Google DeepMind анонсирует «прорыв» в области научного ИИ

Google DeepMind использовала модели чат-ботов для поиска решений сложных задач в области математики и информатики. Система AlphaEvolve сочетает в себе креативность большой языковой модели (LLM) с алгоритмами, которые могут проверять предложения модели для уточнения и улучшения решений. Исследование описано в технической статье, опубликованной компанией 14 мая.

«Эта работа весьма впечатляет», — сказал Марио Кренн, руководитель Лаборатории искусственного света в Институте науки о свете Общества Макса Планка в Эрлангене, Германия. «Я думаю, AlphaEvolve — это первая успешная демонстрация новых открытий, основанных на универсальных программах магистратуры».

По словам Пушмита Кохли, главного научного сотрудника DeepMind, помимо использования системы для поиска решений открытых задач, компания также применила эту технологию искусственного интеллекта (ИИ) к решению собственных реальных задач. AlphaEvolve помогла усовершенствовать конструкцию следующего поколения тензорных процессоров — компьютерных чипов, разработанных специально 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 приложений ИИ в науке на сегодняшний день, включая инструмент для проектирования белков AlphaFold, подразумевали алгоритмы обучения, разработанные вручную для конкретной задачи. Однако AlphaEvolve — это универсальный инструмент, использующий возможности LLM для генерации кода, решающего задачи в самых разных областях.

DeepMind описывает AlphaEvolve как «агента», поскольку он использует интерактивные модели ИИ. Однако он нацелен на иной этап научного процесса, чем многие другие научные системы ИИ-агентов, которые используются для анализа литературы и выдвижения гипотез.

AlphaEvolve основан на линейке программ Gemini LLM компании. Каждое задание начинается с того, что пользователь вводит вопрос, критерии оценки и предлагаемое решение, на основе которого программа LLM предлагает сотни или тысячи вариантов. Затем алгоритм оценки оценивает эти варианты на основе критериев выбора подходящего решения.

На основе решений, признанных лучшими, LLM предлагает новые идеи, и со временем система разрабатывает более мощный алгоритмический ансамбль. «Мы исследуем разнообразные возможности решения задач», — сказал Матей Балог, специалист по искусственному интеллекту в DeepMind и один из руководителей исследования.

Узкое применение

По словам Саймона Фридера, математика и исследователя искусственного интеллекта из Оксфордского университета (Великобритания), в математике AlphaEvolve, по всей видимости, обеспечивает значительное ускорение решения некоторых задач. Однако, по его словам, он, вероятно, будет применим лишь к «узкому подмножеству» задач, которые можно сформулировать как задачи, решаемые с помощью кода.

Другие исследователи с осторожностью оценивают полезность инструмента, пока он не будет протестирован вне DeepMind. «Пока системы не будут протестированы широким сообществом, я бы отнёсся к ним скептически и отнёсся к опубликованным результатам с долей скепсиса», — сказал Хуан Сунь, исследователь искусственного интеллекта из Университета штата Огайо в Колумбусе.

По словам Кохли, хотя AlphaEvolve требует для работы меньше вычислительной мощности, чем AlphaTensor, она всё ещё слишком ресурсоёмка для бесплатного размещения на серверах DeepMind. Однако компания надеется, что выпуск системы побудит исследователей предлагать новые научные направления для применения AlphaEvolve. «Мы стремимся сделать её доступной для максимально широкой аудитории научного сообщества», — сказал Кохли.

ВНА

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