สัปดาห์ที่แล้ว นักศึกษาปริญญาเอกชาวเวียดนาม ตรินห์ ฮวง เตรียว ประสบความสำเร็จในการปกป้องวิทยานิพนธ์ระดับปริญญาเอกของเขาในหัวข้อการแก้ปัญหาปัญญาประดิษฐ์ (AI) ที่มหาวิทยาลัยนิวยอร์ก งานวิจัยนี้ พร้อมด้วยผลงานจาก นักวิทยาศาสตร์ สองคนจาก Google DeepMind ได้แก่ ดร. เล เวียด ก๊วก และ เลือง ทัง ได้รับการตีพิมพ์ในวารสาร Nature

AlphaGeometry สามารถแก้โจทย์เรขาคณิตโอลิมปิกได้ 25 ข้อจากชุดโจทย์ 30 ข้อตั้งแต่ปี 2000 ถึง 2022 ซึ่งเมื่อเทียบกับคะแนนเฉลี่ยของผู้ชนะเลิศเหรียญทองซึ่งอยู่ที่ 25.9 คะแนนแล้ว ถือว่าสูงกว่าโจทย์ในระบบคณิตศาสตร์คอมพิวเตอร์ที่พัฒนาในช่วงทศวรรษ 1970 ถึง 10 ข้อเลยทีเดียว

ภาพหน้าจอ 2024 01 18 ที่ 134500.png
สมาชิก AlphaGeometry จากซ้ายไปขวา ได้แก่ Yuhuai Wu, Trinh Hoang Trieu, Le Viet Quoc และ Luong Thang ภาพ: WashingtonPost

ในช่วงไม่กี่ปีที่ผ่านมา Google DeepMind ได้ดำเนินโครงการวิจัยด้าน AI ที่เกี่ยวข้องกับคณิตศาสตร์หลายโครงการ ดังนั้น ปัญหาระดับโอลิมปิกจึงถูกนำมาใช้เป็นเกณฑ์ในการประเมินการเรียนรู้ของเครื่อง

Michael Barany นักประวัติศาสตร์คณิตศาสตร์จากมหาวิทยาลัยเอดินบะระ กล่าวว่า การศึกษา AlphaGeometry "ถือเป็นก้าวสำคัญในความสามารถในการใช้เหตุผลโดยอัตโนมัติในระดับมนุษย์"

เทอเรนซ์ เต๋า นักคณิตศาสตร์จากมหาวิทยาลัยแคลิฟอร์เนีย ผู้คว้าเหรียญทองโอลิมปิกเมื่ออายุ 12 ปี เรียกระบบ AI ว่าเป็น “ความสำเร็จที่น่าอัศจรรย์” และกล่าวว่าผลลัพธ์ที่ได้นั้น “น่าประหลาดใจ”

ภาพหน้าจอ 2024 01 18 ที่ 134155.png
งานวิจัยเกี่ยวกับ AlphaGeometry ได้รับการตีพิมพ์ในวารสารวิทยาศาสตร์ Nature

ขณะเดียวกัน ตรินห์ ฮวง เตรียว ผู้เขียนงานวิจัย กล่าวว่า การใช้เหตุผลทางคณิตศาสตร์เป็นเพียงรูปแบบหนึ่งของการใช้เหตุผล แต่มีข้อดีคือตรวจสอบได้ง่าย “คณิตศาสตร์คือภาษาแห่งความจริง” แพทย์ชาวเวียดนามกล่าว “หากคุณต้องการพัฒนาระบบ AI คุณจำเป็นต้องสร้าง AI ที่เชื่อถือได้ ซึ่งสามารถค้นหาความจริงที่ผู้ใช้ไว้วางใจได้” โดยเฉพาะอย่างยิ่งในแอปพลิเคชันที่ต้องการข้อกำหนดด้านความปลอดภัยสูง

AlphaGeometry เป็นระบบที่ผสมผสานโมเดลภาษาเครือข่ายประสาท (ซึ่งล้ำลึกในสัญชาตญาณเทียม คล้ายกับ ChatGPT แต่เล็กกว่า) เข้ากับกลไกเชิงสัญลักษณ์ (ซึ่งเชี่ยวชาญด้านการใช้เหตุผลเทียม เช่น คอมพิวเตอร์ตรรกะ) ก่อนที่จะได้รับการปรับแต่งอย่างละเอียดเพื่อทำความเข้าใจเรขาคณิต

สิ่งพิเศษเกี่ยวกับอัลกอริทึมนี้คือมันสามารถสร้างคำตอบจากความว่างเปล่าได้ ในทางกลับกัน โมเดล AI ในปัจจุบันต้องค้นหาคำตอบที่มีอยู่แล้ว หรือคำตอบที่มนุษย์ค้นพบ

ผลลัพธ์นี้มาจากเครือข่ายประสาทเทียมที่ฝึกฝนจากตัวอย่างทางเรขาคณิต 100 ล้านตัวอย่างโดยไม่มีคำตอบจากมนุษย์ เมื่อเริ่มปัญหา กลไกเชิงสัญลักษณ์จะทำงานก่อน หากปัญหาติดขัด อัลกอริทึมประสาทเทียมจะเสนอวิธีปรับปรุงการโต้แย้ง วงจรนี้จะดำเนินต่อไปจนกว่าจะหมดเวลา (สี่ชั่วโมงครึ่ง) หรือจนกว่าปัญหาจะได้รับการแก้ไข

สตานิสลาส เดอแอเน นักประสาทวิทยาการรู้คิดแห่งวิทยาลัยเดอฟรองซ์ กล่าวว่าเขาประทับใจกับประสิทธิภาพของ AlphaGeometry แต่ระบบนี้ “ไม่มีการรับรู้ถึงปัญหาที่กำลังแก้ไข” กล่าวอีกนัยหนึ่ง อัลกอริทึมนี้ประมวลผลเฉพาะการเข้ารหัสเชิงตรรกะและตัวเลขของภาพเท่านั้น “มันไม่มีการรับรู้เชิงพื้นที่ของวงกลม เส้นตรง หรือสามเหลี่ยม”

ดร.เลือง ถัง กล่าวว่าองค์ประกอบ "ทางประสาทสัมผัส" นี้อาจถูกเพิ่มเข้ามาในปีนี้ โดยใช้แพลตฟอร์ม Gemini AI ของ Google

(ตามรายงานของวอชิงตันโพสต์)

Generative AI ครองหัวข้อการอภิปรายที่เมืองดาวอส การพัฒนาอย่างรวดเร็วของปัญญาประดิษฐ์ (AI) ครองหัวข้อการอภิปรายทั้งแบบส่วนตัวและสาธารณะที่ World Economic Forum โดยบริษัทเทคโนโลยีรายใหญ่ที่สุด เช่น Salesforce, Microsoft และ Google ต่างก็แสดงศักยภาพของตนออกมา