מאמרים

DeepMind של גוגל פותר בעיות מתמטיות באמצעות בינה מלאכותית

ההתקדמות האחרונה במודלים של שפה גדולה (LLMs) הפכה את הבינה המלאכותית לסתגלנית יותר, אבל זה בא עם חיסרון: שגיאות.

AI גנרטיבי נוטה להמציא דברים, אבל Google DeepMind המציא LLM חדש שדבק באמיתות מתמטיות.

FunSearch של החברה יכול לפתור בעיות מתמטיות מורכבות ביותר.

באורח פלא, הפתרונות שהיא מייצרת לא רק מדויקים; הם פתרונות חדשים לחלוטין שאף בן אדם לא מצא מעולם.

זמן קריאה משוער: 4 דקות

FunSearch נקרא כך כי הוא מחפש פונקציות מתמטיות, לא כי זה כיף. עם זאת, אנשים מסוימים עשויים להתייחס לבעיית סט הכובעים כצעקה: מתמטיקאים אפילו לא יכולים להסכים על הדרך הטובה ביותר לפתור אותה, מה שהופך אותה לתעלומה מספרית אמיתית. Deepmind כבר עשתה התקדמות בתחום הבינה המלאכותית עם דגמי ה-Alpha שלה כמו AlphaFold (קיפול חלבון), AlphaStar (StarCraft) ו-AlphaGo (משחק Go). מערכות אלו לא התבססו על LLM, אלא חשפו מושגים מתמטיים חדשים.

עם FunSearch, Deepmind התחיל עם מצב שפה גדול, גרסה של PaLM 2 של גוגל בשם Codey. ישנה רמת LLM שנייה בעבודה, שמנתחת את הפלט של Codey ומבטלת מידע שגוי. הצוות שמאחורי העבודה הזו לא ידע אם גישה זו תעבוד ועדיין אינו בטוח מדוע, לדברי החוקר Deepmind אלחוסיין פאוזי.

כדי להתחיל, המהנדסים ב Deepmind הם יצרו ייצוג Python של בעיית ה-cap, אך השאירו את השורות המתארות את הפתרון. תפקידו של קודי היה להוסיף שורות שפתרו את הבעיה במדויק. שכבת בדיקת השגיאות מדרגת את פתרונות Codey כדי לראות אם הם מדויקים. במתמטיקה ברמה גבוהה, למשוואות עשויות להיות יותר מפתרון אחד, אך לא כולן נחשבות טובות באותה מידה. עם הזמן, האלגוריתם מזהה את פתרונות Codey הטובים ביותר ומכניס אותם בחזרה למודל.

DeepMind מאפשר ל-FunSearch לפעול במשך מספר ימים, מספיק זמן כדי ליצור מיליוני פתרונות אפשריים. זה אפשר ל-FunSearch לחדד את הקוד ולהפיק תוצאות טובות יותר. על פי מחקר חדש שפורסם, L 'בינה מלאכותית מצא פתרון לא ידוע בעבר אך נכון לבעיית ערכת המכסים. Deepmind גם שיחרר את FunSearch בבעיה מתמטית קשה נוספת בשם בעיית האריזה של מיכל, אלגוריתם שמתאר את הדרך היעילה ביותר לארוז מכולות. FunSearch מצא פתרון מהיר יותר מאלה שחושבו על ידי בני אדם.

מתמטיקאים עדיין נאבקים לשלב את טכנולוגיית LLM בעבודתם ובעבודה של Deepmind מראה דרך אפשרית ללכת בה. הצוות מאמין שלגישה זו יש פוטנציאל מכיוון שהיא מייצרת קוד מחשב ולא את הפתרון. זה לרוב קל יותר להבנה ולאימות מאשר תוצאות מתמטיות גולמיות.