Beräknad lästid: 4 minuter
FunSearch kallas det för att det söker efter matematiska funktioner, inte för att det är roligt. Men vissa människor kan tycka att problemet med lockuppsättningen är ett tjafs: matematiker kan inte ens komma överens om hur man bäst löser det, vilket gör det till ett riktigt numeriskt mysterium. Deepmind har redan gjort framsteg inom artificiell intelligens med sina Alpha-modeller som AlphaFold (proteinvikning), AlphaStar (StarCraft) och AlphaGo (som spelar Go). Dessa system var inte baserade på LLM, utan avslöjade nya matematiska begrepp.
Med FunSearch, Deepmind började med ett stort språkläge, en version av Googles PaLM 2 som heter Codey. Det finns en andra LLM-nivå på jobbet, som analyserar Codeys produktion och eliminerar felaktig information. Teamet bakom detta arbete visste inte om detta tillvägagångssätt skulle fungera och är fortfarande inte säker på varför, enligt forskaren Deepmind Alhussein Fawzi.
Till att börja, ingenjörerna kl Deepmind de skapade en Python-representation av cap set-problemet, men utelämnade raderna som beskriver lösningen. Codeys jobb var att lägga till rader som korrekt löste problemet. Felkontrollskiktet poängsätter sedan Codey-lösningarna för att se om de är korrekta. I matematik på hög nivå kan ekvationer ha mer än en lösning, men alla anses inte vara lika bra. Med tiden identifierar algoritmen de bästa Codey-lösningarna och infogar dem tillbaka i modellen.
DeepMind låter FunSearch köras i flera dagar, tillräckligt länge för att generera miljontals möjliga lösningar. Detta gjorde det möjligt för FunSearch att förfina koden och ge bättre resultat. Enligt nypublicerad forskning, L 'artificiell intelligens hittade en tidigare okänd men korrekt lösning på problemet med capset. Deepmind FunSearch frigjorde också ett annat svårt matematiskt problem som kallas containerpackningsproblemet, en algoritm som beskriver det mest effektiva sättet att packa containrar. FunSearch hittade en lösning snabbare än de som beräknats av människor.
Matematiker kämpar fortfarande för att integrera LLM-teknik i sitt arbete och i arbetet Deepmind visar en möjlig väg att följa. Teamet tror att detta tillvägagångssätt har potential eftersom det genererar datorkod snarare än lösningen. Detta är ofta lättare att förstå och verifiera än råa matematiska resultat.
BlogInnovazione.it
Att utveckla finmotorik genom färgläggning förbereder barn för mer komplexa färdigheter som att skriva. Att färglägga…
Marinesektorn är en sann global ekonomisk makt, som har navigerat mot en marknad på 150 miljarder...
I måndags tillkännagav Financial Times ett avtal med OpenAI. FT licensierar sin journalistik i världsklass...
Miljontals människor betalar för streamingtjänster och betalar månatliga prenumerationsavgifter. Det är en allmän uppfattning att du...