هفته گذشته، دانشجوی دکترای ویتنامی، ترین هوآنگ تریو، با موفقیت از پایان‌نامه دکترای خود با موضوع حل مسئله هوش مصنوعی در دانشگاه نیویورک دفاع کرد. این تحقیق، به همراه مشارکت دو دانشمند در گوگل دیپ‌مایند، دکتر لو ویت کواک و لونگ تانگ، در مجله نیچر منتشر شد.
با مجموعه‌ای از 30 مسئله هندسه المپیک از سال 2000 تا 2022، AlphaGeometry توانست 25 مسئله را حل کند، در مقایسه با میانگین امتیاز برندگان مدال طلا که 25.9 بود، که بسیار فراتر از 10 مسئله سیستم‌های ریاضی کامپیوتری توسعه‌یافته در دهه 1970 است.
در سال‌های اخیر، گوگل دیپ‌مایند تعدادی از پروژه‌های تحقیقاتی هوش مصنوعی مرتبط با ریاضیات را دنبال کرده است. بنابراین، مسائل سطح المپیاد به عنوان معیاری برای ارزیابی یادگیری ماشینی استفاده می‌شوند.
به گفته مایکل بارانی، مورخ ریاضیات در دانشگاه ادینبورگ، تحقیقات آلفاهندسه «نقطه عطفی در توانایی استدلال خودکار در سطوح انسانی است.»
ترنس تائو، ریاضیدان دانشگاه کالیفرنیا که در سن ۱۲ سالگی مدال طلای المپیک را از آن خود کرد، این سیستم هوش مصنوعی را «دستاوردی خارق‌العاده» خواند و گفت نتایج آن «شگفت‌انگیز» است.
در همین حال، نویسنده این مطالعه، ترین هوانگ تریو، گفت که استدلال ریاضی فقط نوعی استدلال است اما این مزیت را دارد که به راحتی قابل تأیید است. این پزشک ویتنامی گفت: «ریاضیات زبان حقیقت است. اگر می‌خواهید یک سیستم هوش مصنوعی توسعه دهید، باید یک هوش مصنوعی قابل اعتماد بسازید که بتواند حقیقتی را که کاربران می‌توانند به آن اعتماد کنند، پیدا کند»، به خصوص در برنامه‌هایی با الزامات ایمنی بالا.
AlphaGeometry سیستمی است که یک مدل زبان شبکه عصبی (عمیق در شهود مصنوعی، شبیه به ChatGPT اما کوچکتر) را با یک موتور نمادین (متخصص در استدلال مصنوعی، مانند یک کامپیوتر منطقی) ترکیب می‌کند، قبل از اینکه برای درک هندسه تنظیم دقیق شود.
نکته ویژه در مورد این الگوریتم این است که می‌تواند از هیچ، راه‌حلی تولید کند. از سوی دیگر، مدل‌های هوش مصنوعی فعلی باید به دنبال راه‌حل‌های موجود یا مشابهی باشند که انسان‌ها پیدا کرده‌اند.
نتایج بر اساس یک شبکه عصبی آموزش دیده بر روی ۱۰۰ میلیون مثال هندسی بدون پاسخ انسانی بود. وقتی شروع به کار روی یک مسئله می‌کرد، ابتدا موتور نمادین کار می‌کرد. اگر گیر می‌کرد، الگوریتم عصبی راه‌هایی برای بهبود استدلال پیشنهاد می‌داد. این حلقه تا زمانی که زمان تمام می‌شد (چهار ساعت و نیم) یا مسئله حل می‌شد، ادامه می‌یافت.
استانیسلاس دِهین، متخصص علوم اعصاب شناختی در کالج دو فرانس، گفت که تحت تأثیر عملکرد AlphaGeometry قرار گرفته است، اما این سیستم «هیچ چیزی در مورد مسئله‌ای که حل می‌کند درک نمی‌کند.» به عبارت دیگر، این الگوریتم فقط رمزگذاری‌های منطقی و عددی تصاویر را پردازش می‌کند. «هیچ آگاهی مکانی از دایره‌ها، خطوط یا مثلث‌ها ندارد.»
دکتر لونگ تانگ گفت که این عنصر «حسی» می‌تواند امسال با استفاده از پلتفرم هوش مصنوعی گوگل Gemini اضافه شود.
(به نقل از واشنگتن پست)
منبع
نظر (0)