Google DeepMind Mengumumkan AI Saintifik "Terobosan".

Google DeepMind telah menggunakan model chatbot untuk menghasilkan penyelesaian kepada masalah besar dalam matematik dan sains komputer. Sistem yang dipanggil AlphaEvolve, menggabungkan kreativiti model bahasa besar (LLM) dengan algoritma yang boleh menguji cadangan model untuk memperhalusi dan menambah baik penyelesaian. Penyelidikan itu diterangkan dalam kertas teknikal yang diterbitkan oleh syarikat itu pada 14 Mei.

"Kertas ini agak mengagumkan," kata Mario Krenn, ketua Makmal Saintis Cahaya Buatan di Institut Max Planck untuk Sains Cahaya di Erlangen, Jerman. "Saya rasa AlphaEvolve ialah demonstrasi pertama yang berjaya bagi penemuan baharu berdasarkan LLM serba boleh."

Selain menggunakan sistem untuk mencari penyelesaian kepada masalah terbuka, DeepMind telah menggunakan teknik kecerdasan buatan (AI) ini untuk cabaran dunia sebenarnya sendiri, menurut Pushmeet Kohli, ketua saintis DeepMind. AlphaEvolve telah membantu memperbaik reka bentuk pemproses tensor generasi seterusnya—cip komputer yang dibangunkan khusus untuk AI—dan telah menemui cara untuk memanfaatkan kuasa pengkomputeran global Google dengan lebih cekap, menjimatkan 0.7% daripada jumlah sumbernya.

AI pelbagai guna

Kebanyakan aplikasi AI yang berjaya dalam sains setakat ini-termasuk alat reka bentuk protein AlphaFold-telah melibatkan pembelajaran algoritma yang dibuat tangan untuk tugas tertentu, kata Krenn. Tetapi AlphaEvolve adalah tujuan umum, memanfaatkan keupayaan LLM untuk menjana kod yang menyelesaikan masalah dalam pelbagai domain.

DeepMind menerangkan AlphaEvolve sebagai 'agen', kerana ia melibatkan penggunaan model AI interaktif. Walau bagaimanapun, ia menyasarkan titik yang berbeza dalam proses saintifik daripada banyak sistem saintifik AI 'agen' lain, yang digunakan untuk menyemak kesusasteraan dan mencadangkan hipotesis.

AlphaEvolve adalah berdasarkan garis Gemini LLM syarikat. Setiap tugasan bermula dengan pengguna memasukkan soalan, kriteria penilaian dan penyelesaian yang dicadangkan, yang daripadanya LLM mencadangkan ratusan atau ribuan semakan. Algoritma 'penilaian' kemudiannya menilai semakan berdasarkan kriteria untuk penyelesaian yang baik.

Berdasarkan penyelesaian yang dinilai sebagai yang terbaik, LLM mencadangkan idea baharu dan dari masa ke masa sistem membangunkan ensembel algoritma yang lebih berkuasa. "Kami meneroka pelbagai kemungkinan penyelesaian masalah," kata Matej Balog, seorang saintis AI di DeepMind dan ketua bersama penyelidikan.

Aplikasi sempit

Dalam matematik, AlphaEvolve nampaknya menawarkan percepatan yang ketara dalam menyelesaikan beberapa masalah, menurut Simon Frieder, seorang ahli matematik dan penyelidik AI di Universiti Oxford, UK. Tetapi ia mungkin hanya terpakai kepada "subset sempit" tugas yang boleh dirumuskan sebagai masalah yang perlu diselesaikan melalui kod, katanya.

Penyelidik lain berhati-hati tentang kegunaan alat sehingga ia diuji di luar DeepMind. "Sehingga sistem diuji oleh komuniti yang lebih luas, saya akan tetap ragu-ragu dan mengambil keputusan yang dilaporkan dengan sebutir garam," kata Huan Sun, penyelidik AI di Ohio State University di Columbus.

Walaupun AlphaEvolve memerlukan kurang kuasa pengkomputeran untuk dijalankan berbanding AlphaTensor, ia masih terlalu intensif sumber untuk disediakan secara percuma pada pelayan DeepMind, kata Kohli. Walau bagaimanapun, syarikat berharap bahawa mengeluarkan sistem itu akan menggalakkan penyelidik mencadangkan bidang saintifik untuk menggunakan AlphaEvolve. "Kami benar-benar komited untuk memastikan ia boleh diakses oleh khalayak seluas mungkin dalam komuniti saintifik," kata Kohli.

VNA

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