「この論文は非常に印象的です」と、ドイツ・エアランゲンにあるマックス・プランク光科学研究所の人工科学者研究所所長、マリオ・クレン氏はコメントした。「AlphaEvolveは、多目的LLMに基づく新たな発見を初めて実証した論文だと思います。」
DeepMindのチーフサイエンティスト、プッシュミート・コーリ氏によると、DeepMindはこのシステムを未解決問題の解決策発見に活用するだけでなく、自社の現実世界の課題にもこの人工知能（AI）技術を適用しているという。AlphaEvolveは、AI専用に開発されたコンピュータチップである次世代テンソルプロセッサの設計改善に貢献し、Googleのグローバルなコンピューティングパワーをより効率的に活用する方法を見つけ出し、総リソースの0.7%を節約した。
多目的AI
クレン氏によると、科学分野におけるこれまでのAI応用の成功例のほとんどは、タンパク質設計ツールAlphaFoldを含め、特定のタスク向けに手動で設計された学習アルゴリズムを用いている。しかし、AlphaEvolveは汎用性が高く、LLMの機能を活用して幅広い分野の問題を解決するコードを生成する。
DeepMindは、インタラクティブなAIモデルを使用するため、AlphaEvolveを「エージェント」と表現しています。しかし、AlphaEvolveは、文献レビューや仮説の提案に使用される他の多くの「エージェント」型AI科学システムとは異なり、科学プロセスにおける異なるポイントをターゲットとしています。
AlphaEvolveは、同社のGemini LLMラインをベースにしています。各タスクは、ユーザーが質問、評価基準、そして提案された解決策を入力することから始まります。LLMはこれに基づいて、数百、数千もの修正案を提案します。その後、「評価」アルゴリズムが、優れた解決策の基準に基づいて修正案を評価します。
DeepMindのAI科学者で共同主任研究員のマテイ・バログ氏は、LLMは最も優れた解決策に基づいて新たなアイデアを提案し、時間の経過とともにシステムはより強力なアルゴリズムセットを開発すると述べた。「私たちは多様な問題解決能力を探求しています」と彼は述べた。
狭い適用範囲
英国オックスフォード大学の数学者でAI研究者のサイモン・フリーダー氏によると、数学分野においてAlphaEvolveは特定の問題の解決を大幅に加速させる可能性があるという。しかし、コードで解ける問題として提示できるタスクの「ごく一部」にしか適用できない可能性が高いとフリーダー氏は指摘する。
他の研究者たちは、DeepMind以外でテストされるまでは、このツールの有用性を評価することに慎重な姿勢を示している。「より大規模なコミュニティでシステムがテストされるまでは、私は懐疑的な見方を保ち、報告された結果を慎重に見ていきます」と、オハイオ州立大学コロンバス校のAI研究者、フアン・サン氏は述べた。
コーリ氏によると、AlphaEvolveはAlphaTensorよりも実行に必要な計算能力は少ないものの、DeepMindのサーバーで無料で提供するには依然としてリソース集約型すぎるという。しかし、DeepMindは、このシステムの発表が、研究者によるAlphaEvolveを適用可能な科学分野の提案を促すことを期待している。コーリ氏は、「科学コミュニティのほとんどの人がAlphaEvolveにアクセスできるようにすることに全力を尽くします」と断言した。
出典: https://nhandan.vn/google-deepmind-cong-bo-ai-khoa-hoc-dot-pha-post879748.html
コメント (0)