Artikel

DeepMind Google memecahkan masalah matematika dengan kecerdasan buatan

Kemajuan terbaru dalam model bahasa besar (LLM) telah membuat AI lebih mudah beradaptasi, namun hal ini memiliki sisi negatifnya: kesalahan.

AI generatif cenderung mengada-ada, tetapi Google DeepMind telah menghadirkan LLM baru yang berpegang pada kebenaran matematika.

FunSearch perusahaan dapat memecahkan masalah matematika yang sangat kompleks.

Ajaibnya, solusi yang dihasilkan tidak hanya akurat; itu adalah solusi yang benar-benar baru yang belum pernah ditemukan oleh manusia.

Perkiraan waktu membaca: 4 minuti

Disebut FunSearch karena mencari fungsi matematika, bukan karena menyenangkan. Namun, beberapa orang mungkin menganggap masalah cap set sebagai masalah yang menarik: para ahli matematika bahkan tidak dapat sepakat tentang cara terbaik untuk menyelesaikannya, sehingga menjadikannya sebuah misteri numerik yang nyata. DeepMind telah mencapai kemajuan dalam kecerdasan buatan dengan model Alpha-nya seperti AlphaFold (melipat protein), AlphaStar (StarCraft), dan AlphaGo (bermain Go). Sistem ini tidak didasarkan pada LLM, namun mengungkapkan konsep matematika baru.

Dengan Pencarian Menyenangkan, DeepMind dimulai dengan mode bahasa besar, versi PaLM 2 Google yang disebut Codey. Ada tingkat LLM kedua yang bekerja, yang menganalisis keluaran Codey dan menghilangkan informasi yang salah. Tim di balik penelitian ini tidak mengetahui apakah pendekatan ini akan berhasil dan masih belum yakin mengapa, menurut peneliti DeepMind Alhussein Fawzi.

Untuk memulai, para insinyur di DeepMind mereka membuat representasi Python dari masalah cap set, tetapi tidak menyertakan baris yang menjelaskan solusinya. Tugas Codey adalah menambahkan baris yang memecahkan masalah secara akurat. Lapisan pengecekan kesalahan kemudian menilai solusi Codey untuk melihat apakah solusi tersebut akurat. Dalam matematika tingkat tinggi, persamaan mungkin memiliki lebih dari satu solusi, namun tidak semuanya dianggap sama baiknya. Seiring waktu, algoritme mengidentifikasi solusi Codey terbaik dan memasukkannya kembali ke dalam model.

DeepMind memungkinkan FunSearch berjalan selama beberapa hari, cukup lama untuk menghasilkan jutaan kemungkinan solusi. Hal ini memungkinkan FunSearch menyempurnakan kode dan memberikan hasil yang lebih baik. Menurut penelitian yang baru diterbitkan, L 'kecerdasan buatan menemukan solusi yang sebelumnya tidak diketahui tetapi benar untuk masalah cap set. DeepMind juga membebaskan FunSearch dari masalah matematika sulit lainnya yang disebut masalah pengemasan kontainer, sebuah algoritma yang menjelaskan cara paling efisien untuk mengemas kontainer. FunSearch menemukan solusi lebih cepat dibandingkan yang dihitung oleh manusia.

Matematikawan masih berjuang untuk mengintegrasikan teknologi LLM ke dalam pekerjaan dan karya mereka DeepMind menunjukkan jalan yang mungkin untuk diikuti. Tim yakin pendekatan ini mempunyai potensi karena menghasilkan kode komputer, bukan solusi. Hal ini seringkali lebih mudah untuk dipahami dan diverifikasi daripada hasil matematis mentah.