Google DeepMind anuncia IA científica "inovadora"

O Google DeepMind utilizou modelos de chatbots para encontrar soluções para grandes problemas em matemática e ciência da computação. O sistema, chamado AlphaEvolve, combina a criatividade de um modelo de linguagem de grande porte (LLM) com algoritmos que podem testar as sugestões do modelo para refinar e aprimorar soluções. A pesquisa é descrita em um artigo técnico publicado pela empresa em 14 de maio.

“Este artigo é bastante impressionante”, disse Mario Krenn, chefe do Laboratório de Cientistas de Luz Artificial do Instituto Max Planck para a Ciência da Luz em Erlangen, Alemanha. “Acredito que o AlphaEvolve seja a primeira demonstração bem-sucedida de novas descobertas baseadas em LLMs versáteis.”

Além de usar o sistema para encontrar soluções para problemas em aberto, a DeepMind aplicou essa técnica de inteligência artificial (IA) aos seus próprios desafios do mundo real, de acordo com Pushmeet Kohli, cientista-chefe da DeepMind. 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% de seus recursos totais.

IA multifuncional

A maioria das aplicações bem-sucedidas de IA na ciência até o momento — incluindo a ferramenta de design de proteínas AlphaFold — envolveu algoritmos de aprendizagem desenvolvidos manualmente para uma tarefa específica, diz Krenn. Mas o AlphaEvolve é de uso geral, aproveitando a capacidade do LLM de gerar código que resolve problemas em diversos domínios.

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

O AlphaEvolve é baseado na linha Gemini LLM da empresa. Cada tarefa começa com o usuário inserindo uma pergunta, critérios de avaliação e uma solução proposta, 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.

Com base nas soluções consideradas as melhores, o LLM sugere novas ideias e, com o tempo, o sistema desenvolve um conjunto algorítmico mais poderoso. " Exploramos um conjunto diversificado de possibilidades de resolução de problemas", disse Matej Balog, cientista de IA da DeepMind e colíder da pesquisa.

Aplicação restrita

Em matemática, o AlphaEvolve parece oferecer acelerações significativas na resolução de alguns problemas, de acordo com Simon Frieder, matemático e pesquisador de IA da Universidade de Oxford, no Reino Unido. Mas provavelmente só será aplicável a um "subconjunto restrito" de tarefas que podem ser formuladas como problemas a serem resolvidos por meio de código, disse ele.

Outros pesquisadores estão cautelosos quanto à utilidade da ferramenta até que ela seja testada fora do DeepMind. "Até que os sistemas sejam testados pela comunidade em geral, eu permaneceria cético e encararia os resultados relatados com reservas", disse Huan Sun, pesquisador de IA na Universidade Estadual de Ohio, em Columbus.

Embora o AlphaEvolve exija menos poder computacional para ser executado do que o AlphaTensor, ele ainda consome muitos recursos para ser disponibilizado gratuitamente nos servidores da DeepMind, disse Kohli. No entanto, a empresa espera que o lançamento do sistema incentive pesquisadores a propor áreas científicas nas quais o AlphaEvolve possa ser aplicado. "Estamos absolutamente comprometidos em garantir que ele seja acessível ao maior público possível na comunidade científica", disse Kohli.

VNA

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