Förra veckan försvarade den vietnamesiska doktoranden Trinh Hoang Trieu framgångsrikt sin doktorsavhandling om AI-problemlösning vid New York University. Forskningen, tillsammans med bidrag från två forskare vid Google DeepMind, Dr. Le Viet Quoc och Luong Thang, publicerades i tidskriften Nature.
Med en uppsättning av 30 olympiska geometriproblem från 2000 till 2022 löste AlphaGeometry 25 problem, jämfört med guldmedaljörernas genomsnittliga poäng på 25,9, vilket vida överträffade 10 problem från datoriserade matematiksystem som utvecklades på 1970-talet.
Under senare år har Google DeepMind drivit ett antal AI-forskningsprojekt relaterade till matematik. Därför används problem på olympiadnivå som kriterier för att utvärdera maskininlärning.
Enligt Michael Barany, matematikhistoriker vid Edinburghs universitet, är AlphaGeometry-forskningen ”en milstolpe i förmågan att resonera autonomt på mänsklig nivå.”
Terence Tao, en matematiker vid University of California som vann en olympisk guldmedalj vid 12 års ålder, kallade AI-systemet en "fantastisk prestation" och sa att dess resultat var "överraskande".
Samtidigt sade studiens författare, Trinh Hoang Trieu, att matematiskt resonemang bara är en form av resonemang men har fördelen att det är lätt att verifiera. ”Matematik är sanningens språk”, sade den vietnamesiska läkaren. ”Om du vill utveckla ett AI-system måste du bygga en pålitlig AI som kan hitta sanningen som användare kan lita på”, särskilt i applikationer med höga säkerhetskrav.
AlphaGeometry är ett system som kombinerar en neural nätverksspråkmodell (djupt förankrad i artificiell intuition, liknande ChatGPT men mindre) med en symbolisk motor (specialiserad på artificiellt resonemang, som en logikdator), innan den finjusteras för att förstå geometri.
Det speciella med algoritmen är att den kan generera en lösning från ingenting. Nuvarande AI-modeller, å andra sidan, måste söka efter befintliga eller liknande lösningar som människor har hittat.
Resultaten baserades på ett neuralt nätverk som tränats på 100 miljoner geometriska exempel utan mänskliga svar. När det började arbeta med ett problem, skulle den symboliska motorn arbeta först. Om det fastnade, skulle den neurala algoritmen föreslå sätt att förbättra argumentet. Denna loop fortsatte tills tiden gick ut (fyra och en halv timme) eller tills problemet var löst.
Stanislas Dehaene, kognitiv neuroforskare vid College de France, sa att han var imponerad av AlphaGeometry:s prestanda, men systemet "uppfattar ingenting om problemet det löser". Med andra ord bearbetar algoritmen bara de logiska och numeriska kodningarna av bilder. "Den har ingen rumslig medvetenhet om cirklar, linjer eller trianglar."
Dr. Luong Thang sa att detta "sensoriska" element skulle kunna läggas till i år med hjälp av Googles Gemini AI-plattform.
(Enligt Washington Post)
[annons_2]
Källa
Kommentar (0)