Η Google DeepMind ανακοινώνει «επαναστατική» επιστημονική Τεχνητή Νοημοσύνη.

Η Google DeepMind μόλις χρησιμοποίησε μοντέλα chatbot για να παρέχει λύσεις σε σημαντικά προβλήματα στα μαθηματικά και την επιστήμη των υπολογιστών. Το σύστημα, που ονομάζεται AlphaEvolve, συνδυάζει τη δημιουργικότητα των μεγάλων γλωσσικών μοντέλων (LLM) με αλγόριθμους που μπορούν να εξετάσουν τις προτάσεις του μοντέλου για να φιλτράρουν και να βελτιώσουν τις λύσεις. Η έρευνα περιγράφεται σε μια τεχνική έκθεση που δημοσίευσε η εταιρεία στις 14 Μαΐου.

«Αυτή η εργασία είναι αρκετά εντυπωσιακή», σχολίασε ο Μάριο Κρεν, επικεφαλής του Εργαστηρίου Τεχνητών Επιστημών στο Ινστιτούτο Max Planck για τις Επιστήμες Φωτός στο Έρλανγκεν της Γερμανίας. «Νομίζω ότι το AlphaEvolve είναι η πρώτη επιτυχημένη επίδειξη νέων ανακαλύψεων που βασίζονται σε LLM πολλαπλών χρήσεων».

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

Πολυχρηστική Τεχνητή Νοημοσύνη

Σύμφωνα με τον Krenn, οι περισσότερες επιτυχημένες εφαρμογές Τεχνητής Νοημοσύνης στην επιστήμη μέχρι σήμερα —συμπεριλαμβανομένου του εργαλείου σχεδιασμού πρωτεϊνών AlphaFold— περιελάμβαναν αλγόριθμους μάθησης σχεδιασμένους με το χέρι για συγκεκριμένες εργασίες. Ωστόσο, το AlphaEvolve είναι ευέλικτο, αξιοποιώντας τις δυνατότητες του LLM για τη δημιουργία κώδικα που λύνει προβλήματα σε ένα ευρύ φάσμα πεδίων.

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 την ερώτηση, τα κριτήρια αξιολόγησης και μια προτεινόμενη λύση, από την οποία ο LLM προτείνει εκατοντάδες ή χιλιάδες αναθεωρήσεις. Ένας αλγόριθμος «αξιολόγησης» στη συνέχεια αξιολογεί τις αναθεωρήσεις με βάση τα κριτήρια για μια καλή λύση.

Ο Matej Balog, επιστήμονας Τεχνητής Νοημοσύνης στο DeepMind και συν-επικεφαλής ερευνητής, δήλωσε ότι με βάση τις λύσεις με τις καλύτερες επιδόσεις, το LLM προτείνει νέες ιδέες και με την πάροδο του χρόνου το σύστημα αναπτύσσει ένα πιο ισχυρό σύνολο αλγορίθμων. Είπε: « Εξερευνούμε ένα ποικίλο σύνολο δυνατοτήτων επίλυσης προβλημάτων».

Περιορισμένη εφαρμογή

Στα μαθηματικά, το AlphaEvolve φαίνεται να επιτρέπει σημαντική επιτάχυνση 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 μέρος» εργασιών που μπορούν να παρουσιαστούν ως προβλήματα προς επίλυση μέσω κώδικα, λέει.

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

Σύμφωνα με τον Kohli, παρόλο που το AlphaEvolve απαιτεί λιγότερη υπολογιστική ισχύ για να λειτουργήσει από το AlphaTensor, εξακολουθεί να απαιτεί πολύ πόρους για να προσφέρεται δωρεάν στους διακομιστές της DeepMind. Ωστόσο, η εταιρεία ελπίζει ότι η ανακοίνωση του συστήματος θα ενθαρρύνει τους ερευνητές να προτείνουν επιστημονικά πεδία όπου μπορεί να εφαρμοστεί το AlphaEvolve. Ο Kohli επιβεβαίωσε: «Είμαστε απόλυτα αφοσιωμένοι στο να διασφαλίσουμε ότι οι περισσότεροι άνθρωποι στην επιστημονική κοινότητα θα έχουν πρόσβαση σε αυτό».

ΒΝΑ

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