Google DeepMind, bilimsel yapay zekâ alanında "çığır açan" bir gelişmeyi duyurdu.

Google DeepMind, matematik ve bilgisayar bilimlerindeki büyük sorunlara çözüm üretmek için sohbet robotu modellerini kullandı. AlphaEvolve adı verilen sistem, büyük dil modellerinin (LLM) yaratıcılığını, modelin önerilerini inceleyerek çözümleri filtreleyip iyileştirebilen algoritmalarla birleştiriyor. Araştırma, şirket tarafından 14 Mayıs'ta yayınlanan teknik bir raporda ayrıntılı olarak anlatılıyor.

Almanya'nın Erlangen kentindeki Max Planck Işık Bilimleri Enstitüsü'nde Yapay Bilimci Laboratuvarı Başkanı Mario Krenn, "Bu makale oldukça etkileyici," yorumunu yaptı. "Bence AlphaEvolve, çok amaçlı LLM'lere dayalı yeni keşiflerin ilk başarılı gösterimi."

DeepMind'ın Baş Bilim İnsanı Pushmeet Kohli'ye göre, DeepMind bu sistemi açık sorunlara çözüm bulmak için kullanmanın yanı sıra, kendi gerçek dünya sorunlarına da uygulamıştır. AlphaEvolve, yapay zeka için özel olarak geliştirilen bilgisayar çipleri olan yeni nesil tensör işlemcilerinin tasarımını iyileştirmeye yardımcı olmuş ve Google'ın küresel bilgi işlem gücünden daha verimli bir şekilde yararlanmanın bir yolunu bularak toplam kaynakların %0,7'sini tasarruf etmiştir.

Çok Amaçlı Yapay Zeka

Krenn'e göre, AlphaFold protein tasarım aracı da dahil olmak üzere, bilimdeki bugüne kadarki en başarılı yapay zeka uygulamalarının çoğu, belirli görevler için elle tasarlanmış öğrenme algoritmalarını içeriyordu. Ancak AlphaEvolve çok yönlüdür ve geniş bir yelpazedeki alanlardaki sorunları çözen kod üretmek için LLM'nin yeteneklerinden yararlanır.

DeepMind, AlphaEvolve'u etkileşimli yapay zeka modellerinin kullanımını içerdiği için bir 'ajan' olarak tanımlıyor. Bununla birlikte, literatürü incelemek ve hipotezler önermek için kullanılan diğer birçok 'ajan' yapay zeka bilimsel sisteminden farklı bir bilimsel süreç noktasını hedefliyor.

AlphaEvolve, şirketin Gemini LLM serisine dayanmaktadır. Her görev, kullanıcının soruyu, değerlendirme kriterlerini ve önerilen çözümü girmesiyle başlar; LLM bu bilgilerden yola çıkarak yüzlerce veya binlerce revizyon önerir. Ardından bir 'değerlendirme' algoritması, revizyonları iyi bir çözüm için belirlenen kriterlere göre değerlendirir.

DeepMind'da yapay zeka bilimcisi ve eş baş araştırmacı olan Matej Balog, LLM'nin en iyi performans gösteren çözümlere dayanarak yeni fikirler önerdiğini ve zamanla sistemin daha güçlü bir algoritma seti geliştirdiğini söyledi. Balog, "Çeşitli problem çözme yeteneklerini araştırıyoruz " dedi.

Dar uygulama alanı

İngiltere'deki Oxford Üniversitesi'nde matematikçi ve yapay zeka araştırmacısı olan Simon Frieder'e göre, AlphaEvolve matematikte belirli problemlerin çözümünde önemli bir hızlanma sağlıyor gibi görünüyor. Ancak Frieder, bunun muhtemelen yalnızca kod yoluyla çözülmesi gereken problemler olarak sunulabilecek görevlerin "dar bir bölümüne" uygulanabileceğini söylüyor.

Diğer araştırmacılar, araç DeepMind dışında test edilene kadar kullanışlılığını değerlendirme konusunda temkinli davranıyorlar. Columbus'taki Ohio Eyalet Üniversitesi'nde yapay zeka araştırmacısı olan Huan Sun, "Sistemler daha geniş bir topluluk tarafından test edilene kadar şüpheci kalır ve bildirilen sonuçlara ihtiyatla yaklaşırım" dedi.

Kohli'ye göre, AlphaEvolve, AlphaTensor'dan daha az işlem gücü gerektirse de, DeepMind'ın sunucularında ücretsiz olarak sunulamayacak kadar kaynak yoğun bir sistem. Ancak şirket, sistemin duyurulmasının araştırmacıları AlphaEvolve'un uygulanabileceği bilimsel alanlar önermeye teşvik edeceğini umuyor. Kohli, "Bilim camiasındaki çoğu insanın buna erişebilmesini sağlamaya kesinlikle kararlıyız" dedi.

VNA

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