La semaine dernière, le doctorant vietnamien Trinh Hoang Trieu a soutenu avec succès sa thèse de doctorat sur la résolution de problèmes d'IA à l'Université de New York. Ses recherches, ainsi que les contributions de deux scientifiques de Google DeepMind, les Drs Le Viet Quoc et Luong Thang, ont été publiées dans la revue Nature.
Avec un ensemble de 30 problèmes de géométrie olympique de 2000 à 2022, AlphaGeometry a résolu 25 problèmes, contre un score moyen de 25,9 pour les médaillés d'or, dépassant de loin 10 problèmes de systèmes mathématiques informatiques développés dans les années 1970.
Ces dernières années, Google DeepMind a mené plusieurs projets de recherche en IA liés aux mathématiques. Par conséquent, des problèmes de niveau olympique sont utilisés comme critères d'évaluation de l'apprentissage automatique.
Selon Michael Barany, historien des mathématiques à l’Université d’Édimbourg, l’étude AlphaGeometry « est une étape importante dans la capacité à raisonner automatiquement au niveau humain ».
Terence Tao, un mathématicien de l'Université de Californie qui a remporté une médaille d'or olympique à l'âge de 12 ans, a qualifié le système d'IA de « réalisation fantastique » et a déclaré que les résultats étaient « surprenants ».
L'auteur de l'étude, Trinh Hoang Trieu, a quant à lui déclaré que le raisonnement mathématique n'est qu'une forme de raisonnement, mais qu'il présente l'avantage d'être facile à vérifier. « Les mathématiques sont le langage de la vérité », a déclaré le médecin vietnamien. « Si l'on souhaite développer un système d'IA, il faut construire une IA fiable, capable de trouver la vérité à laquelle les utilisateurs peuvent se fier », notamment pour les applications exigeant des exigences de sécurité élevées.
AlphaGeometry est un système qui combine un modèle de langage de réseau neuronal (profondément axé sur l'intuition artificielle, similaire à ChatGPT mais plus petit) avec un moteur symbolique (spécialisé dans le raisonnement artificiel, comme un ordinateur logique), avant d'être affiné pour comprendre la géométrie.
La particularité de cet algorithme est qu'il peut générer une solution à partir de rien. Les modèles d'IA actuels, quant à eux, doivent rechercher des solutions existantes ou des solutions trouvées par des humains.
Les résultats sont basés sur un réseau neuronal entraîné sur 100 millions d'exemples géométriques sans réponse humaine. Lorsqu'un problème est détecté, le moteur symbolique est activé en premier. S'il est bloqué, l'algorithme neuronal suggère des pistes d'amélioration. Cette boucle se poursuit jusqu'à la fin du temps imparti (quatre heures et demie) ou jusqu'à la résolution du problème.
Stanislas Dehaene, neuroscientifique cognitif au Collège de France, s'est dit impressionné par les performances d'AlphaGeometry, mais le système « n'a aucune conscience du problème qu'il résout ». Autrement dit, l'algorithme ne traite que les codages logiques et numériques des images. « Il n'a aucune conscience spatiale des cercles, des lignes ou des triangles. »
Le Dr Luong Thang a déclaré que cet élément « sensoriel » pourrait être ajouté cette année, en utilisant la plateforme d’IA Gemini de Google.
(Selon le Washington Post)
Source
Comment (0)