W zeszłym tygodniu wietnamski doktorant Trinh Hoang Trieu obronił pracę doktorską na temat rozwiązywania problemów za pomocą sztucznej inteligencji na Uniwersytecie Nowojorskim. Badania, wraz z wkładem dwojga naukowców z Google DeepMind, dr. Le Viet Quoc i Luong Thang, zostały opublikowane w czasopiśmie Nature.
Rozwiązując w latach 2000–2022 zestaw 30 zadań z geometrii olimpijskiej, AlphaGeometry rozwiązało 25 zadań, co stanowi wynik o średniej punktowej zdobywców złotych medali wynoszącej 25,9, znacznie przewyższając wynik 10 zadań komputerowych systemów matematycznych opracowanych w latach 70. XX wieku.
W ostatnich latach Google DeepMind prowadziło szereg projektów badawczych z zakresu sztucznej inteligencji (AI) związanych z matematyką. Dlatego też, jako kryteria oceny uczenia maszynowego, stosowano problemy na poziomie olimpijskim.
Według Michaela Barany’ego, historyka matematyki z Uniwersytetu Edynburskiego, badania AlphaGeometry „stanowią kamień milowy w rozwoju zdolności do autonomicznego rozumowania na poziomie ludzkim”.
Terence Tao, matematyk z Uniwersytetu Kalifornijskiego, który zdobył złoty medal olimpijski w wieku 12 lat, nazwał system sztucznej inteligencji „fantastycznym osiągnięciem” i stwierdził, że jego wyniki są „zaskakujące”.
Tymczasem autor badania, Trinh Hoang Trieu, stwierdził, że rozumowanie matematyczne jest jedynie formą rozumowania, ale ma tę zaletę, że jest łatwe do zweryfikowania. „Matematyka jest językiem prawdy” – powiedział wietnamski lekarz. „Jeśli chcesz stworzyć system sztucznej inteligencji, musisz zbudować wiarygodną sztuczną inteligencję, która potrafi znaleźć prawdę, której użytkownicy mogą zaufać”, zwłaszcza w aplikacjach o wysokich wymaganiach bezpieczeństwa.
AlphaGeometry to system łączący model języka sieci neuronowej (zaawansowany w sztucznej intuicji, podobny do ChatGPT, ale mniejszy) z silnikiem symbolicznym (specjalizującym się w sztucznym rozumowaniu, jak komputer logiczny), a następnie dostrojony do rozumienia geometrii.
Cechą szczególną tego algorytmu jest to, że potrafi on generować rozwiązania z niczego. Obecne modele sztucznej inteligencji muszą natomiast szukać istniejących lub podobnych rozwiązań, które zostały już znalezione przez ludzi.
Wyniki oparto na sieci neuronowej wytrenowanej na 100 milionach przykładów geometrycznych bez ludzkich odpowiedzi. Gdy sieć rozpoczynała pracę nad problemem, najpierw uruchamiał się silnik symboliczny. Jeśli silnik się zaciął, algorytm neuronowy sugerował sposoby na ulepszenie argumentacji. Pętla ta powtarzała się aż do wyczerpania czasu (cztery i pół godziny) lub rozwiązania problemu.
Stanislas Dehaene, neurobiolog poznawczy z College de France, powiedział, że był pod wrażeniem wydajności AlphaGeometry, ale system „nie dostrzega niczego w rozwiązywanym problemie”. Innymi słowy, algorytm przetwarza jedynie logiczne i numeryczne kodowanie obrazów. „Nie ma on świadomości przestrzennej okręgów, linii ani trójkątów”.
Dr Luong Thang powiedział, że ten „sensoryczny” element może zostać dodany w tym roku dzięki platformie Google Gemini AI.
(Według Washington Post)
Źródło
Komentarz (0)