Google DeepMind ประกาศความก้าวหน้าครั้งสำคัญในด้านปัญญาประดิษฐ์ทางวิทยาศาสตร์

Google DeepMind เพิ่งนำโมเดลแชทบอทมาใช้ในการแก้ปัญหาสำคัญๆ ทางคณิตศาสตร์และวิทยาศาสตร์คอมพิวเตอร์ ระบบนี้มีชื่อว่า AlphaEvolve โดยผสมผสานความคิดสร้างสรรค์ของโมเดลภาษาขนาดใหญ่ (LLM) เข้ากับอัลกอริธึมที่สามารถตรวจสอบคำแนะนำของโมเดลเพื่อกรองและปรับปรุงคำตอบให้ดียิ่งขึ้น การวิจัยนี้ได้รับการอธิบายไว้ในรายงานทางเทคนิคที่บริษัทเผยแพร่เมื่อวันที่ 14 พฤษภาคม

"งานวิจัยชิ้นนี้ค่อนข้างน่าประทับใจ" มาริโอ เครนน์ หัวหน้าห้องปฏิบัติการ นักวิทยาศาสตร์ ประดิษฐ์แห่งสถาบันแม็กซ์พลังค์เพื่อวิทยาศาสตร์แห่งแสงในเมืองเออร์ลังเงน ประเทศเยอรมนี กล่าว "ผมคิดว่า AlphaEvolve เป็นการสาธิตที่ประสบความสำเร็จครั้งแรกของการค้นพบใหม่ ๆ โดยอาศัย LLM อเนกประสงค์"

จากข้อมูลของ Pushmeet Kohli หัวหน้านักวิทยาศาสตร์ของ DeepMind นอกจากจะใช้ระบบนี้ในการค้นหาแนวทางแก้ไขปัญหาที่ยังไม่ได้รับการแก้ไขแล้ว DeepMind ยังได้ประยุกต์ใช้เทคนิคปัญญาประดิษฐ์ (AI) นี้กับความท้าทายในโลกแห่งความเป็นจริงของตนเองอีกด้วย AlphaEvolve ได้ช่วยปรับปรุงการออกแบบของหน่วยประมวลผลเทนเซอร์รุ่นต่อไป ซึ่งเป็นชิปคอมพิวเตอร์ที่พัฒนาขึ้นมาโดยเฉพาะสำหรับ AI และยังได้ค้นพบวิธีที่จะใช้ประโยชน์จากพลังการประมวลผลระดับโลกของ Google ได้อย่างมีประสิทธิภาพมากขึ้น ช่วยประหยัดทรัพยากรโดยรวมได้ถึง 0.7%

ปัญญาประดิษฐ์อเนกประสงค์

ตามที่ Krenn กล่าวไว้ แอปพลิเคชัน AI ที่ประสบความสำเร็จส่วนใหญ่ในด้านวิทยาศาสตร์จนถึงปัจจุบัน รวมถึงเครื่องมือออกแบบโปรตีน AlphaFold นั้น ล้วนเกี่ยวข้องกับอัลกอริธึมการเรียนรู้ที่ออกแบบด้วยตนเองสำหรับงานเฉพาะเจาะจง แต่ AlphaEvolve นั้นมีความหลากหลาย สามารถใช้ประโยชน์จากความสามารถของ LLM ในการสร้างโค้ดที่แก้ปัญหาในหลากหลายสาขา

DeepMind อธิบาย AlphaEvolve ว่าเป็น 'เอเจนต์' เนื่องจากเกี่ยวข้องกับการใช้โมเดล AI แบบโต้ตอบ อย่างไรก็ตาม มันมุ่งเป้าไปที่จุดที่แตกต่างออกไปในกระบวนการทางวิทยาศาสตร์เมื่อเทียบกับระบบ AI ทางวิทยาศาสตร์ประเภท 'เอเจนต์' อื่นๆ ซึ่งใช้ในการตรวจสอบวรรณกรรมและเสนอสมมติฐาน

AlphaEvolve พัฒนามาจากผลิตภัณฑ์ Gemini LLM ของบริษัท โดยในแต่ละขั้นตอน ผู้ใช้จะป้อนคำถาม เกณฑ์การประเมิน และแนวทางแก้ไข จากนั้น LLM จะเสนอแนวทางแก้ไขหลายร้อยหรือหลายพันแบบ และอัลกอริทึม "การประเมิน" จะประเมินแนวทางแก้ไขเหล่านั้นตามเกณฑ์ที่กำหนดเพื่อหาแนวทางแก้ไขที่ดี

Matej Balog นักวิทยาศาสตร์ด้าน AI จาก DeepMind และหัวหน้าทีมวิจัยร่วม กล่าวว่า LLM จะเสนอแนวคิดใหม่ๆ โดยอิงจากโซลูชันที่มีประสิทธิภาพดีที่สุด และเมื่อเวลาผ่านไป ระบบจะพัฒนาชุดอัลกอริธึมที่ทรงพลังยิ่งขึ้น เขากล่าวว่า "เรา สำรวจ ความสามารถในการแก้ปัญหาที่หลากหลาย"

การใช้งานที่จำกัด

ในทางคณิตศาสตร์ AlphaEvolve ดูเหมือนจะช่วยเร่งความเร็วในการแก้ปัญหาบางอย่างได้อย่างมาก ตามที่ Simon Frieder นักคณิตศาสตร์และนักวิจัยด้าน AI จากมหาวิทยาลัยออกซ์ฟอร์ด สหราชอาณาจักร กล่าว แต่เขาบอกว่ามันอาจใช้ได้กับงานเพียง "ส่วนน้อย" ที่สามารถนำเสนอในรูปแบบของปัญหาที่สามารถแก้ไขได้ด้วยการเขียนโค้ดเท่านั้น

นักวิจัยคนอื่นๆ ต่างระมัดระวังในการประเมินประโยชน์ของเครื่องมือนี้ จนกว่าจะมีการทดสอบนอกเหนือจาก DeepMind "จนกว่าระบบจะได้รับการทดสอบโดยชุมชนขนาดใหญ่ ผมก็ยังคงสงสัยและมองผลลัพธ์ที่รายงานด้วยความระมัดระวัง" ฮวน ซุน นักวิจัยด้าน AI จากมหาวิทยาลัยโอไฮโอสเตทในโคลัมบัสกล่าว

ตามที่โคห์ลีกล่าว แม้ว่า AlphaEvolve จะใช้พลังการประมวลผลน้อยกว่า AlphaTensor แต่ก็ยังใช้ทรัพยากรมากเกินไปที่จะให้บริการฟรีบนเซิร์ฟเวอร์ของ DeepMind อย่างไรก็ตาม บริษัทหวังว่าการประกาศระบบนี้จะกระตุ้นให้นักวิจัยเสนอสาขาวิทยาศาสตร์ที่สามารถนำ AlphaEvolve ไปประยุกต์ใช้ได้ โคห์ลีกล่าวเน้นย้ำว่า "เรามุ่งมั่นอย่างเต็มที่ที่จะทำให้มั่นใจว่าคนส่วนใหญ่ในแวดวงวิทยาศาสตร์สามารถเข้าถึงระบบนี้ได้"

วีเอ็นเอ

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