Cikkek

A Google DeepMind programja matematikai problémákat old meg mesterséges intelligenciával

A nagy nyelvi modellek (LLM) legújabb fejlesztései az AI-t alkalmazkodóbbá tették, de ennek van egy hátránya is: hibák.

A generatív mesterséges intelligencia hajlamos kitalálni a dolgokat, de a Google DeepMind egy új LLM-mel állt elő, amely ragaszkodik a matematikai igazságokhoz.

A cég FunSearch-je rendkívül összetett matematikai feladatokat tud megoldani.

Csodával határos módon az általa generált megoldások nemcsak pontosak; ezek teljesen új megoldások, amelyeket még soha egyetlen ember sem talált meg.

Becsült olvasási idő: 4 minuti

A FunSearch-t azért hívják így, mert matematikai függvényeket keres, nem pedig azért, mert szórakoztató. Vannak azonban, akik a kupakkészlet problémáját pofátlannak tartják: a matematikusok még abban sem tudnak megegyezni, hogy miként lehetne a legjobban megoldani, így ez egy igazi numerikus rejtély. DeepMind már előrehaladást ért el a mesterséges intelligencia terén olyan Alpha modelljeivel, mint az AlphaFold (fehérjehajtogatás), az AlphaStar (StarCraft) és az AlphaGo (játszik a Go-val). Ezek a rendszerek nem az LLM-en alapultak, hanem új matematikai fogalmakat tártak fel.

A FunSearch segítségével DeepMind egy nagy nyelvi móddal kezdődött, a Google PaLM 2 Codey nevű verziójával. Működik egy második LLM szint, amely elemzi a Codey kimenetét, és kiküszöböli a helytelen információkat. A kutató szerint a munka mögött álló csapat nem tudta, hogy ez a megközelítés működni fog-e, és még mindig nem tudja, miért DeepMind Alhussein Fawzi.

Kezdésként a mérnökök a DeepMind elkészítették a cap halmaz problémájának Python reprezentációját, de kihagyták a megoldást leíró sorokat. Codey feladata az volt, hogy olyan sorokat adjon hozzá, amelyek pontosan megoldották a problémát. A hibaellenőrző réteg ezután pontozza a Codey-megoldásokat, hogy megnézze, pontosak-e. A magas szintű matematikában az egyenleteknek több megoldása is lehet, de nem mindegyik tekinthető egyformán jónak. Idővel az algoritmus azonosítja a legjobb Codey-megoldásokat, és visszahelyezi őket a modellbe.

A DeepMind lehetővé teszi a FunSearch futtatását több napig, ami elég hosszú ahhoz, hogy több millió lehetséges megoldást generáljon. Ez lehetővé tette a FunSearch számára, hogy finomítsa a kódot, és jobb eredményeket produkáljon. A frissen publikált kutatás szerint, L 'mesterséges intelligencia talált egy korábban ismeretlen, de helyes megoldást a kupakkészlet problémájára. DeepMind a FunSearch egy másik nehéz matematikai problémát is felszabadított, a konténercsomagolási problémát, egy olyan algoritmust, amely leírja a konténerek csomagolásának leghatékonyabb módját. A FunSearch gyorsabban talált megoldást, mint az emberek által kiszámítottak.

A matematikusok továbbra is küzdenek azért, hogy az LLM technológiát beépítsék a munkájukba és a munkájukba DeepMind lehetséges követendő utat mutat be. A csapat úgy véli, hogy ebben a megközelítésben van lehetőség, mert számítógépes kódot generál, nem pedig megoldást. Ezt gyakran könnyebb megérteni és ellenőrizni, mint a nyers matematikai eredményeket.