Η Google DeepMind ανακοινώνει «επαναστατική» επιστημονική τεχνητή νοημοσύνη

Η Google DeepMind χρησιμοποίησε μοντέλα chatbot για να βρει λύσεις σε μεγάλα προβλήματα στα μαθηματικά και την επιστήμη των υπολογιστών. Το σύστημα, που ονομάζεται AlphaEvolve, συνδυάζει τη δημιουργικότητα ενός μεγάλου γλωσσικού μοντέλου (LLM) με αλγόριθμους που μπορούν να δοκιμάσουν τις προτάσεις του μοντέλου για να βελτιώσουν και να βελτιώσουν τις λύσεις. Η έρευνα περιγράφεται σε τεχνικό έγγραφο που δημοσίευσε η εταιρεία στις 14 Μαΐου.

«Αυτή η εργασία είναι αρκετά εντυπωσιακή», δήλωσε ο Μάριο Κρεν, επικεφαλής του Εργαστηρίου Επιστημών Τεχνητού Φωτός στο Ινστιτούτο Max Planck για την Επιστήμη του Φωτός στο Έρλανγκεν της Γερμανίας. «Νομίζω ότι το AlphaEvolve είναι η πρώτη επιτυχημένη επίδειξη νέων ανακαλύψεων που βασίζονται σε ευέλικτα LLM».

Εκτός από τη χρήση του συστήματος για την εύρεση λύσεων σε ανοιχτά προβλήματα, η DeepMind εφάρμοσε αυτήν την τεχνική τεχνητής νοημοσύνης (AI) στις δικές της προκλήσεις του πραγματικού κόσμου, σύμφωνα με τον Pushmeet Kohli, επικεφαλής επιστήμονα της DeepMind. Το AlphaEvolve βοήθησε στη βελτίωση του σχεδιασμού της επόμενης γενιάς επεξεργαστών tensor - τσιπ υπολογιστών που αναπτύχθηκαν ειδικά για την Τεχνητή Νοημοσύνη - και βρήκε έναν τρόπο να αξιοποιήσει πιο αποτελεσματικά την παγκόσμια υπολογιστική ισχύ της Google, εξοικονομώντας 0,7% των συνολικών πόρων της.

Πολυχρηστική Τεχνητή Νοημοσύνη

Οι περισσότερες επιτυχημένες εφαρμογές της Τεχνητής Νοημοσύνης στην επιστήμη μέχρι σήμερα —συμπεριλαμβανομένου του εργαλείου σχεδιασμού πρωτεϊνών AlphaFold— περιελάμβαναν την εκμάθηση αλγορίθμων που έχουν σχεδιαστεί χειροποίητα για μια συγκεκριμένη εργασία, λέει ο Krenn. Αλλά το AlphaEvolve είναι γενικής χρήσης, αξιοποιώντας την ικανότητα του LLM να δημιουργεί κώδικα που λύνει προβλήματα σε μια ποικιλία τομέων.

Το DeepMind περιγράφει το AlphaEvolve ως «πράκτορα», καθώς περιλαμβάνει τη χρήση διαδραστικών μοντέλων Τεχνητής Νοημοσύνης. Ωστόσο, στοχεύει σε διαφορετικό σημείο της επιστημονικής διαδικασίας από πολλά άλλα επιστημονικά συστήματα «πρακτόρων» Τεχνητής Νοημοσύνης, τα οποία χρησιμοποιούνται για την ανασκόπηση της βιβλιογραφίας και την πρόταση υποθέσεων.

Το AlphaEvolve βασίζεται στη σειρά Gemini LLM της εταιρείας. Κάθε εργασία ξεκινά με τον χρήστη να εισάγει μια ερώτηση, κριτήρια αξιολόγησης και μια προτεινόμενη λύση, από την οποία το LLM προτείνει εκατοντάδες ή χιλιάδες αναθεωρήσεις. Ένας αλγόριθμος «αξιολόγησης» στη συνέχεια αξιολογεί τις αναθεωρήσεις με βάση τα κριτήρια για μια καλή λύση.

Με βάση τις λύσεις που κρίνονται ως οι καλύτερες, το LLM προτείνει νέες ιδέες και με την πάροδο του χρόνου το σύστημα αναπτύσσει ένα πιο ισχυρό αλγοριθμικό σύνολο. « Εξερευνούμε ένα ποικίλο σύνολο δυνατοτήτων επίλυσης προβλημάτων», δήλωσε ο Matej Balog, επιστήμονας Τεχνητής Νοημοσύνης στο DeepMind και συν-επικεφαλής της έρευνας.

Περιορισμένη εφαρμογή

Στα μαθηματικά, το AlphaEvolve φαίνεται να προσφέρει σημαντικές επιταχύνσεις στην επίλυση ορισμένων προβλημάτων, σύμφωνα με τον Simon Frieder, μαθηματικό και ερευνητή Τεχνητής Νοημοσύνης στο Πανεπιστήμιο της Οξφόρδης στο Ηνωμένο Βασίλειο. Ωστόσο, πιθανότατα θα εφαρμοστεί μόνο σε ένα «στενό υποσύνολο» εργασιών που μπορούν να διατυπωθούν ως προβλήματα προς επίλυση μέσω κώδικα, είπε.

Άλλοι ερευνητές είναι επιφυλακτικοί σχετικά με τη χρησιμότητα του εργαλείου μέχρι να δοκιμαστεί εκτός του DeepMind. «Μέχρι να δοκιμαστούν τα συστήματα από την ευρύτερη κοινότητα, θα παρέμενα σκεπτικός και θα έπαιρνα τα αναφερόμενα αποτελέσματα με επιφύλαξη», δήλωσε ο Huan Sun, ερευνητής Τεχνητής Νοημοσύνης στο Πανεπιστήμιο του Οχάιο στο Κολόμπους.

Παρόλο που το AlphaEvolve απαιτεί λιγότερη υπολογιστική ισχύ για να λειτουργήσει από το AlphaTensor, εξακολουθεί να απαιτεί πολύ πόρους για να διατεθεί δωρεάν στους διακομιστές της DeepMind, δήλωσε ο Kohli. Ωστόσο, η εταιρεία ελπίζει ότι η κυκλοφορία του συστήματος θα ενθαρρύνει τους ερευνητές να προτείνουν επιστημονικούς τομείς στους οποίους θα εφαρμοστεί το AlphaEvolve. «Είμαστε απόλυτα αφοσιωμένοι στο να διασφαλίσουμε ότι είναι προσβάσιμο στο ευρύτερο δυνατό κοινό της επιστημονικής κοινότητας», δήλωσε ο Kohli.

ΒΝΑ

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