Минулого тижня в'єтнамський аспірант Чінь Хоанг Чієу успішно захистив свою докторську дисертацію на тему вирішення проблем за допомогою штучного інтелекту в Нью-Йоркському університеті. Дослідження, разом із внеском двох науковців з Google DeepMind, доктора Ле В'єта Куока та Луонг Тханга, було опубліковано в журналі Nature.
Маючи набір із 30 геометричних задач Олімпіади з 2000 по 2022 рік, AlphaGeometry розв'язала 25 задач, порівняно із середнім балом золотих медалістів 25,9, що значно перевищує 10 задач комп'ютерних математичних систем, розроблених у 1970-х роках.
В останні роки Google DeepMind реалізує низку дослідницьких проектів у галузі штучного інтелекту, пов'язаних з математикою. Тому задачі олімпіадного рівня використовуються як критерії оцінки машинного навчання.
За словами Майкла Барані, історика математики з Единбурзького університету, дослідження AlphaGeometry «є віхою у здатності міркувати автономно на людському рівні».
Теренс Тао, математик Каліфорнійського університету, який виграв золоту олімпійську медаль у віці 12 років, назвав систему штучного інтелекту «фантастичним досягненням» і сказав, що її результати «дивовижні».
Тим часом, автор дослідження, Чінь Хоанг Трієу, сказав, що математичні міркування – це лише форма міркування, але вони мають перевагу в тому, що їх легко перевірити. «Математика – це мова істини», – сказав в’єтнамський лікар. «Якщо ви хочете розробити систему штучного інтелекту, вам потрібно створити надійний штучний інтелект, який може знаходити істину, якій користувачі можуть довіряти», особливо в додатках з високими вимогами безпеки.
AlphaGeometry — це система, яка поєднує мовну модель нейронної мережі (глибоко занурену в штучну інтуїцію, подібну до ChatGPT, але меншу) із символьним двигуном (спеціалізованим на штучному мисленні, як логічний комп'ютер), перш ніж бути точно налаштованою для розуміння геометрії.
Особливість цього алгоритму полягає в тому, що він може генерувати рішення з нічого. Сучасні моделі штучного інтелекту, з іншого боку, повинні шукати існуючі або подібні рішення, які знайшли люди.
Результати базувалися на нейронній мережі, навченій на 100 мільйонах геометричних прикладів без людських відповідей. Коли вона починала працювати над проблемою, першим спрацьовував символьний двигун. Якщо ж вона зависала, нейронний алгоритм пропонував шляхи покращення аргументації. Цей цикл тривав, доки не закінчувався час (чотири з половиною години) або проблема не вирішувалася.
Станіслас Деан, когнітивний нейробіолог з Коледж де Франс, сказав, що він був вражений роботою AlphaGeometry, але система «нічого не сприймає про проблему, яку вона вирішує». Іншими словами, алгоритм обробляє лише логічне та числове кодування зображень. «Він не має просторового уявлення про кола, лінії чи трикутники».
Доктор Луонг Тханг сказав, що цей «сенсорний» елемент може бути доданий цього року за допомогою платформи штучного інтелекту Gemini від Google.
(За даними Washington Post)
Джерело
Коментар (0)