Google DeepMind annonserer «gjennombrudd» innen vitenskapelig AI

Google DeepMind har brukt chatbot-modeller for å komme opp med løsninger på store problemer innen matematikk og informatikk. Systemet, kalt AlphaEvolve, kombinerer kreativiteten til en stor språkmodell (LLM) med algoritmer som kan teste modellens forslag for å finpusse og forbedre løsninger. Forskningen er beskrevet i en teknisk artikkel publisert av selskapet 14. mai.

«Denne artikkelen er ganske imponerende», sa Mario Krenn, leder av Artificial Light Scientist Laboratory ved Max Planck-instituttet for lysvitenskap i Erlangen i Tyskland. «Jeg tror AlphaEvolve er den første vellykkede demonstrasjonen av nye oppdagelser basert på allsidige LLM-er.»

I tillegg til å bruke systemet til å finne løsninger på åpne problemer, har DeepMind anvendt denne kunstig intelligens (KI)-teknikken på sine egne utfordringer i den virkelige verden, ifølge Pushmeet Kohli, DeepMinds sjefsforsker. AlphaEvolve har bidratt til å forbedre designet til neste generasjon tensorprosessorer – databrikker utviklet spesielt for KI – og har funnet en måte å utnytte Googles globale datakraft mer effektivt, og spart 0,7 % av de totale ressursene.

Multifunksjonell AI

De fleste vellykkede anvendelsene av AI i vitenskap til dags dato – inkludert proteindesignverktøyet AlphaFold – har involvert læringsalgoritmer som er håndlaget for en spesifikk oppgave, sier Krenn. Men AlphaEvolve er universal og utnytter LLMs evne til å generere kode som løser problemer innen en rekke domener.

DeepMind beskriver AlphaEvolve som en «agent», ettersom den bruker interaktive AI-modeller. Den retter seg imidlertid mot et annet punkt i den vitenskapelige prosessen enn mange andre «agent»-baserte AI-vitenskapelige systemer, som brukes til å gjennomgå litteratur og foreslå hypoteser.

AlphaEvolve er basert på selskapets Gemini LLM-linje. Hver oppgave starter med at brukeren skriver inn et spørsmål, evalueringskriterier og et foreslått løsning, hvorfra LLM-en foreslår hundrevis eller tusenvis av revisjoner. En «evalueringsalgoritme» evaluerer deretter revisjonene basert på kriteriene for en god løsning.

Basert på løsningene som vurderes som de beste, foreslår LLM nye ideer, og over tid utvikler systemet et kraftigere algoritmisk ensemble. «Vi utforsker et mangfoldig sett med problemløsningsmuligheter», sa Matej Balog, en AI-forsker ved DeepMind og medleder for forskningen.

Smal applikasjon

I matematikk ser det ut til at AlphaEvolve tilbyr betydelige hastighetsøkninger i løsningen av enkelte problemer, ifølge Simon Frieder, matematiker og AI-forsker ved University of Oxford i Storbritannia. Men det vil sannsynligvis bare være anvendelig for et «smalt utvalg» av oppgaver som kan formuleres som problemer som skal løses gjennom kode, sa han.

Andre forskere er forsiktige med tanke på verktøyets nytteverdi inntil det er testet utenfor DeepMind. «Inntil systemene er testet av det bredere fellesskapet, vil jeg forbli skeptisk og ta de rapporterte resultatene med en klype salt», sa Huan Sun, en AI-forsker ved Ohio State University i Columbus.

Selv om AlphaEvolve krever mindre datakraft for å kjøre enn AlphaTensor, er det fortsatt for ressurskrevende til å bli gjort tilgjengelig gratis på DeepMinds servere, sa Kohli. Selskapet håper imidlertid at lanseringen av systemet vil oppmuntre forskere til å foreslå vitenskapelige områder der AlphaEvolve kan brukes. «Vi er absolutt forpliktet til å sørge for at det er tilgjengelig for et bredest mulig publikum i det vitenskapelige samfunnet», sa Kohli.

VNA

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