur Literaturrecherche und Hypothesenbildung eingesetzt werden.

AlphaEvolve basiert auf der Gemini LLM-Produktlinie des Unternehmens. Jede Aufgabe beginnt damit, dass der Benutzer die Fragestellung, die Bewertungskriterien und einen Lösungsvorschlag eingibt. Daraufhin schlägt das LLM-System Hunderte oder Tausende von Überarbeitungen vor. Ein Bewertungsalgorithmus beurteilt diese Überarbeitungen anschließend anhand der Kriterien für eine gute Lösung.

Matej Balog, KI-Wissenschaftler bei DeepMind und einer der Hauptforscher, erklärte, dass LLM auf Basis der leistungsstärksten Lösungen neue Ideen vorschlägt und das System im Laufe der Zeit immer leistungsfähigere Algorithmen entwickelt. Er sagte: „Wir erforschen vielfältige Problemlösungsansätze.“

Enger Anwendungsbereich

Laut Simon Frieder, Mathematiker und KI-Forscher an der Universität Oxford, ermöglicht AlphaEvolve in der Mathematik offenbar eine deutliche Beschleunigung bei der Lösung bestimmter Probleme. Es sei jedoch wahrscheinlich nur für einen kleinen Teil der Aufgaben anwendbar, die sich als durch Code lösbare Probleme darstellen lassen, so Frieder.

Andere Forscher beurteilen die Nützlichkeit des Tools erst dann abschließend, wenn es außerhalb von DeepMind getestet wurde. „Solange die Systeme nicht von einer größeren Nutzergruppe getestet werden, bleibe ich skeptisch und betrachte die veröffentlichten Ergebnisse mit Vorsicht“, sagte Huan Sun, KI-Forscher an der Ohio State University in Columbus.

Laut Kohli benötigt AlphaEvolve zwar weniger Rechenleistung als AlphaTensor, ist aber dennoch zu ressourcenintensiv, um kostenlos auf den Servern von DeepMind angeboten zu werden. Das Unternehmen hofft jedoch, dass die Ankündigung des Systems Forscher dazu anregt, Anwendungsgebiete für AlphaEvolve vorzuschlagen. Kohli bekräftigte: „Wir setzen alles daran, dass möglichst viele Wissenschaftler darauf zugreifen können.“

VNA

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