Google DeepMind анонсує «проривний» науковий штучний інтелект.

Google DeepMind щойно використав моделі чат-ботів для пошуку рішень основних проблем у математиці та інформатиці. Система під назвою AlphaEvolve поєднує креативність моделей великих мов програмування (LLM) з алгоритмами, які можуть аналізувати пропозиції моделі для фільтрації та покращення рішень. Дослідження описано в технічному звіті, опублікованому компанією 14 травня.

«Ця стаття досить вражаюча», – прокоментував Маріо Кренн, керівник Лабораторії штучних наук Інституту світлових наук імені Макса Планка в Ерлангені, Німеччина. «Я думаю, що AlphaEvolve – це перша успішна демонстрація нових відкриттів, заснованих на багатоцільових LLM».

За словами Пушміта Колі, головного наукового співробітника DeepMind, окрім використання системи для пошуку рішень відкритих проблем, DeepMind застосувала цей метод штучного інтелекту (ШІ) до власних реальних викликів. AlphaEvolve допоміг покращити дизайн наступного покоління тензорних процесорів — комп’ютерних чіпів, спеціально розроблених для ШІ, — і знайшов спосіб ефективніше використовувати глобальні обчислювальні потужності Google, заощадивши 0,7% загальних ресурсів.

Багатоцільовий ШІ

За словами Кренна, більшість успішних застосувань штучного інтелекту в науці на сьогоднішній день, включаючи інструмент для проектування білків AlphaFold, передбачали ручне розробку алгоритмів навчання для виконання конкретних завдань. Але AlphaEvolve є універсальним, використовуючи можливості LLM для генерації коду, який вирішує проблеми в широкому спектрі галузей.

DeepMind описує AlphaEvolve як «агента», оскільки він передбачає використання інтерактивних моделей штучного інтелекту. Однак, він орієнтований на інший етап наукового процесу, ніж багато інших «агентних» наукових систем штучного інтелекту, які використовуються для огляду літератури та висування гіпотез.

AlphaEvolve базується на лінійці LLM компанії Gemini. Кожне завдання починається з введення користувачем питання, критеріїв оцінки та запропонованого рішення, на основі яких LLM пропонує сотні або тисячі варіантів редагування. Потім алгоритм «оцінки» оцінює ці варіанти на основі критеріїв хорошого рішення.

Матей Балог, науковець зі штучного інтелекту в DeepMind та співкерівник дослідження, сказав, що на основі найкращих рішень LLM пропонує нові ідеї, і з часом система розробляє потужніший набір алгоритмів. Він сказав: «Ми досліджуємо різноманітний набір можливостей вирішення проблем».

Вузьке застосування

У математиці AlphaEvolve, за словами Саймона Фрідера, математика та дослідника штучного інтелекту з Оксфордського університету, Велика Британія, дозволяє значно пришвидшити вирішення певних задач. Але, ймовірно, він буде застосовний лише до «вузької частини» завдань, які можна представити як проблеми, що потребують вирішення за допомогою коду, каже він.

Інші дослідники обережно оцінюють корисність інструменту, доки його не протестують поза межами DeepMind. «Доки системи не будуть протестовані ширшою спільнотою, я б залишався скептично налаштованим і ставився до опублікованих результатів з обережністю», — сказав Хуан Сун, дослідник штучного інтелекту в Університеті штату Огайо в Колумбусі.

За словами Колі, хоча AlphaEvolve потребує менше обчислювальної потужності для роботи, ніж AlphaTensor, він все ще занадто ресурсоємний, щоб пропонуватися безкоштовно на серверах DeepMind. Однак компанія сподівається, що анонс системи спонукатиме дослідників пропонувати наукові галузі, де AlphaEvolve може бути застосований. Колі підтвердив: «Ми абсолютно прагнемо забезпечити доступ до нього більшості людей у ​​науковій спільноті».

ВНА

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