A múlt héten a vietnami PhD-hallgató, Trinh Hoang Trieu sikeresen megvédte doktori disszertációját mesterséges intelligencia alapú problémamegoldás témában a New York-i Egyetemen. A kutatás, valamint a Google DeepMind két tudósának , Dr. Le Viet Quocnak és Luong Thangnak a közreműködése a Nature folyóiratban jelent meg.

Egy 30 darab, 2000 és 2022 közötti olimpiai geometriai feladatból álló készlettel az AlphaGeometry 25 feladatot oldott meg, szemben az olimpiai aranyérmesek 25,9-es átlagpontszámával, ami messze felülmúlta az 1970-es években kifejlesztett számítógépes matematikai rendszerek 10 feladatát.

2024. január 18-i képernyőkép, 134500.png méretben
Az AlphaGeometry tagjai, balról jobbra: Yuhuai Wu, Trinh Hoang Trieu, Le Viet Quoc és Luong Thang. Fotó: WashingtonPost

Az elmúlt években a Google DeepMind számos, a matematikához kapcsolódó mesterséges intelligencia kutatási projektet folytatott. Ezért az olimpiai szintű feladatokat használják kritériumként a gépi tanulás értékeléséhez.

Michael Barany, az Edinburgh-i Egyetem matematikatörténésze szerint az AlphaGeometry kutatása „mérföldkő az emberi szintű autonóm gondolkodás képességében”.

Terence Tao, a Kaliforniai Egyetem matematikusa, aki 12 évesen olimpiai aranyérmet nyert, „fantasztikus eredménynek” nevezte a mesterséges intelligencia rendszert, és azt mondta, hogy az eredményei „meglepőek”.

2024. január 18-i képernyőkép, 134155.png méretben
Az AlphaGeometry-vel kapcsolatos kutatás a Nature tudományos folyóiratban jelent meg.

Eközben a tanulmány szerzője, Trinh Hoang Trieu azt nyilatkozta, hogy a matematikai gondolkodás csupán egyfajta gondolkodásmód, de megvan az az előnye, hogy könnyen ellenőrizhető. „A matematika az igazság nyelve” – mondta a vietnami orvos. „Ha mesterséges intelligenciarendszert akarunk fejleszteni, akkor egy megbízható mesterséges intelligenciát kell építenünk, amely képes megtalálni az igazságot, amelyben a felhasználók megbízhatnak”, különösen a magas biztonsági követelményeket támasztó alkalmazásokban.

Az AlphaGeometry egy olyan rendszer, amely egy neurális hálózati nyelvi modellt (mélyen a mesterséges intuícióban, hasonló a ChatGPT-hez, de kisebb) kombinál egy szimbolikus motorral (mesterséges gondolkodásra specializálódott, mint egy logikai számítógép), mielőtt finomhangolnák a geometria megértéséhez.

Az algoritmus különlegessége, hogy a semmiből képes megoldást generálni. A jelenlegi MI-modelleknek ezzel szemben már létező vagy hasonló, emberek által talált megoldásokat kell keresniük.

Az eredményeket egy 100 millió geometriai példán, emberi válaszok nélkül betanított neurális hálózaton állították elő. Amikor elkezdett dolgozni egy problémán, először a szimbolikus motor működött. Ha elakadt, a neurális algoritmus javaslatokat tett az argumentum javítására. Ez a ciklus addig folytatódott, amíg le nem telt az idő (négy és fél óra), vagy a probléma megoldódott.

Stanislas Dehaene, a College de France kognitív idegtudósa elmondta, hogy lenyűgözte az AlphaGeometry teljesítménye, de a rendszer „semmit sem érzékel a megoldandó problémából”. Más szóval, az algoritmus csak a képek logikai és numerikus kódolását dolgozza fel. „Nincs térbeli érzéke a körökre, vonalakra vagy háromszögekre.”

Dr. Luong Thang szerint ez az „érzékszervi” elem még idén hozzáadható a Google Gemini mesterséges intelligencia platformjának használatával.

(A Washington Post szerint)

A generatív mesterséges intelligencia uralja a davosi vitákat A mesterséges intelligencia (MI) gyors fejlődése uralta a magán- és nyilvános vitákat a Világgazdasági Fórumon, ahol a legnagyobb technológiai vállalatok, köztük a Salesforce, a Microsoft és a Google is megmutatták erőfölényüket.