Google DeepMind ประกาศเปิดตัว AI ทางวิทยาศาสตร์ที่ "ก้าวล้ำ"

Google DeepMind ได้ใช้โมเดลแชทบอทเพื่อคิดค้นวิธีแก้ปัญหาสำคัญๆ ในวิชาคณิตศาสตร์และวิทยาการคอมพิวเตอร์ ระบบที่ชื่อว่า AlphaEvolve ผสานความคิดสร้างสรรค์ของโมเดลภาษาขนาดใหญ่ (LLM) เข้ากับอัลกอริทึมที่สามารถทดสอบข้อเสนอแนะของโมเดลเพื่อปรับแต่งและพัฒนาวิธีแก้ปัญหา งานวิจัยนี้ได้รับการอธิบายไว้ในเอกสารทางเทคนิคที่เผยแพร่โดยบริษัทเมื่อวันที่ 14 พฤษภาคม

“งานวิจัยชิ้นนี้น่าประทับใจมาก” มาริโอ เครนน์ หัวหน้าห้องปฏิบัติการ นักวิทยาศาสตร์ แสงประดิษฐ์แห่งสถาบันมักซ์พลังค์เพื่อวิทยาศาสตร์แห่งแสง ในเมืองแอร์ลังเงิน ประเทศเยอรมนี กล่าว “ผมคิดว่า AlphaEvolve เป็นการสาธิตการค้นพบใหม่ๆ ที่ประสบความสำเร็จครั้งแรกโดยอาศัยหลักนิติศาสตร์บัณฑิต (LLM) ที่หลากหลาย”

นอกจากการใช้ระบบนี้เพื่อค้นหาวิธีแก้ปัญหาแบบปลายเปิดแล้ว DeepMind ยังได้นำเทคนิคปัญญาประดิษฐ์ (AI) นี้ไปประยุกต์ใช้กับความท้าทายในโลกแห่งความเป็นจริงอีกด้วย ตามที่ Pushmeet Kohli หัวหน้านักวิทยาศาสตร์ของ DeepMind กล่าว AlphaEvolve ได้ช่วยปรับปรุงการออกแบบโปรเซสเซอร์เทนเซอร์รุ่นต่อไป ซึ่งเป็นชิปคอมพิวเตอร์ที่พัฒนาขึ้นสำหรับ AI โดยเฉพาะ และได้ค้นพบวิธีที่จะใช้ประโยชน์จากพลังการประมวลผลทั่วโลกของ Google ได้อย่างมีประสิทธิภาพมากขึ้น โดยประหยัดทรัพยากรทั้งหมดได้ 0.7%

AI อเนกประสงค์

เครนน์กล่าวว่า การประยุกต์ใช้ AI ที่ประสบความสำเร็จมากที่สุดในทางวิทยาศาสตร์จนถึงปัจจุบัน ซึ่งรวมถึงเครื่องมือออกแบบโปรตีน AlphaFold ล้วนเกี่ยวข้องกับอัลกอริทึมการเรียนรู้ที่สร้างขึ้นเองสำหรับงานเฉพาะด้าน แต่ AlphaEvolve เป็นวัตถุประสงค์ทั่วไป โดยใช้ประโยชน์จากความสามารถของ LLM ในการสร้างโค้ดที่สามารถแก้ปัญหาในหลากหลายสาขา

DeepMind อธิบายว่า AlphaEvolve เป็น "ตัวแทน" เนื่องจากเกี่ยวข้องกับการใช้โมเดล AI แบบโต้ตอบ อย่างไรก็ตาม AlphaEvolve มุ่งเป้าไปที่จุดที่แตกต่างในกระบวนการทางวิทยาศาสตร์เมื่อเทียบกับระบบ AI เชิงวิทยาศาสตร์แบบ "ตัวแทน" อื่นๆ ซึ่งใช้ในการทบทวนวรรณกรรมและเสนอสมมติฐาน

AlphaEvolve พัฒนาต่อยอดจากหลักสูตร Gemini LLM ของบริษัท แต่ละงานเริ่มต้นด้วยการที่ผู้ใช้ป้อนคำถาม เกณฑ์การประเมิน และวิธีแก้ปัญหาที่เสนอ ซึ่ง LLM จะเสนอการแก้ไขหลายร้อยหรือหลายพันครั้ง จากนั้นอัลกอริทึม 'การประเมิน' จะประเมินการแก้ไขโดยพิจารณาจากเกณฑ์ของวิธีแก้ปัญหาที่ดี

LLM นำเสนอแนวคิดใหม่ๆ จากโซลูชันที่ได้รับการตัดสินว่าดีที่สุด และเมื่อเวลาผ่านไป ระบบจะพัฒนาชุดอัลกอริทึมที่มีประสิทธิภาพมากขึ้น "เรา สำรวจ ความเป็นไปได้ในการแก้ปัญหาที่หลากหลาย" มาเตจ บาล็อก นักวิทยาศาสตร์ด้านปัญญาประดิษฐ์ที่ DeepMind และหัวหน้าร่วมของงานวิจัยกล่าว

การประยุกต์ใช้แบบแคบ

ในทางคณิตศาสตร์ AlphaEvolve ดูเหมือนจะช่วยเพิ่มความเร็วในการแก้ปัญหาบางข้อได้อย่างมาก ตามที่ Simon Frieder นักคณิตศาสตร์และนักวิจัยด้าน AI จากมหาวิทยาลัยอ็อกซ์ฟอร์ด สหราชอาณาจักร กล่าว แต่ AlphaEvolve น่าจะใช้ได้กับงาน “กลุ่มย่อยที่แคบ” เท่านั้น ที่สามารถกำหนดเป็นโจทย์ที่ต้องแก้ด้วยโค้ด เขากล่าว

นักวิจัยคนอื่นๆ ยังคงระมัดระวังเกี่ยวกับประโยชน์ของเครื่องมือนี้จนกว่าจะได้รับการทดสอบนอก DeepMind “จนกว่าระบบจะได้รับการทดสอบโดยชุมชนที่กว้างขึ้น ผมจะยังคงสงสัยและพิจารณาผลลัพธ์ที่รายงานด้วยความระมัดระวัง” ฮวน ซุน นักวิจัยด้านปัญญาประดิษฐ์จากมหาวิทยาลัยโอไฮโอสเตตในโคลัมบัสกล่าว

โคห์ลีกล่าวว่า แม้ว่า AlphaEvolve จะใช้พลังงานในการประมวลผลน้อยกว่า AlphaTensor แต่ก็ยังใช้ทรัพยากรมากเกินกว่าที่จะปล่อยให้ใช้งานฟรีบนเซิร์ฟเวอร์ของ DeepMind ได้ อย่างไรก็ตาม บริษัทหวังว่าการเปิดตัวระบบนี้จะช่วยกระตุ้นให้นักวิจัยเสนอขอบเขตทางวิทยาศาสตร์เพื่อนำ AlphaEvolve ไปประยุกต์ใช้ โคห์ลีกล่าวว่า "เรามุ่งมั่นอย่างเต็มที่ที่จะทำให้ AlphaEvolve เข้าถึงผู้คนในแวดวงวิทยาศาสตร์ได้อย่างกว้างขวางที่สุด"

วีเอ็นเอ

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