Na semana passada, o doutorando vietnamita Trinh Hoang Trieu defendeu com sucesso sua tese de doutorado sobre o tema da resolução de problemas de IA na Universidade de Nova York. A pesquisa, juntamente com as contribuições de dois cientistas do Google DeepMind, Dr. Le Viet Quoc e Luong Thang, foi publicada na revista Nature.

Com um conjunto de 30 problemas de geometria olímpica de 2000 a 2022, a AlphaGeometry resolveu 25 problemas, em comparação com a pontuação média dos medalhistas de ouro de 25,9, superando em muito 10 problemas de sistemas matemáticos computacionais desenvolvidos na década de 1970.

captura de tela 2024 01 18 às 134500.png
Os membros da AlphaGeometry, da esquerda para a direita, incluem Yuhuai Wu, Trinh Hoang Trieu, Le Viet Quoc e Luong Thang. Foto: WashingtonPost

Nos últimos anos, o Google DeepMind tem desenvolvido diversos projetos de pesquisa em IA relacionados à matemática. Portanto, problemas de nível olímpico são usados ​​como critérios para avaliar o aprendizado de máquina.

De acordo com Michael Barany, historiador de matemática da Universidade de Edimburgo, a pesquisa AlphaGeometry “é um marco na capacidade de raciocinar autonomamente em níveis humanos”.

Terence Tao, um matemático da Universidade da Califórnia que ganhou uma medalha de ouro olímpica aos 12 anos, chamou o sistema de IA de uma “conquista fantástica” e disse que seus resultados foram “surpreendentes”.

captura de tela 2024 01 18 em 134155.png
A pesquisa sobre AlphaGeometry foi publicada na revista científica Nature.

Já o autor do estudo, Trinh Hoang Trieu, afirmou que o raciocínio matemático é apenas uma forma de raciocínio, mas tem a vantagem de ser fácil de verificar. "A matemática é a linguagem da verdade", disse o médico vietnamita. "Se você deseja desenvolver um sistema de IA, precisa construir uma IA confiável que possa encontrar a verdade na qual os usuários possam confiar", especialmente em aplicações com altos requisitos de segurança.

AlphaGeometry é um sistema que combina um modelo de linguagem de rede neural (profunda em intuição artificial, semelhante ao ChatGPT, mas menor) com um mecanismo simbólico (especializado em raciocínio artificial, como um computador lógico), antes de ser ajustado para entender geometria.

O diferencial do algoritmo é que ele pode gerar uma solução do nada. Os modelos atuais de IA, por outro lado, precisam buscar soluções existentes ou semelhantes que humanos tenham encontrado.

Os resultados foram baseados em uma rede neural treinada com 100 milhões de exemplos geométricos sem respostas humanas. Quando começava a trabalhar em um problema, o mecanismo simbólico era acionado primeiro. Se travasse, o algoritmo neural sugeria maneiras de aprimorar o argumento. Esse ciclo continuava até que o tempo se esgotasse (quatro horas e meia) ou o problema fosse resolvido.

Stanislas Dehaene, neurocientista cognitivo do Collège de France, disse ter ficado impressionado com o desempenho do AlphaGeometry, mas o sistema "não percebe nada sobre o problema que está resolvendo". Em outras palavras, o algoritmo processa apenas as codificações lógicas e numéricas das imagens. "Ele não tem consciência espacial de círculos, linhas ou triângulos."

O Dr. Luong Thang disse que esse elemento “sensorial” poderia ser adicionado este ano, usando a plataforma Gemini AI do Google.

(De acordo com o Washington Post)

IA generativa domina discussões em Davos O rápido desenvolvimento da inteligência artificial (IA) dominou as discussões públicas e privadas no Fórum Econômico Mundial, enquanto as maiores empresas de tecnologia, incluindo Salesforce, Microsoft e Google, mostraram sua força.