Google DeepMind annonserer «banebrytende» vitenskapelig AI.

Google DeepMind har nettopp brukt chatbot-modeller for å tilby løsninger på store problemer innen matematikk og informatikk. Systemet, kalt AlphaEvolve, kombinerer kreativiteten til store språkmodeller (LLM-er) med algoritmer som kan undersøke modellens forslag for å filtrere og forbedre løsninger. Forskningen er beskrevet i en teknisk rapport publisert av selskapet 14. mai.

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

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

Flerbruks AI

Ifølge Krenn har de fleste vellykkede AI-applikasjonene innen vitenskap til dags dato – inkludert proteindesignverktøyet AlphaFold – involvert manuelt utformede læringsalgoritmer for spesifikke oppgaver. Men AlphaEvolve er allsidig og utnytter mulighetene til LLM til å generere kode som løser problemer innen et bredt spekter av felt.

DeepMind beskriver AlphaEvolve som en «agent», ettersom den involverer bruk av 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 legger inn spørsmålet, evalueringskriteriene og et foreslått løsning, hvorfra LLM-en foreslår hundrevis eller tusenvis av revisjoner. En «evalueringsalgoritme» vurderer deretter revisjonene basert på kriteriene for en god løsning.

Matej Balog, en AI-forsker ved DeepMind og medlederforsker, sa at basert på de best fungerende løsningene foreslår LLM nye ideer, og over tid utvikler systemet et kraftigere sett med algoritmer. Han sa: «Vi utforsker et mangfoldig sett med problemløsningsmuligheter.»

Smal applikasjon

I matematikk ser det ut til at AlphaEvolve gir en betydelig akselerasjon i løsningen av visse problemer, ifølge Simon Frieder, matematiker og AI-forsker ved University of Oxford i Storbritannia. Men det vil sannsynligvis bare være anvendelig for en «smal del» av oppgaver som kan presenteres som problemer som skal løses gjennom kode, sier han.

Andre forskere er forsiktige med å vurdere verktøyets nytteverdi inntil det er testet utenfor DeepMind. «Inntil systemene er testet av et større fellesskap, vil jeg forbli skeptisk og se på de rapporterte resultatene med forsiktighet», sa Huan Sun, en AI-forsker ved Ohio State University i Columbus.

Ifølge Kohli krever AlphaEvolve mindre datakraft for å kjøre enn AlphaTensor, men det er fortsatt for ressurskrevende til å bli tilbudt gratis på DeepMinds servere. Selskapet håper imidlertid at kunngjøringen av systemet vil oppmuntre forskere til å foreslå vitenskapelige felt der AlphaEvolve kan brukes. Kohli bekreftet: «Vi er absolutt forpliktet til å sikre at folk flest i det vitenskapelige miljøet har tilgang til det.»

VNA

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