A Google DeepMind áttörést jelentett be a tudományos mesterséges intelligenciában

A Google DeepMind chatbot modelleket használt a matematika és a számítástechnika nagy problémáinak megoldására. Az AlphaEvolve névre keresztelt rendszer egy nagy nyelvi modell (LLM) kreativitását ötvözi olyan algoritmusokkal, amelyek tesztelhetik a modell javaslatait a megoldások finomítása és fejlesztése érdekében. A kutatást a vállalat május 14-én közzétett szakmai tanulmányában ismertetik.

„Ez a tanulmány meglehetősen lenyűgöző” – mondta Mario Krenn, az erlangeni Max Planck Fénytudományi Intézet Mesterséges Fény Kutató Laboratóriumának vezetője. „Azt hiszem, az AlphaEvolve az első sikeres demonstrációja a sokoldalú LLM-eken alapuló új felfedezéseknek.”

A DeepMind vezető tudósa, Pushmeet Kohli szerint a rendszert nyitott problémák megoldására használja, és ezt a mesterséges intelligencia (MI) technikát saját valós kihívásaira is alkalmazta. Az AlphaEvolve segített a tenzorprocesszorok – kifejezetten a mesterséges intelligencia számára kifejlesztett számítógépes chipek – következő generációjának tervezésének fejlesztésében, és talált egy módszert a Google globális számítási kapacitásának hatékonyabb kihasználására, az összes erőforrás 0,7%-át megtakarítva.

Többcélú mesterséges intelligencia

Krenn szerint a mesterséges intelligencia tudományos alkalmazásaiban eddig a legtöbb sikeres alkalmazás – beleértve az AlphaFold fehérjetervező eszközt is – olyan tanulási algoritmusokat tartalmazott, amelyeket egy adott feladathoz kézzel terveztek. Az AlphaEvolve azonban általános célú, és kihasználja az LLM azon képességét, hogy olyan kódot generáljon, amely számos területen megoldja a problémákat.

A DeepMind az AlphaEvolve-ot „ágensként” írja le, mivel interaktív MI-modellek használatát foglalja magában. Azonban a tudományos folyamat egy másik pontját célozza meg, mint sok más „ágens” MI-alapú tudományos rendszer, amelyeket a szakirodalom áttekintésére és hipotézisek felállítására használnak.

Az AlphaEvolve a cég Gemini LLM termékcsaládján alapul. Minden feladat azzal kezdődik, hogy a felhasználó megad egy kérdést, értékelési kritériumokat és egy javasolt megoldást, amelyből az LLM több száz vagy ezer módosítást javasol. Egy „értékelési” algoritmus ezután a jó megoldás kritériumai alapján értékeli a módosításokat.

A legjobbnak ítélt megoldások alapján az LLM új ötleteket javasol, és idővel a rendszer egy erősebb algoritmikus együttest fejleszt ki – mondta Matej Balog, a DeepMind mesterséges intelligencia kutatója és a kutatócsoport társvezetője. „A problémamegoldási lehetőségek széles skáláját vizsgáljuk ” – mondta.

Szűk alkalmazás

A matematikában az AlphaEvolve jelentős gyorsulást kínálhat bizonyos problémák megoldásában Simon Frieder, az Oxfordi Egyetem matematikusa és mesterséges intelligencia kutatója szerint. De valószínűleg csak a feladatok „szűk részhalmazára” lesz alkalmazható, amelyeket kóddal megoldandó problémaként lehet megfogalmazni – mondta.

Más kutatók óvatosak az eszköz hasznosságát illetően, amíg a DeepMinden kívül nem tesztelik. „Amíg a rendszereket a szélesebb közösség nem teszteli, én továbbra is szkeptikus maradok, és fenntartásokkal kezelem a jelentett eredményeket” – mondta Huan Sun, a columbusi Ohio Állami Egyetem mesterséges intelligencia kutatója.

Bár az AlphaEvolve futtatásához kevesebb számítási teljesítmény szükséges, mint az AlphaTensoré, még mindig túl erőforrás-igényes ahhoz, hogy ingyenesen elérhető legyen a DeepMind szerverein – mondta Kohli. A vállalat azonban reméli, hogy a rendszer megjelenése arra ösztönzi a kutatókat, hogy olyan tudományos területeket javasoljanak, amelyeken alkalmazható az AlphaEvolve. „Teljesen elkötelezettek vagyunk amellett, hogy a tudományos közösség lehető legszélesebb közönsége számára elérhetővé tegyük” – mondta Kohli.

VNA

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