Temps estimat de lectura: 4 acta
FunSearch s'anomena així perquè cerca funcions matemàtiques, no perquè sigui divertit. No obstant això, algunes persones podrien considerar el problema del conjunt de caps com una bogeria: els matemàtics ni tan sols poden posar-se d'acord sobre la millor manera de resoldre'l, convertint-lo en un autèntic misteri numèric. DeepMind ja ha fet avenços en intel·ligència artificial amb els seus models Alpha com AlphaFold (plegament de proteïnes), AlphaStar (StarCraft) i AlphaGo (jugant a Go). Aquests sistemes no es basaven en LLM, sinó que van revelar nous conceptes matemàtics.
Amb FunSearch, DeepMind va començar amb un mode d'idioma gran, una versió del PaLM 2 de Google anomenada Codey. Hi ha un segon nivell de LLM al treball, que analitza la producció de Codey i elimina la informació incorrecta. L'equip darrere d'aquest treball no sabia si aquest enfocament funcionaria i encara no està segur de per què, segons l'investigador DeepMind Alhussein Fawzi.
Per començar, els enginyers de DeepMind van crear una representació de Python del problema del conjunt de tapes, però van deixar de banda les línies que descriuen la solució. La feina de Codey era afegir línies que resolguessin el problema amb precisió. A continuació, la capa de comprovació d'errors puntua les solucions de Codey per veure si són precises. En matemàtiques d'alt nivell, les equacions poden tenir més d'una solució, però no totes es consideren igual de bones. Amb el temps, l'algoritme identifica les millors solucions de Codey i les torna a inserir al model.
DeepMind permet que FunSearch funcioni durant diversos dies, el temps suficient per generar milions de solucions possibles. Això va permetre a FunSearch perfeccionar el codi i produir millors resultats. Segons una investigació recentment publicada, L 'intel·ligència artificial va trobar una solució prèviament desconeguda però correcta al problema del conjunt de tapes. DeepMind també va alliberar FunSearch en un altre problema matemàtic difícil anomenat problema d'embalatge de contenidors, un algorisme que descriu la manera més eficient d'embalar contenidors. FunSearch va trobar una solució més ràpid que les calculades pels humans.
Els matemàtics encara estan lluitant per integrar la tecnologia LLM en el seu treball i el treball de DeepMind mostra un possible camí a seguir. L'equip creu que aquest enfocament té potencial perquè genera codi informàtic en lloc de la solució. Això sovint és més fàcil d'entendre i verificar que els resultats matemàtics en brut.
BlogInnovazione.it
El desenvolupament de la motricitat fina a través del color prepara els nens per a habilitats més complexes com escriure. Per acolorir...
El sector naval és una veritable potència econòmica mundial, que ha navegat cap a un mercat de 150 milions...
Dilluns passat, el Financial Times va anunciar un acord amb OpenAI. FT autoritza el seu periodisme de classe mundial...
Milions de persones paguen per serveis de streaming, pagant quotes de subscripció mensuals. És l'opinió comuna que tu...
