Google DeepMind anuncia una IA científica revolucionaria

Google DeepMind ha utilizado modelos de chatbots para encontrar soluciones a grandes problemas matemáticos e informáticos. El sistema, llamado AlphaEvolve, combina la creatividad de un modelo de lenguaje extenso (LLM) con algoritmos que pueden probar las sugerencias del modelo para refinar y mejorar las soluciones. La investigación se describe en un artículo técnico publicado por la compañía el 14 de mayo.

«Este artículo es realmente impresionante», afirmó Mario Krenn, director del Laboratorio Científico de Luz Artificial del Instituto Max Planck para la Ciencia de la Luz en Erlangen, Alemania. «Creo que AlphaEvolve es la primera demostración exitosa de nuevos descubrimientos basados ​​en LLM versátiles».

Además de usar el sistema para encontrar soluciones a problemas indefinidos, DeepMind ha aplicado esta técnica de inteligencia artificial (IA) a sus propios desafíos del mundo real, según Pushmeet Kohli, científico jefe de DeepMind. AlphaEvolve ha ayudado a mejorar el diseño de la próxima generación de procesadores tensoriales (chips informáticos desarrollados específicamente para IA) y ha encontrado una manera de aprovechar de forma más eficiente la capacidad de procesamiento global de Google, ahorrando un 0,7 % de sus recursos totales.

IA multipropósito

Las aplicaciones más exitosas de la IA en la ciencia hasta la fecha, incluyendo la herramienta de diseño de proteínas AlphaFold, han implicado algoritmos de aprendizaje diseñados a mano para una tarea específica, afirma Krenn. Sin embargo, AlphaEvolve es de propósito general y aprovecha la capacidad de LLM para generar código que resuelve problemas en diversos dominios.

DeepMind describe AlphaEvolve como un «agente», ya que implica el uso de modelos interactivos de IA. Sin embargo, se centra en un punto diferente del proceso científico que muchos otros sistemas científicos de IA «agente», que se utilizan para revisar la literatura y proponer hipótesis.

AlphaEvolve se basa en la línea Gemini LLM de la compañía. Cada tarea comienza con el usuario introduciendo una pregunta, criterios de evaluación y una propuesta de solución, a partir de la cual el LLM sugiere cientos o miles de revisiones. Un algoritmo de evaluación evalúa las revisiones según los criterios para una buena solución.

Basándose en las soluciones consideradas óptimas, LLM propone nuevas ideas y, con el tiempo, el sistema desarrolla un conjunto algorítmico más potente. «Exploramos diversas posibilidades para la resolución de problemas», afirmó Matej Balog, científico de IA en DeepMind y codirector de la investigación.

Aplicación restringida

En matemáticas, AlphaEvolve parece ofrecer una aceleración significativa en la resolución de algunos problemas, según Simon Frieder, matemático e investigador de IA de la Universidad de Oxford (Reino Unido). Sin embargo, probablemente solo será aplicable a un pequeño subconjunto de tareas que puedan formularse como problemas que se resuelvan mediante código, afirmó.

Otros investigadores se muestran cautelosos sobre la utilidad de la herramienta hasta que se pruebe fuera de DeepMind. «Hasta que los sistemas sean probados por la comunidad en general, mantendría mi escepticismo y tomaría los resultados con cautela», declaró Huan Sun, investigador de IA en la Universidad Estatal de Ohio en Columbus.

Aunque AlphaEvolve requiere menos potencia de procesamiento que AlphaTensor, sigue consumiendo demasiados recursos como para estar disponible gratuitamente en los servidores de DeepMind, afirmó Kohli. Sin embargo, la compañía espera que el lanzamiento del sistema anime a los investigadores a proponer áreas científicas en las que aplicar AlphaEvolve. «Estamos totalmente comprometidos a garantizar que sea accesible al público más amplio posible de la comunidad científica», afirmó Kohli.

VNA

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