O Google DeepMind anuncia inteligência artificial científica "revolucionária".

O Google DeepMind acaba de usar modelos de chatbot para fornecer soluções para grandes problemas em matemática e ciência da computação. O sistema, chamado AlphaEvolve, combina a criatividade de grandes modelos de linguagem (LLMs) com algoritmos que podem examinar as sugestões do modelo para filtrar e aprimorar as soluções. A pesquisa é descrita em um relatório técnico publicado pela empresa em 14 de maio.

"Este artigo é bastante impressionante", comentou Mario Krenn, chefe do Laboratório de Ciência Artificial do Instituto Max Planck de Ciências da Luz em Erlangen, Alemanha. "Acho que o AlphaEvolve é a primeira demonstração bem-sucedida de novas descobertas baseadas em LLMs multifuncionais."

Segundo Pushmeet Kohli, Cientista-Chefe da DeepMind, além de usar o sistema para encontrar soluções para problemas em aberto, a DeepMind aplicou essa técnica de inteligência artificial (IA) a seus próprios desafios do mundo real. O AlphaEvolve ajudou a aprimorar o design da próxima geração de processadores tensores — chips de computador desenvolvidos especificamente para IA — e encontrou uma maneira de aproveitar com mais eficiência o poder computacional global do Google, economizando 0,7% dos recursos totais.

IA multifuncional

Segundo Krenn, a maioria das aplicações de IA bem-sucedidas na ciência até o momento — incluindo a ferramenta de design de proteínas AlphaFold — envolveu algoritmos de aprendizado projetados manualmente para tarefas específicas. Mas o AlphaEvolve é versátil, aproveitando os recursos do LLM para gerar código que resolve problemas em uma ampla gama de áreas.

A DeepMind descreve o AlphaEvolve como um "agente", pois envolve o uso de modelos interativos de IA. No entanto, ele visa um ponto diferente do processo científico em comparação com muitos outros sistemas científicos de IA "agentes", que são usados ​​para revisar a literatura e propor hipóteses.

O AlphaEvolve é baseado na linha Gemini LLM da empresa. Cada tarefa começa com o usuário inserindo a pergunta, os critérios de avaliação e uma solução sugerida, a partir da qual o LLM sugere centenas ou milhares de revisões. Um algoritmo de "avaliação" então avalia as revisões com base nos critérios para uma boa solução.

Matej Balog, cientista de IA da DeepMind e co-líder da pesquisa, afirmou que, com base nas soluções de melhor desempenho, o LLM propõe novas ideias e, ao longo do tempo, o sistema desenvolve um conjunto mais poderoso de algoritmos. Ele disse: " Exploramos um conjunto diversificado de capacidades de resolução de problemas."

Aplicação restrita

Em matemática, o AlphaEvolve parece permitir uma aceleração significativa na resolução de certos problemas, de acordo com Simon Frieder, matemático e pesquisador de IA da Universidade de Oxford, no Reino Unido. Mas provavelmente só será aplicável a uma "pequena parcela" de tarefas que podem ser apresentadas como problemas a serem resolvidos por meio de código, afirma ele.

Outros pesquisadores estão sendo cautelosos ao avaliar a utilidade da ferramenta até que ela seja testada fora do ambiente da DeepMind. "Até que os sistemas sejam testados por uma comunidade maior, eu permaneceria cético e analisaria os resultados relatados com cautela", disse Huan Sun, pesquisador de IA da Universidade Estadual de Ohio, em Columbus.

Segundo Kohli, embora o AlphaEvolve exija menos poder computacional do que o AlphaTensor, ele ainda consome muitos recursos para ser oferecido gratuitamente nos servidores da DeepMind. No entanto, a empresa espera que o anúncio do sistema incentive pesquisadores a proporem áreas científicas onde o AlphaEvolve possa ser aplicado. Kohli afirmou: "Estamos absolutamente comprometidos em garantir que a maioria das pessoas na comunidade científica possa acessá-lo."

VNA

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