Google DeepMind mengumumkan AI saintifik "terobosan".

Google DeepMind baru sahaja menggunakan model chatbot untuk menyediakan penyelesaian kepada masalah utama dalam matematik dan sains komputer. Sistem yang dipanggil AlphaEvolve ini menggabungkan kreativiti model bahasa besar (LLM) dengan algoritma yang boleh memeriksa cadangan model untuk menapis dan menambah baik penyelesaian. Kajian ini diterangkan dalam laporan teknikal yang diterbitkan oleh syarikat itu pada 14 Mei.

"Kertas kerja ini agak mengagumkan," ulas Mario Krenn, ketua Makmal Saintis Buatan di Institut Sains Cahaya Max Planck di Erlangen, Jerman. "Saya fikir AlphaEvolve merupakan demonstrasi pertama yang berjaya bagi penemuan baharu berdasarkan LLM pelbagai guna."

Menurut Pushmeet Kohli, Ketua Saintis di DeepMind, selain menggunakan sistem ini untuk mencari penyelesaian kepada masalah terbuka, DeepMind telah mengaplikasikan teknik kecerdasan buatan (AI) ini kepada cabaran dunia sebenar mereka sendiri. AlphaEvolve telah membantu menambah baik reka bentuk pemproses tensor generasi akan datang—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 sumber.

AI Pelbagai Guna

Menurut Krenn, kebanyakan aplikasi AI yang berjaya dalam sains setakat ini—termasuk alat reka bentuk protein AlphaFold—melibatkan algoritma pembelajaran yang direka bentuk secara manual untuk tugasan tertentu. Tetapi AlphaEvolve adalah serba boleh, memanfaatkan keupayaan LLM untuk menjana kod yang menyelesaikan masalah dalam pelbagai bidang.

DeepMind menggambarkan AlphaEvolve sebagai 'ejen' kerana ia melibatkan penggunaan model AI interaktif. Walau bagaimanapun, ia menyasarkan perkara yang berbeza dalam proses saintifik berbanding kebanyakan sistem saintifik AI 'ejen' yang lain, yang digunakan untuk menyemak literatur dan mencadangkan hipotesis.

AlphaEvolve berasaskan rangkaian Gemini LLM syarikat itu. Setiap tugasan bermula dengan pengguna memasukkan soalan, kriteria penilaian dan penyelesaian yang dicadangkan, yang mana LLM akan mencadangkan ratusan atau ribuan semakan. Algoritma 'penilaian' kemudiannya menilai semakan berdasarkan kriteria untuk penyelesaian yang baik.

Matej Balog, seorang saintis AI di DeepMind dan penyelidik utama bersama, berkata bahawa berdasarkan penyelesaian berprestasi terbaik, LLM mencadangkan idea baharu, dan dari semasa ke semasa sistem tersebut membangunkan satu set algoritma yang lebih berkuasa. Beliau berkata, "Kami meneroka pelbagai keupayaan penyelesaian masalah."

Aplikasi sempit

Dalam matematik, AlphaEvolve nampaknya membolehkan pecutan yang ketara dalam menyelesaikan masalah tertentu, menurut Simon Frieder, seorang ahli matematik dan penyelidik AI di Universiti Oxford, UK. Tetapi ia mungkin hanya akan terpakai kepada "bahagian sempit" tugasan yang boleh dibentangkan sebagai masalah yang perlu diselesaikan melalui kod, katanya.

Penyelidik lain berhati-hati dalam menilai kegunaan alat tersebut sehingga ia diuji di luar DeepMind. "Sehingga sistem diuji oleh komuniti yang lebih besar, saya akan tetap ragu-ragu dan melihat hasil yang dilaporkan dengan berhati-hati," kata Huan Sun, seorang penyelidik AI di Ohio State University di Columbus.

Menurut Kohli, walaupun AlphaEvolve memerlukan kuasa pengkomputeran yang lebih rendah untuk dijalankan berbanding AlphaTensor, ia masih terlalu intensif sumber untuk ditawarkan secara percuma di pelayan DeepMind. Walau bagaimanapun, syarikat itu berharap pengumuman sistem itu akan menggalakkan para penyelidik untuk mencadangkan bidang saintifik di mana AlphaEvolve boleh digunakan. Kohli menegaskan, "Kami benar-benar komited untuk memastikan kebanyakan orang dalam komuniti saintifik boleh mengaksesnya."

VNA

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