Google DeepMind Mengumumkan AI Ilmiah "Terobosan"

Google DeepMind telah menggunakan model chatbot untuk menghasilkan solusi bagi permasalahan besar dalam matematika dan ilmu komputer. Sistem yang disebut AlphaEvolve ini menggabungkan kreativitas model bahasa besar (LLM) dengan algoritma yang dapat menguji saran model untuk menyempurnakan dan meningkatkan solusi. Penelitian ini dijelaskan dalam makalah teknis yang diterbitkan oleh perusahaan tersebut pada 14 Mei.

"Makalah ini cukup mengesankan," ujar Mario Krenn, kepala Laboratorium Ilmuwan Cahaya Buatan di Institut Max Planck untuk Ilmu Cahaya di Erlangen, Jerman. "Saya pikir AlphaEvolve adalah demonstrasi pertama yang berhasil dari penemuan-penemuan baru berdasarkan LLM serbaguna."

Selain menggunakan sistem ini untuk menemukan solusi bagi masalah terbuka, DeepMind telah menerapkan teknik kecerdasan buatan (AI) ini pada tantangan dunia nyata mereka sendiri, menurut Pushmeet Kohli, kepala ilmuwan DeepMind. AlphaEvolve telah membantu menyempurnakan desain prosesor tensor generasi berikutnya—chip komputer yang dikembangkan khusus untuk AI—dan telah menemukan cara untuk memanfaatkan daya komputasi global Google secara lebih efisien, menghemat 0,7% dari total sumber dayanya.

AI multiguna

Sebagian besar aplikasi AI yang sukses dalam sains hingga saat ini—termasuk alat desain protein AlphaFold—melibatkan algoritma pembelajaran yang dirancang khusus untuk tugas tertentu, ujar Krenn. Namun, AlphaEvolve bersifat umum, memanfaatkan kemampuan LLM untuk menghasilkan kode yang memecahkan masalah di berbagai domain.

DeepMind menggambarkan AlphaEvolve sebagai 'agen', karena melibatkan penggunaan model AI interaktif. Namun, AlphaEvolve menargetkan titik yang berbeda dalam proses ilmiah dibandingkan banyak sistem ilmiah AI 'agen' lainnya, yang digunakan untuk meninjau literatur dan mengajukan hipotesis.

AlphaEvolve didasarkan pada lini LLM Gemini milik perusahaan. Setiap tugas dimulai dengan pengguna memasukkan pertanyaan, kriteria evaluasi, dan solusi yang diusulkan, yang kemudian LLM menyarankan ratusan atau ribuan revisi. Algoritma 'evaluasi' kemudian mengevaluasi revisi tersebut berdasarkan kriteria untuk mendapatkan solusi yang baik.

Berdasarkan solusi yang dinilai terbaik, LLM menyarankan ide-ide baru dan seiring waktu, sistem mengembangkan ansambel algoritmik yang lebih canggih. "Kami mengeksplorasi beragam kemungkinan pemecahan masalah," ujar Matej Balog, ilmuwan AI di DeepMind dan salah satu pemimpin penelitian.

Aplikasi yang sempit

Dalam matematika, AlphaEvolve tampaknya menawarkan percepatan yang signifikan dalam menyelesaikan beberapa masalah, menurut Simon Frieder, seorang matematikawan dan peneliti AI di Universitas Oxford, Inggris. Namun, AlphaEvolve kemungkinan hanya akan berlaku untuk "sebagian kecil" tugas yang dapat diformulasikan sebagai masalah yang harus diselesaikan melalui kode, ujarnya.

Peneliti lain masih ragu-ragu mengenai kegunaan alat ini hingga diuji di luar DeepMind. "Sampai sistem ini diuji oleh komunitas yang lebih luas, saya akan tetap skeptis dan menerima hasil yang dilaporkan dengan skeptis," kata Huan Sun, peneliti AI di Ohio State University di Columbus.

Meskipun AlphaEvolve membutuhkan daya komputasi yang lebih rendah untuk dijalankan dibandingkan AlphaTensor, sistem ini masih terlalu boros sumber daya untuk tersedia secara gratis di server DeepMind, ujar Kohli. Namun, perusahaan berharap peluncuran sistem ini akan mendorong para peneliti untuk mengusulkan bidang ilmiah di mana AlphaEvolve dapat diterapkan. "Kami berkomitmen penuh untuk memastikan sistem ini dapat diakses oleh khalayak seluas mungkin di komunitas ilmiah," ujar Kohli.

VNA

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