Στις 28 Νοεμβρίου, η κινεζική εταιρεία τεχνητής νοημοσύνης (AI) DeepSeek ανακοίνωσε το μοντέλο τεχνητής νοημοσύνης DeepSeekMath-V2, το οποίο θεωρείται μια σημαντική ανακάλυψη στον τομέα της μαθηματικής συλλογιστικής μέσω τεχνητής νοημοσύνης, θέτοντας νέα πρότυπα απόδοσης και επεκτείνοντας τα όρια των δυνατοτήτων επίλυσης προβλημάτων χρησιμοποιώντας μηχανική μάθηση.
Ο πηγαίος κώδικας του DeepSeekMath-V2 είναι δημόσια διαθέσιμος στο Hugging Face και στο GitHub.
Το μοντέλο ενσωματώνει ένα πλαίσιο αυτοεπαλήθευσης για να ελέγχει την εγκυρότητα μιας αλυσίδας επιχειρημάτων, εκτός από τη δημιουργία σωστών απαντήσεων, κάτι με το οποίο πολλά τρέχοντα μοντέλα τεχνητής νοημοσύνης εξακολουθούν να δυσκολεύονται.
Τα αποτελέσματα της αξιολόγησης δείχνουν ότι το DeepSeekMath-V2 πληροί τις προϋποθέσεις για χρυσά μετάλλια στη Διεθνή Μαθηματική Ολυμπιάδα (IMO) του 2025 και στην Κινεζική Μαθηματική Ολυμπιάδα (CMO) του 2024.
Αξίζει να σημειωθεί ότι το μοντέλο σημείωσε 118/120 μονάδες στις εξετάσεις Putnam του 2024, ξεπερνώντας κατά πολύ το όριο των 90 μονάδων, το υψηλότερο ρεκόρ που έχει επιτευχθεί ποτέ από ανθρώπους.
Οι δυνατότητες λογικής συλλογιστικής του μοντέλου δοκιμάζονται χρησιμοποιώντας το σύστημα IMO-ProofBench, ένα ειδικό σημείο αναφοράς που χρησιμοποιείται για την επαλήθευση της ακρίβειας συλλογισμού των μοντέλων τεχνητής νοημοσύνης.
Το DeepSeekMath-V2 επιδεικνύει ανώτερη απόδοση σε σύγκριση με πολλά άλλα μοντέλα τελευταίας τεχνολογίας, συμπεριλαμβανομένου του DeepThink της DeepMind.
Το IMO-ProofBench λειτουργεί με έναν μηχανισμό διασταυρούμενου ελέγχου: το ένα μοντέλο αναλαμβάνει τον ρόλο της «απόδειξης», δημιουργώντας μια αλυσίδα μαθηματικών επιχειρημάτων, ενώ το άλλο μοντέλο αναλαμβάνει τον ρόλο της «επικύρωσης», αξιολογώντας την ισχύ του επιχειρήματος.
Αυτός ο μηχανισμός επιτρέπει την ανίχνευση σφαλμάτων στη σκέψη του μοντέλου, μια εγγενή αδυναμία των σύγχρονων συστημάτων Τεχνητής Νοημοσύνης.
Σύμφωνα με την ομάδα ανάπτυξης, η μέθοδος αυτοεπαλήθευσης του DeepSeekMath-V2 βοηθά στην επίλυση του μεγαλύτερου περιορισμού των τρεχόντων μοντέλων τεχνητής νοημοσύνης: την ικανότητα δημιουργίας σωστών απαντήσεων που βασίζονται σε εσφαλμένη ή ασυνεπή συλλογιστική.
Το DeepSeek πιστεύει ότι αυτές οι εξελίξεις δείχνουν ότι η προσέγγιση της «αυτοεπαλήθευσης μαθηματικής συλλογιστικής» έχει τη δυνατότητα να γίνει το βασικό θεμέλιο για μια πιο ισχυρή, αξιόπιστη και διαφανή γενιά μαθηματικής Τεχνητής Νοημοσύνης στο μέλλον.
Πηγή: https://www.vietnamplus.vn/deepseek-phat-trien-mo-hinh-ai-lap-luan-toan-hoc-co-kha-nang-tu-kiem-chung-post1079916.vnp
Σχόλιο (0)