DeepMind 推出的 AlphaGeometry 能夠解決幾何問題
作者： | 發表日期：現在
DeepMind，作為 Google AI 的研究和發展實驗室，認為提升 AI 系統能力的關鍵可能就在於探索解決具有挑戰性的幾何問題的新方法。為此，DeepMind 今天推出了 AlphaGeometry——該實驗室聲稱這一系統能夠解決與國際數學奧林匹克金牌得主平均水準一樣多的幾何問題。AlphaGeometry 的程式碼今天上午開源，能夠在標準時間約束內解決 25 個奧林匹克幾何問題，超過前一代最先進系統的 10 個。
為何專注於幾何？
DeepMind 主張，證實數學定理或邏輯解釋為何一條定理（例如勾股定理）成立，需要推理能力和選擇解決方案的能力。如果 DeepMind 的說法是正確的，這種解決問題的方法可能在未來對通用 AI 系統有所幫助。
解決幾何問題的挑戰
訓練 AI 系統解決幾何問題帶來獨特的挑戰。由於將證實轉化為機器能夠理解的形式的復雜性，當前可用的幾何訓練資料非常有限。而且許多當今領先的生成式 AI 模型，儘管擅長識別資料中的模式和關係，卻缺乏透過定理進行邏輯推理的能力。
AlphaGeometry 的設計與挑戰
在設計 AlphaGeometry 時，DeepMind 將“神經語言”模型（類似 ChatGPT 的模型結構）與“符號推理引擎”（一種利用規則，例如數學規則，推斷問題解答的引擎）配對。為了克服這些問題，DeepMind 建立了自己的合成資料，生成了 1 億個不同複雜度的“合成定理”和證實，然後從頭開始對 AlphaGeometry 進行訓練。
混合符號-神經網路系統
AlphaGeometry 的問題解決結果可能將引發長期以來關於 AI 系統應該基於符號操作（即使用規則代表知識的符號進行操作）還是更像大腦的神經網路的爭論。AlphaGeometry 或許證實了混合符號-神經網路系統就像 DeepMind 的 AlphaFold 2 和 AlphaGo 一樣，結合了兩種方法可能是通往通用 AI 的最佳途徑。
結語
無論是支援神經網路方法的人還是支援符號 AI 的人，AlphaGeometry 的出現都可能是一個重要的裏程碑。對未來 AI 系統的發展和數學知識的擴充套件都可能有所影響。希望未來 AI 系統能夠在數學領域實現泛化，發展出複雜的問題解決和推理能力，同時擴充套件人類知識的邊界。
延伸閱讀
- RPA 供應商如何在 AI 代理人世界保持競爭力
- 元 AI 測試：未能彰顯自身價值，但免費就是免費
- Google 推出新功能“口語練習”，利用人工智慧幫助使用者提高英文能力
- 科技巨頭 xAI 競爭開放人工智慧，吸金 60 億美元。推動社交網路 X 成為股東
- Xaira：AI 藥物發現新創公司以 10 億美元巨額啟動，宣稱已準備好開展藥物開發
- Rabbit 宣布推出一個迷人的小型 AI 裝置：R1
- Perplexity AI 可能價值高達 30 億美元，原因在於…
- 基於人工智慧時代，Anon 正在打造自動化認證層 - 技術新聞
- Snowflake 推出自家旗艦生成式人工智慧模型
- Parloa 完成 6600 萬美元融資，打造客服對話人工智慧平臺
