Google's DeepMind lost wiskundige problemen op met kunstmatige intelligentie

Recente ontwikkelingen op het gebied van grote taalmodellen (LLM's) hebben AI flexibeler gemaakt, maar dit heeft een keerzijde: fouten.

Generatieve AI heeft de neiging dingen goed te maken, maar Google DeepMind heeft een nieuwe LLM bedacht die vasthoudt aan wiskundige waarheden.

De FunSearch van het bedrijf kan zeer complexe wiskundige problemen oplossen.

Wonder boven wonder zijn de oplossingen die het genereert niet alleen accuraat; het zijn compleet nieuwe oplossingen die geen mens ooit heeft gevonden.

Geschatte leestijd: 4 minuti

FunSearch wordt zo genoemd omdat het naar wiskundige functies zoekt, niet omdat het leuk is. Sommige mensen beschouwen het probleem van de cap-set echter misschien als een giller: wiskundigen kunnen het niet eens eens worden over de beste manier om het op te lossen, waardoor het een echt numeriek mysterie is. DeepMind heeft al vooruitgang geboekt op het gebied van kunstmatige intelligentie met zijn Alpha-modellen zoals AlphaFold (eiwitvouwen), AlphaStar (StarCraft) en AlphaGo (Go spelen). Deze systemen waren niet gebaseerd op LLM, maar onthulden nieuwe wiskundige concepten.

Met FunSearch, DeepMind begon met een grote taalmodus, een versie van Google's PaLM 2 genaamd Codey. Er is een tweede LLM-niveau aan het werk, dat de output van Codey analyseert en onjuiste informatie elimineert. Het team achter dit werk wist niet of deze aanpak zou werken en weet nog steeds niet waarom, aldus de onderzoeker DeepMind Alhussein Fawzi.

Om te beginnen de ingenieurs van DeepMind ze creëerden een Python-representatie van het cap-set-probleem, maar lieten de regels weg die de oplossing beschrijven. Codey's taak was om regels toe te voegen die het probleem nauwkeurig oplosten. De foutcontrolelaag beoordeelt vervolgens de Codey-oplossingen om te zien of ze accuraat zijn. In de wiskunde op hoog niveau kunnen vergelijkingen meer dan één oplossing hebben, maar ze worden niet allemaal als even goed beschouwd. Na verloop van tijd identificeert het algoritme de beste Codey-oplossingen en voegt deze terug in het model.

DeepMind laat FunSearch meerdere dagen draaien, lang genoeg om miljoenen mogelijke oplossingen te genereren. Hierdoor kon FunSearch de code verfijnen en betere resultaten opleveren. Dat blijkt uit nieuw gepubliceerd onderzoek,kunstmatige intelligentie een voorheen onbekende maar correcte oplossing gevonden voor het probleem met de dopset. DeepMind heeft FunSearch ook bevrijd van een ander moeilijk wiskundig probleem, het containerverpakkingsprobleem, een algoritme dat de meest efficiënte manier beschrijft om containers te verpakken. FunSearch vond sneller een oplossing dan door mensen berekend.

Wiskundigen worstelen nog steeds met het integreren van LLM-technologie in hun werk en het werk van DeepMind toont een mogelijk te volgen pad. Het team gelooft dat deze aanpak potentieel heeft omdat het computercode genereert in plaats van de oplossing. Dit is vaak gemakkelijker te begrijpen en te verifiëren dan ruwe wiskundige resultaten.

Gerelateerde lezingen

• Niet langer alleen maar geluk: fantasievoetbal wordt een analysemodel. Fantalgoritmo werd geboren, toen de wereld van fantasievoetbal de wiskunde ontmoette
• Gato, DeepMind en de race naar algemene kunstmatige intelligentie
• Wat is Predictive Analytics en waarom het belangrijk is in het bedrijfsleven?
• DUURZAME BEDRIJFSGEBOUWEN: MET ENERGIEMANAGEMENT EN KUNSTMATIGE INTELLIGENTIE KAN HET WERELDWIJDE ENERGIEVERBRUIK MET 30% VERLAGEN EN DE CO37-UITSTOOT MET 2%
• Innovatie en klantrelaties - ervaring en logisch-deductieve intelligentie

BlogInnovazione.it