گوگل دیپ‌مایند از هوش مصنوعی علمی «پیشرفت‌آمیز» خود خبر می‌دهد.

گوگل دیپ‌مایند (Google DeepMind) به تازگی از مدل‌های چت‌بات (chatbot) برای ارائه راه‌حل‌هایی برای مسائل اساسی در ریاضیات و علوم کامپیوتر استفاده کرده است. این سیستم که AlphaEvolve نام دارد، خلاقیت مدل‌های زبان بزرگ (LLM) را با الگوریتم‌هایی ترکیب می‌کند که می‌توانند پیشنهادهای مدل را برای فیلتر کردن و بهبود راه‌حل‌ها بررسی کنند. این تحقیق در یک گزارش فنی که توسط این شرکت در 14 مه منتشر شده است، شرح داده شده است.

ماریو کرن، رئیس آزمایشگاه دانشمندان مصنوعی در موسسه علوم نور ماکس پلانک در ارلانگن آلمان، اظهار داشت: «این مقاله کاملاً چشمگیر است. من فکر می‌کنم AlphaEvolve اولین نمایش موفقیت‌آمیز اکتشافات جدید مبتنی بر LLM های چند منظوره است.»

به گفته‌ی پوشمیت کوهلی، دانشمند ارشد دیپ‌مایند، دیپ‌مایند علاوه بر استفاده از این سیستم برای یافتن راه‌حل‌هایی برای مسائل باز، این تکنیک هوش مصنوعی (AI) را در چالش‌های دنیای واقعی خود نیز به کار گرفته است. آلفاایوالو به بهبود طراحی نسل بعدی پردازنده‌های تانسور - تراشه‌های کامپیوتری که به‌طور خاص برای هوش مصنوعی توسعه یافته‌اند - کمک کرده و راهی برای بهره‌برداری کارآمدتر از قدرت محاسباتی جهانی گوگل یافته است که باعث صرفه‌جویی ۰.۷٪ در کل منابع می‌شود.

هوش مصنوعی چند منظوره

به گفته کرن، موفق‌ترین کاربردهای هوش مصنوعی در علم تا به امروز - از جمله ابزار طراحی پروتئین AlphaFold - شامل الگوریتم‌های یادگیری طراحی‌شده دستی برای وظایف خاص بوده‌اند. اما AlphaEvolve همه‌کاره است و از قابلیت‌های LLM برای تولید کدی استفاده می‌کند که مسائل را در طیف وسیعی از زمینه‌ها حل می‌کند.

دیپ‌مایند، آلفاایولو را به عنوان یک «عامل» توصیف می‌کند، زیرا شامل استفاده از مدل‌های هوش مصنوعی تعاملی است. با این حال، این سیستم نقطه‌ی متفاوتی را در فرآیند علمی نسبت به بسیاری از سیستم‌های علمی هوش مصنوعی «عامل» دیگر که برای بررسی ادبیات و پیشنهاد فرضیه استفاده می‌شوند، هدف قرار می‌دهد.

AlphaEvolve بر اساس خط تولید Gemini LLM این شرکت است. هر وظیفه با وارد کردن سوال، معیارهای ارزیابی و یک راه حل پیشنهادی توسط کاربر آغاز می‌شود که LLM از بین آنها صدها یا هزاران اصلاحیه پیشنهاد می‌دهد. سپس یک الگوریتم «ارزیابی» اصلاحات را بر اساس معیارهای یک راه حل خوب ارزیابی می‌کند.

ماتیج بالوگ، دانشمند هوش مصنوعی در دیپ‌مایند و یکی از محققان ارشد، گفت که بر اساس بهترین راه‌حل‌ها، LLM ایده‌های جدیدی را پیشنهاد می‌دهد و با گذشت زمان، سیستم مجموعه‌ای قدرتمندتر از الگوریتم‌ها را توسعه می‌دهد. او گفت: «ما مجموعه‌ای متنوع از قابلیت‌های حل مسئله را بررسی می‌کنیم .»

کاربرد محدود

به گفته‌ی سیمون فریدر، ریاضیدان و محقق هوش مصنوعی در دانشگاه آکسفورد انگلستان، در ریاضیات، به نظر می‌رسد که AlphaEvolve شتاب قابل توجهی در حل برخی مسائل ایجاد می‌کند. اما او می‌گوید که احتمالاً فقط برای «بخش محدودی» از وظایفی که می‌توانند به عنوان مسائلی ارائه شوند که از طریق کد حل می‌شوند، قابل اجرا خواهد بود.

سایر محققان تا زمانی که این ابزار خارج از DeepMind آزمایش نشود، در مورد ارزیابی مفید بودن آن محتاط هستند. هوان سان، محقق هوش مصنوعی در دانشگاه ایالتی اوهایو در کلمبوس، گفت: «تا زمانی که این سیستم‌ها توسط یک جامعه بزرگتر آزمایش نشوند، من همچنان شکاک خواهم ماند و نتایج گزارش شده را با احتیاط بررسی خواهم کرد.»

به گفته کوهلی، اگرچه AlphaEvolve برای اجرا به قدرت محاسباتی کمتری نسبت به AlphaTensor نیاز دارد، اما هنوز هم برای ارائه رایگان در سرورهای DeepMind به منابع زیادی نیاز دارد. با این حال، این شرکت امیدوار است که اعلام این سیستم، محققان را تشویق کند تا زمینه‌های علمی را که AlphaEvolve می‌تواند در آنها به کار گرفته شود، پیشنهاد دهند. کوهلی تأیید کرد: «ما کاملاً متعهد هستیم که اطمینان حاصل کنیم اکثر افراد جامعه علمی می‌توانند به آن دسترسی داشته باشند.»

وی ان ای

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