Google DeepMind tillkännager "banbrytande" vetenskaplig AI.

Google DeepMind har precis använt chatbotmodeller för att ge lösningar på stora problem inom matematik och datavetenskap. Systemet, som kallas AlphaEvolve, kombinerar kreativiteten hos stora språkmodeller (LLM) med algoritmer som kan undersöka modellens förslag för att filtrera och förbättra lösningar. Forskningen beskrivs i en teknisk rapport som publicerades av företaget den 14 maj.

”Den här artikeln är ganska imponerande”, kommenterade Mario Krenn, chef för Artificial Scientist Laboratory vid Max Planck-institutet för ljusvetenskap i Erlangen, Tyskland. ”Jag tror att AlphaEvolve är den första framgångsrika demonstrationen av nya upptäckter baserade på multifunktionella LLM-tekniker.”

Enligt Pushmeet Kohli, chefsforskare på DeepMind, har DeepMind, förutom att använda systemet för att hitta lösningar på öppna problem, tillämpat denna teknik för artificiell intelligens (AI) på sina egna verkliga utmaningar. AlphaEvolve har bidragit till att förbättra designen av nästa generations tensorprocessorer – datorchips specifikt utvecklade för AI – och har hittat ett sätt att mer effektivt utnyttja Googles globala datorkraft, vilket sparar 0,7 % av de totala resurserna.

Multifunktionell AI

Enligt Krenn har de flesta framgångsrika AI-tillämpningarna inom vetenskapen hittills – inklusive proteindesignverktyget AlphaFold – involverat manuellt utformade inlärningsalgoritmer för specifika uppgifter. Men AlphaEvolve är mångsidig och utnyttjar LLM:s möjligheter att generera kod som löser problem inom en mängd olika områden.

DeepMind beskriver AlphaEvolve som en "agent", eftersom den involverar användningen av interaktiva AI-modeller. Den riktar sig dock mot en annan punkt i den vetenskapliga processen än många andra "agent"-baserade AI-vetenskapliga system, som används för att granska litteratur och föreslå hypoteser.

AlphaEvolve är baserat på företagets Gemini LLM-linje. Varje uppgift börjar med att användaren matar in frågan, utvärderingskriterierna och ett förslag på lösning, varifrån LLM:en föreslår hundratals eller tusentals revisioner. En "utvärderings"-algoritm bedömer sedan revisionerna baserat på kriterierna för en bra lösning.

Matej Balog, AI-forskare på DeepMind och medansvarig forskare, sa att LLM föreslår nya idéer baserat på de bäst presterande lösningarna, och med tiden utvecklar systemet en kraftfullare uppsättning algoritmer. Han sa: "Vi utforskar en mångfald av problemlösningsförmågor."

Smal applikation

Inom matematik verkar AlphaEvolve möjliggöra en betydande acceleration i lösningen av vissa problem, enligt Simon Frieder, matematiker och AI-forskare vid University of Oxford, Storbritannien. Men det kommer sannolikt bara att vara tillämpligt på en "smal del" av uppgifter som kan presenteras som problem som ska lösas med kod, säger han.

Andra forskare är försiktiga med att bedöma verktygets användbarhet tills det har testats utanför DeepMind. ”Tills systemen har testats av en större gemenskap skulle jag förbli skeptisk och se på de rapporterade resultaten med försiktighet”, sa Huan Sun, en AI-forskare vid Ohio State University i Columbus.

Enligt Kohli kräver AlphaEvolve mindre datorkraft för att köras än AlphaTensor, men det är fortfarande för resurskrävande för att erbjudas gratis på DeepMinds servrar. Företaget hoppas dock att tillkännagivandet av systemet kommer att uppmuntra forskare att föreslå vetenskapliga områden där AlphaEvolve kan tillämpas. Kohli bekräftade: "Vi är absolut fast beslutna att se till att de flesta inom forskarsamhället har tillgång till det."

VNA

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