Google DeepMind "Çığır Açan" Bilimsel Yapay Zekayı Duyurdu

Google DeepMind, matematik ve bilgisayar bilimlerindeki büyük problemlere çözümler üretmek için sohbet robotu modellerini kullandı. AlphaEvolve adlı sistem, büyük bir dil modelinin (LLM) yaratıcılığını, çözümleri iyileştirmek ve geliştirmek için modelin önerilerini test edebilen algoritmalarla birleştiriyor. Araştırma, şirket tarafından 14 Mayıs'ta yayınlanan teknik bir makalede anlatılıyor.

Almanya, Erlangen'deki Max Planck Işık Bilimi Enstitüsü'nün Yapay Işık Bilim İnsanları Laboratuvarı başkanı Mario Krenn, "Bu makale oldukça etkileyici," dedi. "Bence AlphaEvolve, çok yönlü LLM'lere dayanan yeni keşiflerin ilk başarılı gösterimi."

DeepMind'ın baş bilim insanı Pushmeet Kohli'ye göre, DeepMind bu yapay zekâ (YZ) tekniğini açık uçlu sorunlara çözüm bulmak için kullanmanın yanı sıra, kendi gerçek dünya zorluklarına da uyguladı. AlphaEvolve, yapay zekâ için özel olarak geliştirilen bilgisayar çipleri olan yeni nesil tensör işlemcilerin tasarımının iyileştirilmesine yardımcı oldu ve Google'ın küresel bilgi işlem gücünden daha verimli bir şekilde yararlanmanın bir yolunu bularak toplam kaynaklarının %0,7'sini kurtardı.

Çok amaçlı yapay zeka

Krenn, bugüne kadar bilimde yapay zekanın en başarılı uygulamalarının (AlphaFold protein tasarım aracı da dahil olmak üzere) belirli bir görev için elle hazırlanmış öğrenme algoritmalarını içerdiğini söylüyor. Ancak AlphaEvolve, çeşitli alanlardaki sorunları çözen kodlar üretme konusunda LLM'nin yeteneğinden yararlanan genel amaçlı bir araçtır.

DeepMind, etkileşimli yapay zeka modelleri kullanmayı içerdiği için AlphaEvolve'u bir "aracı" olarak tanımlıyor. Ancak, literatürü incelemek ve hipotezler önermek için kullanılan diğer birçok "aracı" yapay zeka bilimsel sisteminden farklı bir bilimsel süreç noktasını hedefliyor.

AlphaEvolve, şirketin Gemini LLM programı temel alınarak tasarlanmıştır. Her görev, kullanıcının bir soru, değerlendirme kriterleri ve önerilen bir çözüm girmesiyle başlar ve LLM, bu bilgilerden yüzlerce hatta binlerce revizyon önerir. Ardından bir "değerlendirme" algoritması, revizyonları iyi bir çözüm için kriterlere göre değerlendirir.

En iyi olarak değerlendirilen çözümlere dayanarak, LLM programı yeni fikirler öneriyor ve zamanla sistem daha güçlü bir algoritmik topluluk geliştiriyor. DeepMind'da yapay zeka bilimcisi ve araştırmanın eş başkanı olan Matej Balog, "Çeşitli problem çözme olasılıklarını araştırıyoruz " diyor.

Dar uygulama

İngiltere, Oxford Üniversitesi'nde matematikçi ve yapay zeka araştırmacısı olan Simon Frieder'a göre, AlphaEvolve matematikte bazı problemlerin çözümünde önemli hızlanmalar sağlıyor gibi görünüyor. Ancak Frieder, muhtemelen yalnızca kodla çözülebilecek problemler olarak formüle edilebilen görevlerin "dar bir alt kümesine" uygulanacağını söyledi.

Diğer araştırmacılar, DeepMind dışında test edilene kadar aracın kullanışlılığı 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 sonuçları pek ciddiye almazdım," dedi.

Kohli, AlphaEvolve'un çalışması için AlphaTensor'dan daha az işlem gücü gerektirse de, DeepMind sunucularında ücretsiz olarak kullanıma sunulması için hala çok fazla kaynak gerektirdiğini söyledi. Ancak şirket, sistemin kullanıma sunulmasının araştırmacıları AlphaEvolve'u uygulayabilecekleri bilimsel alanlar önermeye teşvik edeceğini umuyor. Kohli, "Bilim camiasında mümkün olan en geniş kitleye ulaşmasını sağlamaya kesinlikle kararlıyız," dedi.

VNA

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