DeepMind frá Google leysir stærðfræðileg vandamál með gervigreind

Nýlegar framfarir í stórum tungumálalíkönum (LLM) hafa gert gervigreind aðlögunarhæfari, en þessu fylgir galli: villur.

Generative AI hefur tilhneigingu til að gera hlutina upp, en Google DeepMind hefur komið með nýtt LLM sem heldur sig við stærðfræðilegan sannleika.

FunSearch fyrirtækisins getur leyst mjög flókin stærðfræðidæmi.

Fyrir kraftaverk eru lausnirnar sem það býr til ekki aðeins nákvæmar; þetta eru alveg nýjar lausnir sem engin manneskja hefur nokkru sinni fundið.

Áætlaður lestrartími: 4 minuti

FunSearch er kallað það vegna þess að það leitar að stærðfræðilegum aðgerðum, ekki vegna þess að það er skemmtilegt. Hins vegar gætu sumir litið svo á að vandamálið með hattasettið væri kjaftæði: stærðfræðingar geta ekki einu sinni komið sér saman um hvernig best sé að leysa það, sem gerir það að raunverulegri tölulega ráðgátu. DeepMind hefur þegar tekið framförum í gervigreind með Alpha módelum sínum eins og AlphaFold (próteinbrotning), AlphaStar (StarCraft) og AlphaGo (spilar Go). Þessi kerfi voru ekki byggð á LLM, en afhjúpuðu ný stærðfræðileg hugtök.

Með FunSearch, DeepMind byrjaði með stórum tungumálaham, útgáfu af PaLM 2 frá Google sem heitir Codey. Það er annað LLM stig í vinnunni, sem greinir framleiðsla Codey og útilokar rangar upplýsingar. Hópurinn á bak við þessa vinnu vissi ekki hvort þessi nálgun myndi virka og er enn ekki viss hvers vegna, að sögn rannsakandans DeepMind Alhussein Fawzi.

Til að byrja, verkfræðingar kl DeepMind þeir bjuggu til Python framsetningu á cap set vandamálinu, en slepptu línunum sem lýsa lausninni. Hlutverk Codey var að bæta við línum sem leystu vandann nákvæmlega. Villuskoðunarlagið skorar síðan Codey lausnirnar til að sjá hvort þær séu réttar. Í stærðfræði á háu stigi geta jöfnur haft fleiri en eina lausn, en ekki eru allar taldar jafn góðar. Með tímanum greinir reikniritið bestu Codey lausnirnar og setur þær aftur inn í líkanið.

DeepMind leyfir FunSearch að keyra í nokkra daga, nógu lengi til að búa til milljónir mögulegra lausna. Þetta gerði FunSearch kleift að betrumbæta kóðann og skila betri árangri. Samkvæmt nýbirtum rannsóknum, L 'gervigreind fann áður óþekkta en rétta lausn á hettusett vandamálinu. DeepMind leysti FunSearch einnig við öðru erfiðu stærðfræðilegu vandamáli sem kallast gámapökkunarvandamálið, reiknirit sem lýsir skilvirkustu leiðinni til að pakka gámum. FunSearch fann lausn hraðar en þær sem menn reiknuðu út.

Stærðfræðingar eru enn í erfiðleikum með að samþætta LLM tækni í starfi sínu og starfi DeepMind sýnir mögulega leið til að feta. Teymið telur að þessi nálgun hafi möguleika vegna þess að hún býr til tölvukóða frekar en lausnina. Þetta er oft auðveldara að skilja og sannreyna en hráar stærðfræðilegar niðurstöður.

Tengdar lestrar

• Ekki lengur bara heppni: Fantasíufótbolti verður fyrirmynd greiningar. Fantalgoritmo fæddist þegar heimur fantasíufótboltans mætir stærðfræði
• Gato, DeepMind og kapphlaupið í átt að almennri gervigreind
• Hvað er Predictive Analytics og hvers vegna það skiptir máli í viðskiptum
• SJÁLFBÆR VIÐSKIPTABYGGING: MEÐ ORKUSTJÓRN OG GERVIGREIÐSLU ER HÆGT AÐ MINKA ORKUNEÐLUN í heiminum um 30% og CO37 LOPSUN UM 2%
• Nýsköpun og samskipti við viðskiptavini - reynsla og rökræn-afleiðandi greind

BlogInnovazione.it