Компания Google DeepMind объявляет о «прорыве» в области научного искусственного интеллекта.

Компания Google DeepMind использовала модели чат-ботов для решения важнейших задач в математике и информатике. Система под названием AlphaEvolve сочетает в себе креативность больших языковых моделей (LLM) с алгоритмами, которые могут анализировать предложения модели для фильтрации и улучшения решений. Исследование описано в техническом отчете, опубликованном компанией 14 мая.

«Эта статья весьма впечатляет», — прокомментировал Марио Кренн, руководитель Лаборатории искусственного интеллекта в Институте световых наук им. Макса Планка в Эрлангене, Германия. «Я думаю, что AlphaEvolve — это первая успешная демонстрация новых открытий, основанных на многоцелевых LLM-моделях».

По словам Пушмита Коли, главного научного сотрудника DeepMind, помимо использования системы для поиска решений открытых проблем, DeepMind применила этот метод искусственного интеллекта (ИИ) к собственным реальным задачам. AlphaEvolve помогла улучшить конструкцию следующего поколения тензорных процессоров — компьютерных чипов, специально разработанных для ИИ, — и нашла способ более эффективно использовать глобальные вычислительные мощности Google, сэкономив 0,7% от общего объема ресурсов.

Многоцелевой ИИ

По словам Кренна, большинство успешных применений ИИ в науке на сегодняшний день, включая инструмент проектирования белков AlphaFold, были связаны с алгоритмами обучения, разработанными вручную для решения конкретных задач. Но AlphaEvolve универсален, используя возможности LLM для генерации кода, решающего проблемы в самых разных областях.

Компания DeepMind описывает AlphaEvolve как «агента», поскольку в его работе используются интерактивные модели искусственного интеллекта. Однако он нацелен на другой этап научного процесса, чем многие другие научные системы на основе «агентного» ИИ, которые используются для обзора литературы и выдвижения гипотез.

AlphaEvolve основана на линейке Gemini LLM компании. Каждое задание начинается с того, что пользователь вводит вопрос, критерии оценки и предлагаемое решение, на основе которого LLM предлагает сотни или тысячи вариантов исправлений. Затем алгоритм «оценки» оценивает эти варианты на основе критериев для определения хорошего решения.

Матей Балог, специалист по искусственному интеллекту в DeepMind и один из ведущих исследователей, заявил, что, основываясь на наиболее эффективных решениях, LLM предлагает новые идеи, и со временем система разрабатывает более мощный набор алгоритмов. Он сказал: «Мы исследуем разнообразные возможности решения проблем».

Узкое применение

В математике AlphaEvolve, по словам Саймона Фридера, математика и исследователя в области искусственного интеллекта из Оксфордского университета (Великобритания), позволяет значительно ускорить решение определенных задач. Однако, по его словам, это, вероятно, будет применимо только к «узкой части» задач, которые можно представить как задачи, решаемые с помощью кода.

Другие исследователи с осторожностью оценивают полезность инструмента до тех пор, пока он не будет протестирован за пределами DeepMind. «Пока системы не будут протестированы более широким сообществом, я бы оставался скептиком и с осторожностью относился к представленным результатам», — сказал Хуан Сунь, исследователь в области искусственного интеллекта из Университета штата Огайо в Колумбусе.

По словам Коли, хотя AlphaEvolve требует меньше вычислительной мощности для работы, чем AlphaTensor, он все еще слишком ресурсоемкий, чтобы предоставляться бесплатно на серверах DeepMind. Однако компания надеется, что анонс системы побудит исследователей предлагать научные области, в которых AlphaEvolve может быть применен. Коли подтвердил: «Мы полны решимости обеспечить доступ к нему для большинства людей в научном сообществе».

ВНА

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