Google DeepMind kondigt baanbrekende wetenschappelijke AI aan.

Google DeepMind heeft onlangs chatbotmodellen ingezet om oplossingen te bieden voor belangrijke problemen in de wiskunde en informatica. Het systeem, genaamd AlphaEvolve, combineert de creativiteit van grote taalmodellen (LLM's) met algoritmen die de suggesties van het model kunnen analyseren om oplossingen te filteren en te verbeteren. Het onderzoek wordt beschreven in een technisch rapport dat het bedrijf op 14 mei publiceerde.

"Dit artikel is behoorlijk indrukwekkend," aldus Mario Krenn, hoofd van het Laboratorium voor Kunstmatige Wetenschappers aan het Max Planck Instituut voor Lichtwetenschappen in Erlangen, Duitsland. "Ik denk dat AlphaEvolve de eerste succesvolle demonstratie is van nieuwe ontdekkingen gebaseerd op multifunctionele LLM's."

Volgens Pushmeet Kohli, Chief Scientist bij DeepMind, gebruikt DeepMind het systeem niet alleen om oplossingen te vinden voor openstaande problemen, maar heeft het deze kunstmatige intelligentietechniek (AI) ook toegepast op eigen uitdagingen in de praktijk. AlphaEvolve heeft bijgedragen aan de verbetering van het ontwerp van de volgende generatie tensorprocessors – computerchips die specifiek voor AI zijn ontwikkeld – en heeft een manier gevonden om de wereldwijde rekenkracht van Google efficiënter te benutten, waardoor 0,7% van de totale resources is bespaard.

Multifunctionele AI

Volgens Krenn zijn de meeste succesvolle AI-toepassingen in de wetenschap tot nu toe – waaronder de AlphaFold-tool voor eiwitontwerp – gebaseerd op handmatig ontworpen leeralgoritmes voor specifieke taken. AlphaEvolve is echter veelzijdig en maakt gebruik van de mogelijkheden van LLM om code te genereren die problemen oplost in een breed scala aan vakgebieden.

DeepMind omschrijft AlphaEvolve als een 'agent', omdat het gebruikmaakt van interactieve AI-modellen. Het richt zich echter op een ander punt in het wetenschappelijke proces dan veel andere wetenschappelijke AI-systemen die als 'agent' fungeren en die worden gebruikt om literatuur te beoordelen en hypotheses te formuleren.

AlphaEvolve is gebaseerd op de Gemini LLM-reeks van het bedrijf. Elke taak begint met het invoeren van de vraag, de evaluatiecriteria en een voorgestelde oplossing door de gebruiker, waarna de LLM honderden of duizenden herzieningen voorstelt. Een 'evaluatie'-algoritme beoordeelt vervolgens de herzieningen op basis van de criteria om te bepalen of een oplossing goed is.

Matej Balog, AI-wetenschapper bij DeepMind en medehoofdonderzoeker, zei dat LLM, gebaseerd op de best presterende oplossingen, nieuwe ideeën voorstelt en dat het systeem in de loop der tijd een krachtigere set algoritmen ontwikkelt. Hij zei: "We onderzoeken een breed scala aan probleemoplossende mogelijkheden."

Beperkte toepassing

Volgens Simon Frieder, wiskundige en AI-onderzoeker aan de Universiteit van Oxford, lijkt AlphaEvolve in de wiskunde een aanzienlijke versnelling mogelijk te maken bij het oplossen van bepaalde problemen. Hij stelt echter dat het waarschijnlijk alleen toepasbaar zal zijn op een "beperkt deel" van taken die als problemen kunnen worden geformuleerd die met code moeten worden opgelost.

Andere onderzoekers zijn voorzichtig met het beoordelen van de bruikbaarheid van de tool totdat deze buiten DeepMind is getest. "Totdat de systemen door een grotere gemeenschap zijn getest, blijf ik sceptisch en bekijk ik de gerapporteerde resultaten met de nodige voorzichtigheid", aldus Huan Sun, een AI-onderzoeker aan de Ohio State University in Columbus.

Volgens Kohli vereist AlphaEvolve weliswaar minder rekenkracht dan AlphaTensor, maar is het nog steeds te resource-intensief om gratis aan te bieden op de servers van DeepMind. Het bedrijf hoopt echter dat de aankondiging van het systeem onderzoekers zal aanmoedigen om wetenschappelijke vakgebieden voor te stellen waar AlphaEvolve kan worden toegepast. Kohli bevestigde: "We zijn er absoluut op gebrand ervoor te zorgen dat de meeste mensen in de wetenschappelijke gemeenschap er toegang toe hebben."

VNA

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