Artikler

Googles DeepMind løser matematiske problemer med kunstig intelligens

Nylige fremskritt innen store språkmodeller (LLM) har gjort AI mer tilpasningsdyktig, men dette kommer med en ulempe: feil.

Generativ AI pleier å finne på ting, men Google DeepMind har kommet opp med en ny LLM som holder seg til matematiske sannheter.

Selskapets FunSearch kan løse svært komplekse matematikkoppgaver.

Mirakuløst nok er løsningene den genererer ikke bare nøyaktige; de er helt nye løsninger som ingen mennesker noen gang har funnet.

Beregnet lesetid: 4 minutter

FunSearch kalles det fordi det søker etter matematiske funksjoner, ikke fordi det er morsomt. Noen mennesker kan imidlertid betrakte capset-problemet som et tulling: matematikere kan ikke engang bli enige om hvordan de best kan løse det, noe som gjør det til et virkelig numerisk mysterium. DeepMind har allerede gjort fremskritt innen kunstig intelligens med sine Alpha-modeller som AlphaFold (proteinfolding), AlphaStar (StarCraft) og AlphaGo (spiller Go). Disse systemene var ikke basert på LLM, men avslørte nye matematiske konsepter.

Med FunSearch, DeepMind startet med en stor språkmodus, en versjon av Googles PaLM 2 kalt Codey. Det er et andre LLM-nivå på jobb, som analyserer Codeys produksjon og eliminerer feil informasjon. Teamet bak dette arbeidet visste ikke om denne tilnærmingen ville fungere og er fortsatt ikke sikker på hvorfor, ifølge forskeren DeepMind Alhussein Fawzi.

For å starte, ingeniørene kl DeepMind de laget en Python-representasjon av cap set-problemet, men utelot linjene som beskriver løsningen. Codeys jobb var å legge til linjer som nøyaktig løste problemet. Feilkontrolllaget scorer deretter Codey-løsningene for å se om de er nøyaktige. I matematikk på høyt nivå kan ligninger ha mer enn én løsning, men ikke alle anses som like gode. Over tid identifiserer algoritmen de beste Codey-løsningene og setter dem inn i modellen igjen.

DeepMind lar FunSearch kjøre i flere dager, lenge nok til å generere millioner av mulige løsninger. Dette tillot FunSearch å avgrense koden og gi bedre resultater. Ifølge nylig publisert forskning, L 'kunstig intelligens fant en tidligere ukjent, men riktig løsning på cap set-problemet. DeepMind også frigjort FunSearch på et annet vanskelig matematisk problem kalt containerpakkingsproblemet, en algoritme som beskriver den mest effektive måten å pakke containere på. FunSearch fant en løsning raskere enn de som ble beregnet av mennesker.

Matematikere sliter fortsatt med å integrere LLM-teknologi i deres arbeid og arbeidet med DeepMind viser en mulig vei å følge. Teamet mener denne tilnærmingen har potensial fordi den genererer datakode i stedet for løsningen. Dette er ofte lettere å forstå og verifisere enn rå matematiske resultater.