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

گوگل ڈیپ مائنڈ نے ریاضی اور کمپیوٹر سائنس میں بڑے مسائل کے حل کے لیے چیٹ بوٹ ماڈلز کا استعمال کیا ہے۔ نظام، جسے AlphaEvolve کہا جاتا ہے، ایک بڑے لینگویج ماڈل (LLM) کی تخلیقی صلاحیتوں کو الگورتھم کے ساتھ جوڑتا ہے جو حل کو بہتر اور بہتر بنانے کے لیے ماڈل کی تجاویز کو جانچ سکتا ہے۔ یہ تحقیق کمپنی کی طرف سے 14 مئی کو شائع ہونے والے تکنیکی مقالے میں بیان کی گئی ہے۔

جرمنی کے ایرلانجن میں میکس پلانک انسٹی ٹیوٹ فار دی سائنس آف لائٹ میں مصنوعی روشنی کے سائنس دان لیبارٹری کے سربراہ ماریو کرین نے کہا کہ یہ مقالہ کافی متاثر کن ہے۔ "میرے خیال میں AlphaEvolve ورسٹائل LLMs پر مبنی نئی دریافتوں کا پہلا کامیاب مظاہرہ ہے۔"

ڈیپ مائنڈ کے چیف سائنسدان پشمیت کوہلی کے مطابق، اوپن اینڈڈ 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 استعمال کرنے کا طریقہ تلاش کیا ہے، جس سے اس کے کل وسائل کا 0.7% بچا ہے۔

کثیر مقصدی AI

کرین کا کہنا ہے کہ آج تک سائنس میں AI کی سب سے کامیاب ایپلی کیشنز - بشمول AlphaFold پروٹین ڈیزائن ٹول - میں ایک مخصوص کام کے لیے ہاتھ سے تیار کردہ الگورتھم سیکھنا شامل ہے۔ لیکن AlphaEvolve عام مقصد ہے، LLM کی کوڈ تیار کرنے کی صلاحیت سے فائدہ اٹھاتا ہے جو مختلف ڈومینز میں مسائل کو حل کرتا ہے۔

DeepMind AlphaEvolve کو بطور 'ایجنٹ' 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 ایک سوال، تشخیص کے معیار، اور ایک مجوزہ حل درج کرنے 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۔

ان حلوں کی بنیاد پر جنہیں بہترین سمجھا جاتا ہے، LLM نئے آئیڈیاز تجویز کرتا ہے اور وقت کے ساتھ ساتھ نظام ایک زیادہ طاقتور الگورتھمک جوڑ تیار کرتا ہے۔ ڈیپ مائنڈ کے ایک اے آئی سائنس دان اور تحقیق کے شریک رہنما متیج بالوگ نے ​​کہا، "ہم مسائل کو حل کرنے کے امکانات کے متنوع سیٹ کو تلاش کرتے ہیں ۔"

تنگ درخواست

یونیورسٹی آف آکسفورڈ، برطانیہ کے ایک ریاضی دان اور اے آئی کے محقق سائمن فریڈر کے مطابق، ریاضی میں، AlphaEvolve کچھ مسائل کو حل کرنے میں نمایاں رفتار پیش کرتا ہے۔ لیکن یہ ممکنہ طور پر صرف کاموں کے "تنگ سب سیٹ" پر لاگو ہوگا جو کوڈ کے ذریعے حل کیے جانے والے مسائل کے طور پر وضع کیے جاسکتے ہیں۔

دوسرے محققین اس ٹول کی افادیت کے بارے میں محتاط رہتے ہیں جب تک کہ اسے ڈیپ مائنڈ سے باہر جانچا نہ جائے۔ کولمبس کی اوہائیو اسٹیٹ یونیورسٹی میں اے آئی کے ایک محقق ہوان سن نے کہا، "جب تک کہ وسیع تر کمیونٹی کے ذریعے سسٹمز کا تجربہ نہیں کیا جاتا، میں شک میں رہوں گا اور رپورٹ شدہ نتائج کو نمک کے ایک دانے کے ساتھ لوں گا۔"

کوہلی نے کہا کہ اگرچہ AlphaEvolve کو AlphaTensor کے مقابلے چلانے کے لیے کم کمپیوٹنگ پاور کی ضرورت ہوتی ہے، لیکن یہ ڈیپ مائنڈ کے سرورز پر مفت میں دستیاب ہونے کے لیے بہت زیادہ وسائل کی ضرورت ہے۔ تاہم، کمپنی کو امید ہے کہ اس نظام کو جاری کرنے سے محققین کو سائنسی شعبے تجویز کرنے کی ترغیب ملے گی جس میں AlphaEvolve کو لاگو کرنا ہے۔ کوہلی نے کہا، "ہم اس بات کو یقینی بنانے کے لیے پوری طرح پرعزم ہیں کہ یہ سائنسی برادری کے وسیع تر ممکنہ سامعین کے لیے قابل رسائی ہو۔"

وی این اے

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