Google DeepMind анонсирует «прорыв» в области научного ИИ

Google DeepMind использовала модели чат-ботов для поиска решений крупных проблем в математике и информатике. Система под названием AlphaEvolve объединяет 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, что AlphaEvolve — это первая успешная демонстрация новых открытий, основанных на универсальных LLM».

По словам Пушмита Кохли, главного ученого DeepMind, помимо использования системы для поиска решений открытых проблем, DeepMind применил эту технологию искусственного интеллекта (ИИ) к собственным реальным задачам. AlphaEvolve помог улучшить конструкцию следующего поколения тензорных процессоров — компьютерных чипов, разработанных специально для ИИ, — и нашел способ более эффективно использовать глобальную вычислительную мощность Google, сэкономив 0,7% от ее общих ресурсов.

Многоцелевой ИИ

По словам Кренна, большинство успешных приложений ИИ в науке на сегодняшний день, включая инструмент проектирования белков AlphaFold, включали алгоритмы обучения, созданные вручную для конкретной задачи. Но AlphaEvolve — это универсальный проект, использующий способность LLM генерировать код, который решает проблемы в различных областях.

DeepMind описывает AlphaEvolve как «агента», поскольку он предполагает использование интерактивных моделей ИИ. Однако он нацелен на другую точку в научном процессе, чем многие другие научные системы ИИ-«агентов», которые используются для обзора литературы и выдвижения гипотез.

AlphaEvolve основан на линейке Gemini LLM компании. Каждая задача начинается с того, что пользователь вводит вопрос, критерии оценки и предлагаемое решение, из которых LLM предлагает сотни или тысячи изменений. Затем алгоритм «оценки» оценивает изменения на основе критериев хорошего решения.

На основе решений, которые признаны лучшими, LLM предлагает новые идеи, и со временем система разрабатывает более мощный алгоритмический ансамбль. «Мы исследуем разнообразный набор возможностей решения проблем», — сказал Матей Балог, специалист по искусственному интеллекту в DeepMind и соруководитель исследования.

Узкое применение

В математике AlphaEvolve, по-видимому, предлагает значительное ускорение в решении некоторых задач, по словам Саймона Фридера, математика и исследователя ИИ в Оксфордском университете, Великобритания. Но он, вероятно, будет применим только к «узкому подмножеству» задач, которые можно сформулировать как проблемы, решаемые с помощью кода, сказал он.

Другие исследователи с осторожностью относятся к полезности инструмента, пока он не будет протестирован за пределами DeepMind. «Пока системы не будут протестированы более широким сообществом, я бы оставался скептиком и воспринимал сообщаемые результаты с долей скепсиса», — сказал Хуан Сан, исследователь ИИ из Университета штата Огайо в Колумбусе.

Хотя AlphaEvolve требует для работы меньше вычислительной мощности, чем AlphaTensor, он все еще слишком ресурсоемкий, чтобы быть доступным бесплатно на серверах DeepMind, сказал Кохли. Однако компания надеется, что выпуск системы побудит исследователей предлагать научные области, в которых можно применять AlphaEvolve. «Мы абсолютно привержены тому, чтобы сделать его доступным для максимально широкой аудитории в научном сообществе», — сказал Кохли.

ВНА

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