ໃນອາທິດທີ່ຜ່ານມາ, ນັກສຶກສາປະລິນຍາເອກຫວຽດນາມ Trinh Hoang Trieu ປະສົບຜົນສຳເລັດໃນການປ້ອງກັນບົດວິທະຍານິພົນປະລິນຍາເອກກ່ຽວກັບຫົວຂໍ້ການແກ້ໄຂບັນຫາ AI ຢູ່ມະຫາວິທະຍາໄລນິວຢອກ. ການຄົ້ນຄວ້າ, ພ້ອມກັບການປະກອບສ່ວນຂອງ ນັກວິທະຍາສາດ ສອງຄົນຂອງ Google DeepMind, ທ່ານດຣ Le Viet Quoc ແລະ Luong Thang, ໄດ້ລົງພິມໃນວາລະສານ Nature.

ດ້ວຍຊຸດຂອງ 30 ບັນຫາເລຂາຄະນິດໂອລິມປິກຈາກປີ 2000 ຫາ 2022, AlphaGeometry ໄດ້ແກ້ໄຂ 25 ບັນຫາ, ເມື່ອປຽບທຽບກັບຄະແນນສະເລ່ຍຂອງຜູ້ຊະນະຫຼຽນຄໍາຂອງ 25.9, ເກີນກວ່າ 10 ບັນຫາຂອງລະບົບຄະນິດສາດຄອມພິວເຕີທີ່ພັດທະນາໃນຊຸມປີ 1970.

screenshot 2024 01 18 ຢູ່ 134500.png
ສະມາຊິກ AlphaGeometry, ຈາກຊ້າຍ, ລວມມີ Yuhuai Wu, Trinh Hoang Trieu, Le Viet Quoc ແລະ Luong Thang. ພາບ: WashingtonPost

ໃນຊຸມປີມໍ່ໆມານີ້, Google DeepMind ໄດ້ດໍາເນີນໂຄງການຄົ້ນຄ້ວາ AI ທີ່ກ່ຽວຂ້ອງກັບຄະນິດສາດ. ດັ່ງນັ້ນ, ບັນຫາລະດັບ Olympiad ຖືກນໍາໃຊ້ເປັນເງື່ອນໄຂສໍາລັບການປະເມີນການຮຽນຮູ້ເຄື່ອງຈັກ.

ອີງຕາມການ Michael Barany, ນັກປະຫວັດສາດຂອງຄະນິດສາດທີ່ມະຫາວິທະຍາໄລ Edinburgh, ການຄົ້ນຄວ້າ AlphaGeometry "ເປັນຈຸດສໍາຄັນໃນຄວາມສາມາດໃນການສົມເຫດສົມຜົນໃນລະດັບຂອງມະນຸດ."

Terence Tao, ນັກຄະນິດສາດຂອງມະຫາວິທະຍາໄລຄາລິຟໍເນຍທີ່ໄດ້ຊະນະຫຼຽນຄໍາໂອລິມປິກໃນອາຍຸ 12 ປີ, ໄດ້ເອີ້ນລະບົບ AI ວ່າ "ຜົນສໍາເລັດທີ່ຍອດຢ້ຽມ" ແລະກ່າວວ່າຜົນໄດ້ຮັບຂອງມັນ "ຫນ້າປະຫລາດໃຈ."

screenshot 2024 01 18 ຢູ່ 134155.png
ການຄົ້ນຄວ້າກ່ຽວກັບ AlphaGeometry ໄດ້ຖືກຈັດພີມມາຢູ່ໃນວາລະສານວິທະຍາສາດທໍາມະຊາດ.

ໃນ​ຂະ​ນະ​ນັ້ນ, ນັກ​ປະ​ກອບ​ການ​ສຶກ​ສາ, Trinh Hoang Trieu, ໃຫ້​ຮູ້​ວ່າ, ການ​ຄິດ​ໄລ່​ສົມ​ເຫດ​ສົມ​ຜົນ​ທາງ​ຄະ​ນິດ​ສາດ​ເປັນ​ພຽງ​ຮູບ​ແບບ​ສົມ​ເຫດ​ສົມ​ຜົນ ແຕ່​ມີ​ຄຸນ​ສົມ​ບັດ​ທີ່​ງ່າຍ​ໃນ​ການ​ກວດ​ສອບ. ທ່ານ​ໝໍ​ຫວຽດ​ນາມ ກ່າວ​ວ່າ “ຄະ​ນິດ​ສາດ​ແມ່ນ​ພາ​ສາ​ແຫ່ງ​ຄວາມ​ຈິງ. "ຖ້າທ່ານຕ້ອງການພັດທະນາລະບົບ AI, ທ່ານຈໍາເປັນຕ້ອງສ້າງ AI ທີ່ເຊື່ອຖືໄດ້ທີ່ສາມາດຊອກຫາຄວາມຈິງທີ່ຜູ້ໃຊ້ສາມາດໄວ້ວາງໃຈໄດ້," ໂດຍສະເພາະໃນຄໍາຮ້ອງສະຫມັກທີ່ມີຄວາມຕ້ອງການຄວາມປອດໄພສູງ.

