Google-ის DeepMind ხსნის მათემატიკურ ამოცანებს ხელოვნური ინტელექტით

დიდი ენების მოდელებში (LLM) ბოლოდროინდელმა მიღწევებმა ხელოვნური ინტელექტი უფრო ადაპტირებადი გახადა, მაგრამ ამას თან ახლავს უარყოფითი მხარე: შეცდომები.

გენერაციული AI მიდრეკილია რაღაცეების შედგენისკენ, მაგრამ Google DeepMind-მა მოიფიქრა ახალი LLM, რომელიც მათემატიკურ ჭეშმარიტებას ემორჩილება.

კომპანიის FunSearch-ს შეუძლია გადაჭრას უაღრესად რთული მათემატიკური ამოცანები.

სასწაულებრივად, მის მიერ წარმოქმნილი გადაწყვეტილებები არა მხოლოდ ზუსტია; ისინი სრულიად ახალი გადაწყვეტილებებია, რომლებიც ჯერ არცერთ ადამიანს არ უპოვია.

კითხვის სავარაუდო დრო: 4 მინუტი

FunSearch-ს იმიტომ უწოდებენ, რომ ის ეძებს მათემატიკურ ფუნქციებს და არა იმიტომ, რომ სახალისოა. თუმცა, ზოგიერთმა შეიძლება ჩათვალოს ქუდების ნაკრების პრობლემა: მათემატიკოსები ვერც კი შეთანხმდებიან იმაზე, თუ როგორ უნდა გადაჭრას ის, რაც მას ნამდვილ ციფრულ საიდუმლოდ აქცევს. Deepmind უკვე მიაღწია წინსვლას ხელოვნურ ინტელექტში თავისი Alpha მოდელებით, როგორიცაა AlphaFold (ცილის დასაკეცი), AlphaStar (StarCraft) და AlphaGo (თამაშის Go). ეს სისტემები არ იყო დაფუძნებული LLM-ზე, მაგრამ გამოავლინეს ახალი მათემატიკური ცნებები.

FunSearch-ით, Deepmind დაიწყო დიდი ენის რეჟიმით, Google-ის PaLM 2-ის ვერსიით, სახელწოდებით Codey. მუშაობს მეორე LLM დონე, რომელიც აანალიზებს Codey-ის შედეგებს და აღმოფხვრის არასწორ ინფორმაციას. მკვლევარის თქმით, ამ სამუშაოს მიღმა გუნდმა არ იცოდა, იმუშავებდა თუ არა ეს მიდგომა და ჯერ კიდევ არ არის დარწმუნებული, რატომ Deepmind ალჰუსეინ ფავზი.

დასაწყისისთვის, ინჟინრები ზე Deepmind მათ შექმნეს პითონის გამოსახულება cap set პრობლემის შესახებ, მაგრამ გამოტოვეს ხაზები, რომლებიც აღწერს გადაწყვეტას. Codey-ის ამოცანა იყო დაემატებინა ხაზები, რომლებიც ზუსტად აგვარებდნენ პრობლემას. შეცდომის შემოწმების ფენა შემდეგ აფასებს Codey გადაწყვეტილებებს, რათა ნახოს, არის თუ არა ისინი ზუსტი. მაღალი დონის მათემატიკაში განტოლებებს შეიძლება ჰქონდეთ ერთზე მეტი ამონახსნი, მაგრამ ყველა არ ითვლება ერთნაირად კარგი. დროთა განმავლობაში, ალგორითმი განსაზღვრავს საუკეთესო Codey გადაწყვეტილებებს და აბრუნებს მათ მოდელში.

DeepMind საშუალებას აძლევს FunSearch-ს რამდენიმე დღის განმავლობაში იმუშაოს, რაც საკმარისია მილიონობით შესაძლო გადაწყვეტის შესაქმნელად. ამან საშუალება მისცა FunSearch-ს დაეხვეწა კოდი და უკეთესი შედეგი გამოეღო. ახლად გამოქვეყნებული კვლევის მიხედვით, L 'ხელოვნური ინტელექტი იპოვა ადრე უცნობი, მაგრამ სწორი გადაწყვეტა ქუდების ნაკრების პრობლემისთვის. Deepmind ასევე გაათავისუფლა FunSearch კიდევ ერთი რთული მათემატიკური პრობლემის შესახებ, სახელწოდებით კონტეინერის შეფუთვის პრობლემა, ალგორითმი, რომელიც აღწერს კონტეინერების შეფუთვის ყველაზე ეფექტურ გზას. FunSearch-მა იპოვა გამოსავალი უფრო სწრაფად, ვიდრე ადამიანების მიერ გამოთვლილი.

მათემატიკოსები ჯერ კიდევ იბრძვიან LLM ტექნოლოგიის ინტეგრირებისთვის თავიანთ საქმიანობაში და მუშაობაში Deepmind აჩვენებს შესაძლო გზას. გუნდი თვლის, რომ ამ მიდგომას აქვს პოტენციალი, რადგან ის წარმოქმნის კომპიუტერულ კოდს და არა გამოსავალს. ამის გაგება და გადამოწმება ხშირად უფრო ადვილია, ვიდრე დაუმუშავებელი მათემატიკური შედეგები.