Szacowany czas czytania: 4 minuti
FunSearch nazywa się tak, ponieważ wyszukuje funkcje matematyczne, a nie dlatego, że sprawia przyjemność. Jednak niektórzy ludzie mogą uznać problem ograniczenia wartości za zabawny: matematycy nie mogą nawet zgodzić się co do tego, jak najlepiej go rozwiązać, co czyni go prawdziwą zagadką liczbową. DeepMind poczyniła już postępy w dziedzinie sztucznej inteligencji dzięki swoim modelom Alpha, takim jak AlphaFold (składanie białek), AlphaStar (StarCraft) i AlphaGo (gra w Go). Systemy te nie były oparte na LLM, ale ujawniły nowe koncepcje matematyczne.
Dzięki FunSearch, DeepMind zaczęło się od trybu dużego języka, wersji Google PaLM 2 o nazwie Codey. W pracy znajduje się drugi poziom LLM, który analizuje wyniki Codey i eliminuje nieprawidłowe informacje. Według badacza zespół odpowiedzialny za tę pracę nie wiedział, czy to podejście się sprawdzi, i nadal nie jest pewien, dlaczego DeepMind Alhusseina Fawziego.
Na początek inżynierowie z DeepMind stworzyli reprezentację problemu z limitem w Pythonie, ale pominęli linie opisujące rozwiązanie. Zadaniem Codeya było dodanie linii, które dokładnie rozwiązały problem. Następnie warstwa sprawdzania błędów ocenia rozwiązania Codey, aby sprawdzić, czy są dokładne. W matematyce wysokiego poziomu równania mogą mieć więcej niż jedno rozwiązanie, ale nie wszystkie są uważane za równie dobre. Z biegiem czasu algorytm identyfikuje najlepsze rozwiązania Codey i wstawia je z powrotem do modelu.
DeepMind pozwala FunSearch działać przez kilka dni, wystarczająco długo, aby wygenerować miliony możliwych rozwiązań. Pozwoliło to FunSearch na udoskonalenie kodu i uzyskanie lepszych wyników. Według nowo opublikowanych badań, L "sztuczna inteligencja znalazłem nieznane wcześniej, ale prawidłowe rozwiązanie problemu z zestawem czapek. DeepMind uwolnił także FunSearch od innego trudnego problemu matematycznego zwanego problemem pakowania kontenerów, algorytmu opisującego najbardziej efektywny sposób pakowania kontenerów. FunSearch znalazł rozwiązanie szybciej niż obliczyli to ludzie.
Matematycy wciąż mają trudności z włączeniem technologii LLM do swojej pracy i pracy DeepMind wskazuje możliwą ścieżkę, którą należy podążać. Zespół uważa, że to podejście ma potencjał, ponieważ generuje kod komputerowy, a nie rozwiązanie. Często jest to łatwiejsze do zrozumienia i sprawdzenia niż surowe wyniki matematyczne.
BlogInnovazione.it
Coveware by Veeam będzie w dalszym ciągu świadczyć usługi reagowania na incydenty związane z wyłudzeniami cybernetycznymi. Coveware będzie oferować funkcje kryminalistyczne i naprawcze…
Konserwacja predykcyjna rewolucjonizuje sektor naftowo-gazowy dzięki innowacyjnemu i proaktywnemu podejściu do zarządzania zakładami.…
Brytyjskie CMA wydało ostrzeżenie dotyczące zachowań Big Tech na rynku sztucznej inteligencji. Tam…
Rozporządzenie w sprawie zielonych domów, opracowane przez Unię Europejską w celu zwiększenia efektywności energetycznej budynków, zakończyło proces legislacyjny…