DeepMind ад Google вырашае матэматычныя задачы з дапамогай штучнага інтэлекту

Нядаўнія дасягненні ў галіне вялікіх моўных мадэляў (LLM) зрабілі штучны інтэлект больш адаптыўным, але гэта мае недахоп: памылкі.

Generative AI мае тэндэнцыю выдумляць рэчы, але Google DeepMind прыдумаў новы LLM, які прытрымліваецца матэматычных ісцін.

Кампанія FunSearch можа вырашаць вельмі складаныя матэматычныя задачы.

Як ні дзіўна, рашэнні, якія ён стварае, не толькі дакладныя; гэта цалкам новыя рашэнні, якія ніколі не знаходзіў ні адзін чалавек.

Разліковы час чытання: 4 хвілін

FunSearch называецца так, таму што ён шукае матэматычныя функцыі, а не таму, што гэта весела. Тым не менш, некаторыя людзі могуць палічыць праблему лімітавага набору шуткай: матэматыкі нават не могуць дамовіцца аб тым, як лепш яе вырашыць, што робіць яе сапраўднай лікавай загадкай. Deepmind ужо дасягнула поспехаў у галіне штучнага інтэлекту са сваімі мадэлямі Alpha, такімі як AlphaFold (згортванне бялку), AlphaStar (StarCraft) і AlphaGo (гуляючы ў Go). Гэтыя сістэмы не былі заснаваныя на LLM, але выявілі новыя матэматычныя канцэпцыі.

З FunSearch, Deepmind пачаўся з рэжыму вялікай мовы, версіі Google PaLM 2 пад назвай Codey. Існуе другі ўзровень LLM на працы, які аналізуе выхад Кодзі і ліквідуе няправільную інфармацыю. Па словах даследчыка, каманда, якая стаіць за гэтай працай, не ведала, ці спрацуе гэты падыход, і да гэтага часу не ведае чаму Deepmind Альхусейн Фаўзі.

Для пачатку інжынеры ст Deepmind яны стварылі Python прадстаўленне праблемы cap set, але пакінулі радкі, якія апісваюць рашэнне. Праца Коўдзі складалася ў тым, каб дадаць радкі, якія дакладна вырашаюць праблему. Затым узровень праверкі памылак ацэньвае рашэнні Коді, каб даведацца, ці дакладныя яны. У матэматыцы высокага ўзроўню ўраўненні могуць мець больш чым адно рашэнне, але не ўсе лічацца аднолькава добрымі. З часам алгарытм вызначае лепшыя рашэнні Codey і ўстаўляе іх назад у мадэль.

DeepMind дазваляе FunSearch працаваць некалькі дзён, дастаткова доўга, каб стварыць мільёны магчымых рашэнняў. Гэта дазволіла FunSearch удасканаліць код і атрымаць лепшыя вынікі. Згодна з нядаўна апублікаваным даследаваннем, L 'штучны інтэлект знайшоў раней невядомае, але правільнае рашэнне праблемы набору вечкаў. Deepmind таксама вызваліў FunSearch ад іншай складанай матэматычнай задачы пад назвай праблема ўпакоўкі кантэйнераў, алгарытму, які апісвае найбольш эфектыўны спосаб упакоўкі кантэйнераў. FunSearch знайшоў рашэнне хутчэй, чым вылічылі людзі.

Матэматыкі ўсё яшчэ спрабуюць інтэграваць тэхналогію LLM у сваю працу і працу Deepmind паказвае магчымы шлях для прытрымлівання. Каманда лічыць, што гэты падыход мае патэнцыял, таму што ён стварае кампутарны код, а не рашэнне. Гэта часта лягчэй зразумець і праверыць, чым неапрацаваныя матэматычныя вынікі.

Падобныя чытанні

• Больш не проста ўдача: фэнтэзі-футбол становіцца мадэллю аналізу. Fantalgoritmo нарадзіўся, калі свет фэнтэзі-футбола сустракаецца з матэматыкай
• Gato, DeepMind і гонка да агульнага штучнага інтэлекту
• Што такое Predictive Analytics і чаму гэта важна для бізнесу
• УСТОЙЛІВЫЯ КАМЕРЦЫЙНЫЯ БУДЫНКІ: З КІРАВАННЕМ ЭНЕРГІЯЙ І ШТУЧНЫМ ІНТЭЛЕКТАМ ГЛАБАЛЬНАЕ СПАЖЫВАННЕ ЭНЕРГІІ МОЖНА ЗНІЗІЦЬ НА 30%, А ВЫКІДЫ CO37 НА 2%
• Інавацыі і адносіны з кліентамі - вопыт і логіка-дэдуктыўны інтэлект

BlogInnovazione.it