گوگل ڈیپ مائنڈ نے "بریک تھرو" سائنسی AI کا اعلان کیا۔

گوگل ڈیپ مائنڈ نے ریاضی اور کمپیوٹر سائنس میں بڑے مسائل کا حل فراہم کرنے کے لیے ابھی چیٹ بوٹ ماڈلز کا استعمال کیا ہے۔ یہ نظام، جسے AlphaEvolve کہا جاتا ہے، بڑے لینگویج ماڈلز (LLMs) کی تخلیقی صلاحیتوں کو الگورتھم کے ساتھ جوڑتا ہے جو حل کو فلٹر کرنے اور بہتر بنانے کے لیے ماڈل کی تجاویز کا جائزہ لے سکتا ہے۔ اس تحقیق کو کمپنی کی طرف سے 14 مئی کو شائع ہونے والی تکنیکی رپورٹ میں بیان کیا گیا ہے۔

جرمنی کے ایرلانجن میں میکس پلانک انسٹی ٹیوٹ فار لائٹ سائنسز میں مصنوعی سائنسدان لیبارٹری کے سربراہ ماریو کرین نے تبصرہ کیا، "یہ مقالہ کافی متاثر کن ہے۔" "میرے خیال میں AlphaEvolve کثیر مقصدی LLMs پر مبنی نئی دریافتوں کا پہلا کامیاب مظاہرہ ہے۔"

ڈیپ مائنڈ کے چیف سائنٹسٹ پشمیت کوہلی کے مطابق، کھلے مسائل کے حل تلاش کرنے کے لیے سسٹم کو استعمال کرنے کے علاوہ، ڈیپ مائنڈ نے اس مصنوعی ذہانت (AI) تکنیک کو اپنے حقیقی دنیا کے چیلنجز پر لاگو کیا ہے۔ AlphaEvolve نے ٹینسر پروسیسرز کی اگلی نسل کے ڈیزائن کو بہتر بنانے میں مدد کی ہے — خاص طور پر AI کے لیے تیار کردہ کمپیوٹر چپس — اور اس نے Google کی عالمی کمپیوٹنگ طاقت کو زیادہ مؤثر طریقے سے فائدہ اٹھانے کا طریقہ تلاش کیا ہے، جس سے کل وسائل کا 0.7% بچا ہے۔

کثیر مقصدی AI

Krenn کے مطابق، سائنس میں آج تک کی سب سے کامیاب AI ایپلی کیشنز- بشمول AlphaFold پروٹین ڈیزائن ٹول- میں مخصوص کاموں کے لیے سیکھنے کے الگورتھم کو دستی طور پر ڈیزائن کیا گیا ہے۔ لیکن AlphaEvolve ورسٹائل ہے، کوڈ بنانے کے لیے LLM کی صلاحیتوں کا فائدہ اٹھاتا ہے جو وسیع شعبوں میں مسائل کو حل کرتا ہے۔

DeepMind AlphaEvolve کو ایک 'ایجنٹ' کے طور پر بیان کرتا ہے، کیونکہ اس میں انٹرایکٹو AI ماڈلز کا استعمال شامل ہے۔ تاہم، یہ بہت سے دوسرے 'ایجنٹ' AI سائنسی نظاموں کے مقابلے میں سائنسی عمل میں ایک مختلف نقطہ کو نشانہ بناتا ہے، جو ادب کا جائزہ لینے اور مفروضے تجویز کرنے کے لیے استعمال ہوتے ہیں۔

AlphaEvolve کمپنی کی Gemini LLM لائن پر مبنی ہے۔ ہر کام کا آغاز صارف کے سوال، تشخیص کے معیار، اور تجویز کردہ حل کے ساتھ ہوتا ہے، جس سے LLM سینکڑوں یا ہزاروں ترمیمات تجویز کرتا ہے۔ ایک 'تشخیص' الگورتھم پھر ایک اچھے حل کے معیار کی بنیاد پر نظرثانی کا جائزہ لیتا ہے۔

ڈیپ مائنڈ کے ایک AI سائنسدان اور شریک لیڈ محقق متیج بالوگ نے ​​کہا کہ بہترین کارکردگی کے حل کی بنیاد پر، LLM نئے آئیڈیاز پیش کرتا ہے، اور وقت کے ساتھ ساتھ نظام الگورتھم کا ایک زیادہ طاقتور سیٹ تیار کرتا ہے۔ انہوں نے کہا، "ہم مسائل کو حل کرنے کی صلاحیتوں کے متنوع سیٹ کو تلاش کرتے ہیں ۔"

تنگ درخواست

یونیورسٹی آف آکسفورڈ، یو کے میں ریاضی دان اور اے آئی کے محقق سائمن فریڈر کے مطابق، ریاضی میں، AlphaEvolve کچھ مسائل کو حل کرنے میں نمایاں سرعت کی اجازت دیتا ہے۔ لیکن یہ ممکنہ طور پر صرف کاموں کے "تنگ حصے" پر لاگو ہو گا جو کوڈ کے ذریعے حل کیے جانے والے مسائل کے طور پر پیش کیا جا سکتا ہے۔

دوسرے محققین اس آلے کی افادیت کا اندازہ لگانے کے بارے میں محتاط رہتے ہیں جب تک کہ اسے ڈیپ مائنڈ کے باہر ٹیسٹ نہیں کیا جاتا ہے۔ کولمبس کی اوہائیو سٹیٹ یونیورسٹی میں اے آئی کے ایک محقق ہوان سن نے کہا، "جب تک سسٹمز کو ایک بڑی کمیونٹی کے ذریعے ٹیسٹ نہیں کیا جاتا، میں شک میں رہوں گا اور رپورٹ شدہ نتائج کو احتیاط کے ساتھ دیکھوں گا۔"

کوہلی کے مطابق، اگرچہ AlphaEvolve کو AlphaTensor کے مقابلے میں چلانے کے لیے کم کمپیوٹنگ پاور کی ضرورت ہوتی ہے، لیکن یہ ڈیپ مائنڈ کے سرورز پر مفت میں پیش کیے جانے کے لیے بہت زیادہ وسائل کی ضرورت ہے۔ تاہم، کمپنی کو امید ہے کہ اس نظام کا اعلان محققین کو سائنسی شعبوں کی تجویز پیش کرنے کی ترغیب دے گا جہاں AlphaEvolve کو لاگو کیا جا سکتا ہے۔ کوہلی نے تصدیق کی، "ہم اس بات کو یقینی بنانے کے لیے پوری طرح پرعزم ہیں کہ سائنسی برادری کے زیادہ تر لوگ اس تک رسائی حاصل کر سکیں۔"

وی این اے

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