„Google“ programa „DeepMind“ sprendžia matematines problemas naudodama dirbtinį intelektą

Dėl naujausių didelių kalbų modelių (LLM) pažangos dirbtinis intelektas tapo lengviau pritaikomas, tačiau tai turi neigiamą pusę: klaidų.

Generatyvusis AI paprastai viską sugalvoja, tačiau „Google DeepMind“ sugalvojo naują LLM, kuri laikosi matematinių tiesų.

Įmonės FunSearch gali išspręsti labai sudėtingas matematikos problemas.

Stebuklingai, jo sukurti sprendimai yra ne tik tikslūs; tai visiškai nauji sprendimai, kurių joks žmogus niekada nerado.

Numatomas skaitymo laikas: 4 minuti

FunSearch taip vadinamas todėl, kad ieško matematinių funkcijų, o ne todėl, kad tai smagu. Tačiau kai kurie žmonės gali manyti, kad viršutinės ribos problema yra siaubinga: matematikai net negali susitarti, kaip geriausia ją išspręsti, todėl tai yra tikra skaitinė paslaptis. DeepMind jau padarė pažangą dirbtinio intelekto srityje su savo Alpha modeliais, tokiais kaip AlphaFold (baltymų lankstymas), AlphaStar (StarCraft) ir AlphaGo (žaidžia Go). Šios sistemos nebuvo pagrįstos LLM, bet atskleidė naujas matematines koncepcijas.

Su FunSearch, DeepMind prasidėjo nuo didelės kalbos režimo, Google PaLM 2 versijos, pavadintos Codey. Veikia antrasis LLM lygis, kuris analizuoja Codey produkciją ir pašalina neteisingą informaciją. Šio darbo komanda nežinojo, ar šis metodas veiks, ir vis dar nėra tikras, kodėl, pasak mokslininko DeepMind Alhusseinas Fawzi.

Norėdami pradėti, inžinieriai val DeepMind jie sukūrė „Cap set“ problemos Python atvaizdą, bet paliko eilutes, apibūdinančias sprendimą. Codey darbas buvo pridėti eilutes, kurios tiksliai išspręstų problemą. Tada klaidų tikrinimo sluoksnis įvertina „Codey“ sprendimus, kad patikrintų, ar jie tikslūs. Aukšto lygio matematikoje lygtys gali turėti daugiau nei vieną sprendimą, tačiau ne visos laikomos vienodai gerais. Laikui bėgant, algoritmas nustato geriausius „Codey“ sprendimus ir įterpia juos atgal į modelį.

„DeepMind“ leidžia „FunSearch“ veikti keletą dienų, pakankamai ilgai, kad būtų galima sukurti milijonus galimų sprendimų. Tai leido FunSearch patobulinti kodą ir pasiekti geresnių rezultatų. Remiantis naujai paskelbtais tyrimais, L 'dirbtinis intelektas rado anksčiau nežinomą, bet teisingą dangtelio nustatymo problemos sprendimą. DeepMind Taip pat išlaisvino FunSearch kitą sudėtingą matematinę problemą, vadinamą konteinerių pakavimo problema – algoritmu, apibūdinančiu efektyviausią konteinerių pakavimo būdą. „FunSearch“ rado sprendimą greičiau, nei apskaičiavo žmonės.

Matematikai vis dar stengiasi integruoti LLM technologijas į savo darbą ir darbą DeepMind rodo galimą kelią. Komanda mano, kad šis metodas turi potencialo, nes jis generuoja kompiuterinį kodą, o ne sprendimą. Tai dažnai lengviau suprasti ir patikrinti nei neapdorotus matematinius rezultatus.

Susiję skaitiniai

• Jau nebe tik sėkmė: fantastinis futbolas tampa analizės modeliu. Fantalgoritmo gimė, kai fantazijos futbolo pasaulis susitinka su matematika
• Gato, DeepMind ir lenktynės bendrojo dirbtinio intelekto link
• Kas yra nuspėjamoji analizė ir kodėl ji svarbi verslui
• DARNI KOMERCINĖS PASTATAI: SU ENERGIJOS VALDYMU IR DIRBTINIU INTELEKTU, PASAULINIS ENERGIJOS VARTOJIMAS GALIMA SUMAŽINTI 30 %, o CO37 IŠMETAMAS 2 %
• Inovacijos ir santykiai su klientais – patirtis ir loginis-dedukcinis intelektas

BlogInnovazione.it