Членове

DeepMind на Google решава математически проблеми с изкуствен интелект

Последният напредък в големите езикови модели (LLM) направи ИИ по-адаптивен, но това идва с недостатък: грешки.

Generative AI има тенденция да измисля нещата, но Google DeepMind излезе с нов LLM, който се придържа към математическите истини.

FunSearch на компанията може да решава много сложни математически задачи.

По чудо, решенията, които генерира, са не само точни; те са напълно нови решения, които никое човешко същество не е намирало.

Очаквано време за четене: 4 Minuti

FunSearch се нарича така, защото търси математически функции, а не защото е забавно. Въпреки това, някои хора може да сметнат проблема с набора от капачки за шут: математиците дори не могат да се споразумеят как най-добре да го решат, което го превръща в истинска числена мистерия. DeepMind вече постигна напредък в областта на изкуствения интелект със своите модели Alpha като AlphaFold (сгъване на протеини), AlphaStar (StarCraft) и AlphaGo (играе на Go). Тези системи не са базирани на LLM, но разкриват нови математически концепции.

С FunSearch, DeepMind започна с голям езиков режим, версия на PaLM 2 на Google, наречена Codey. Има второ LLM ниво на работа, което анализира продукцията на Codey и елиминира невярна информация. Екипът зад тази работа не знаеше дали този подход ще работи и все още не е сигурен защо, според изследователя DeepMind Алхусеин Фаузи.

Като начало инженерите от DeepMind те създадоха Python представяне на проблема с cap set, но пропуснаха редовете, описващи решението. Работата на Коди беше да добави редове, които точно решават проблема. След това слоят за проверка на грешки оценява решенията на Codey, за да види дали са точни. В математиката на високо ниво уравненията могат да имат повече от едно решение, но не всички се считат за еднакво добри. С течение на времето алгоритъмът идентифицира най-добрите решения на Codey и ги вмъква обратно в модела.

DeepMind позволява на FunSearch да работи няколко дни, достатъчно дълго, за да генерира милиони възможни решения. Това позволи на FunSearch да прецизира кода и да произведе по-добри резултати. Според ново публикувано изследване, L 'изкуствен интелект намери неизвестно преди това, но правилно решение на проблема с капачката. DeepMind също така освободи FunSearch от друг труден математически проблем, наречен проблем за опаковане на контейнери, алгоритъм, който описва най-ефективния начин за опаковане на контейнери. FunSearch намери решение по-бързо от изчисленото от хората.

Математиците все още се борят да интегрират LLM технологията в своята работа и работата на DeepMind показва възможен път, който да следвате. Екипът вярва, че този подход има потенциал, защото генерира компютърен код, а не решението. Това често е по-лесно за разбиране и проверка от необработените математически резултати.