Google DeepMind ประกาศ "ความก้าวหน้า" ของ AI ทางวิทยาศาสตร์

DeepMind ของ Google ได้ใช้โมเดลแชทบอทเพื่อคิดค้นวิธีแก้ไขปัญหาใหญ่ๆ ในด้านคณิตศาสตร์และวิทยาการคอมพิวเตอร์ ระบบที่เรียกว่า AlphaEvolve ผสมผสานความคิดสร้างสรรค์ของโมเดลภาษาขนาดใหญ่ (LLM) เข้ากับอัลกอริทึมที่สามารถทดสอบข้อเสนอแนะของโมเดลเพื่อปรับแต่งและปรับปรุงวิธีแก้ไขปัญหาได้ งานวิจัยนี้ได้รับการอธิบายไว้ในเอกสารทางเทคนิคที่บริษัทเผยแพร่เมื่อวันที่ 14 พฤษภาคม

Mario Krenn หัวหน้าห้องปฏิบัติการ นักวิทยาศาสตร์ แสงประดิษฐ์แห่งสถาบันมักซ์พลังค์เพื่อวิทยาศาสตร์แห่งแสงในเมืองเออร์ลังเงน ประเทศเยอรมนี กล่าวว่า “เอกสารฉบับนี้น่าประทับใจมาก ผมคิดว่า AlphaEvolve เป็นการสาธิตการค้นพบใหม่ ๆ ที่ประสบความสำเร็จครั้งแรกโดยใช้หลัก LLM อเนกประสงค์”

นอกจากจะใช้ระบบนี้เพื่อค้นหาวิธีแก้ปัญหาแบบปลายเปิดแล้ว DeepMind ยังได้นำเทคนิคปัญญาประดิษฐ์ (AI) นี้ไปใช้กับปัญหาในโลกแห่งความเป็นจริงด้วย ตามที่ Pushmeet Kohli หัวหน้านักวิทยาศาสตร์ของ DeepMind กล่าว AlphaEvolve ช่วยปรับปรุงการออกแบบโปรเซสเซอร์เทนเซอร์รุ่นต่อไป ซึ่งเป็นชิปคอมพิวเตอร์ที่พัฒนาขึ้นมาโดยเฉพาะสำหรับ AI และได้ค้นพบวิธีที่จะใช้ประโยชน์จากพลังการประมวลผลทั่วโลกของ Google ได้อย่างมีประสิทธิภาพมากขึ้น โดยช่วยประหยัดทรัพยากรทั้งหมดได้ 0.7%

AI อเนกประสงค์

Krenn กล่าวว่าการประยุกต์ใช้ AI ที่ประสบความสำเร็จมากที่สุดในทางวิทยาศาสตร์จนถึงปัจจุบัน ซึ่งรวมถึงเครื่องมือออกแบบโปรตีน AlphaFold ล้วนเกี่ยวข้องกับอัลกอริทึมการเรียนรู้ที่สร้างขึ้นด้วยมือสำหรับงานเฉพาะ แต่ AlphaEvolve นั้นเป็นวัตถุประสงค์ทั่วไป โดยใช้ประโยชน์จากความสามารถของ LLM ในการสร้างโค้ดที่สามารถแก้ปัญหาในโดเมนต่างๆ ได้

DeepMind อธิบายว่า AlphaEvolve เป็น "ตัวแทน" เนื่องจากเกี่ยวข้องกับการใช้โมเดล AI แบบโต้ตอบ อย่างไรก็ตาม AlphaEvolve มุ่งเป้าไปที่จุดที่แตกต่างกันในกระบวนการทางวิทยาศาสตร์มากกว่าระบบ AI เชิงวิทยาศาสตร์ "ตัวแทน" อื่นๆ จำนวนมาก ซึ่งใช้ในการทบทวนเอกสารและเสนอสมมติฐาน

AlphaEvolve อิงตามหลักสูตร Gemini LLM ของบริษัท โดยแต่ละงานจะเริ่มต้นด้วยการที่ผู้ใช้ป้อนคำถาม เกณฑ์การประเมิน และวิธีแก้ปัญหาที่เสนอ จากนั้นหลักสูตร LLM จะเสนอการแก้ไขหลายร้อยหรือหลายพันครั้ง จากนั้นอัลกอริทึม 'การประเมิน' จะประเมินการแก้ไขตามเกณฑ์สำหรับวิธีแก้ปัญหาที่ดี

LLM เสนอแนวคิดใหม่ๆ โดยพิจารณาจากโซลูชันที่ได้รับการตัดสินว่าดีที่สุด และเมื่อเวลาผ่านไป ระบบจะพัฒนาชุดอัลกอริทึมที่มีประสิทธิภาพมากขึ้น "เรา สำรวจ ชุดความเป็นไปได้ในการแก้ปัญหาที่หลากหลาย" Matej Balog นักวิทยาศาสตร์ด้านปัญญาประดิษฐ์ที่ DeepMind และหัวหน้าร่วมของการวิจัยกล่าว

การใช้งานที่แคบ

ในทางคณิตศาสตร์ AlphaEvolve ดูเหมือนจะช่วยเพิ่มความเร็วในการแก้ปัญหาบางข้อได้อย่างมาก ตามที่ Simon Frieder นักคณิตศาสตร์และนักวิจัยด้านปัญญาประดิษฐ์จากมหาวิทยาลัยออกซ์ฟอร์ด สหราชอาณาจักร กล่าว แต่เขาบอกว่า AlphaEvolve น่าจะใช้ได้กับงาน "กลุ่มย่อยที่แคบ" เท่านั้น ซึ่งสามารถกำหนดเป็นปัญหาที่ต้องแก้ไขด้วยโค้ดได้

นักวิจัยรายอื่นๆ ระมัดระวังเกี่ยวกับความมีประโยชน์ของเครื่องมือนี้จนกว่าจะได้รับการทดสอบนอก DeepMind “จนกว่าระบบจะได้รับการทดสอบโดยชุมชนที่กว้างขึ้น ฉันจะยังคงสงสัยและไม่เชื่อผลลัพธ์ที่รายงานมา” Huan Sun นักวิจัยด้าน AI จากมหาวิทยาลัย Ohio State ในโคลัมบัสกล่าว

Kohli กล่าวว่าแม้ว่า AlphaEvolve จะต้องใช้พลังประมวลผลน้อยกว่า AlphaTensor แต่ก็ยังใช้ทรัพยากรมากเกินไปที่จะให้ใช้งานได้ฟรีบนเซิร์ฟเวอร์ของ DeepMind อย่างไรก็ตาม บริษัทหวังว่าการเปิดตัวระบบนี้จะช่วยกระตุ้นให้บรรดานักวิจัยเสนอพื้นที่ทางวิทยาศาสตร์ที่จะนำ AlphaEvolve ไปใช้งาน Kohli กล่าวว่า "เราทุ่มเทอย่างเต็มที่เพื่อให้แน่ใจว่าระบบนี้สามารถเข้าถึงได้โดยผู้คนในชุมชนวิทยาศาสตร์มากที่สุด"

วีเอ็นเอ

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