AlphaGeometry ແມ່ນລະບົບທີ່ລວມຕົວແບບພາສາເຄືອຂ່າຍ neural (ເລິກໃນ intuition ປອມ, ຄ້າຍຄືກັນກັບ ChatGPT ແຕ່ຂະຫນາດນ້ອຍກວ່າ) ກັບເຄື່ອງຈັກໃນສັນຍາລັກ (ສະເພາະໃນເຫດຜົນປອມ, ຄ້າຍຄືຄອມພິວເຕີ logic), ກ່ອນທີ່ຈະປັບລະອຽດເພື່ອເຂົ້າໃຈເລຂາຄະນິດ.

ສິ່ງພິເສດກ່ຽວກັບ algorithm ແມ່ນວ່າມັນສາມາດສ້າງການແກ້ໄຂຈາກບໍ່ມີຫຍັງ. ຮູບແບບ AI ໃນປະຈຸບັນ, ໃນທາງກົງກັນຂ້າມ, ຕ້ອງຊອກຫາວິທີແກ້ໄຂທີ່ມີຢູ່ແລ້ວຫຼືຄ້າຍຄືກັນທີ່ມະນຸດໄດ້ພົບເຫັນ.

ຜົນໄດ້ຮັບແມ່ນອີງໃສ່ເຄືອຂ່າຍ neural ທີ່ໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບ 100 ລ້ານຕົວຢ່າງເລຂາຄະນິດທີ່ບໍ່ມີຄໍາຕອບຂອງມະນຸດ. ໃນເວລາທີ່ມັນເລີ່ມຕົ້ນເຮັດວຽກກ່ຽວກັບບັນຫາ, ເຄື່ອງຈັກສັນຍາລັກຈະເຮັດວຽກທໍາອິດ. ຖ້າມັນຕິດຢູ່, ສູດການຄິດໄລ່ທາງ neural ຈະແນະນໍາວິທີການປັບປຸງການໂຕ້ຖຽງ. loop ນີ້ສືບຕໍ່ຈົນກ່ວາເວລາຫມົດໄປ (ສີ່ຊົ່ວໂມງເຄິ່ງ) ຫຼືບັນຫາໄດ້ຖືກແກ້ໄຂ.

Stanislas Dehaene, ນັກວິທະຍາສາດດ້ານລະບົບປະສາດສະຕິປັນຍາຢູ່ວິທະຍາໄລ de France, ກ່າວວ່າລາວມີຄວາມປະທັບໃຈກັບການປະຕິບັດຂອງ AlphaGeometry, ແຕ່ລະບົບ "ບໍ່ໄດ້ຮັບຮູ້ຫຍັງກ່ຽວກັບບັນຫາທີ່ມັນກໍາລັງແກ້ໄຂ." ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ສູດການຄິດໄລ່ພຽງແຕ່ປະມວນຜົນການເຂົ້າລະຫັດຢ່າງມີເຫດຜົນແລະຕົວເລກຂອງຮູບພາບ. "ມັນບໍ່ມີຄວາມຮັບຮູ້ທາງດ້ານພື້ນທີ່ຂອງວົງມົນ, ເສັ້ນ, ຫຼືສາມຫຼ່ຽມ."

ທ່ານ​ໝໍ​ເລືອງ​ແທ່ງ​ກ່າວ​ວ່າ, ອົງ​ປະ​ກອບ "sensory" ນີ້​ສາ​ມາດ​ໄດ້​ຮັບ​ການ​ເພີ່ມ​ຂຶ້ນ​ໃນ​ປີ​ນີ້, ໂດຍ​ໃຊ້​ເວ​ທີ Gemini AI ຂອງ Google.

(ອີງ​ຕາມ Washington Post)

Generative AI ຄອບງໍາການສົນທະນາຢູ່ Davos ການພັດທະນາຢ່າງໄວວາຂອງປັນຍາປະດິດ (AI) ຄອບງໍາການສົນທະນາສ່ວນຕົວແລະສາທາລະນະຢູ່ໃນກອງປະຊຸມ ເສດຖະກິດ ໂລກຍ້ອນວ່າບໍລິສັດເຕັກໂນໂລຢີທີ່ໃຫຍ່ທີ່ສຸດ, ລວມທັງ Salesforce, Microsoft ແລະ Google, flexed ກ້າມຊີ້ນຂອງເຂົາເຈົ້າ.