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
- AI 晶片新創 DEEPX 以 5.29 億美元估值成功籌得 8000 萬美元 C 輪融資
- Fairgen「提振」調查結果,利用合成資料和人工智慧生成的回應
- 用 Retell AI 讓公司打造「語音代理人」來應答電話
- OpenAI 揭開 AI 祕密指令的面紗
- AI 助您創辦者更快、更輕鬆地籌集資金嗎?
- 深度學習技術進步!Meta 推出廣告 AI 工具,能創造全新影象而非僅替換背景
- Google Deepmind 推出巨大的 AlphaFold 更新和免費蛋白質組學服務網路應用程式
- 盧西德機器人獲得 900 萬美元用於無人機清潔任何地方
- 以色列新創公司 Panax 籌集了 1,000 萬美元 A 輪融資,用於其基於人工智慧的現金流管理平臺
- Reddit 測試使用基於 LLM 的人工智慧進行自動整站法語翻譯