товары

DeepMind от Google решает математические задачи с помощью искусственного интеллекта

Недавние достижения в области больших языковых моделей (LLM) сделали ИИ более адаптируемым, но у этого есть обратная сторона: ошибки.

Генеративный искусственный интеллект склонен все выдумывать, но Google DeepMind придумал новую LLM, которая придерживается математических истин.

FunSearch компании может решать очень сложные математические задачи.

Чудесным образом решения, которые он генерирует, не только точны; это совершенно новые решения, которые еще не нашел ни один человек.

Примерное время чтения: 4 Minuti

FunSearch называется так потому, что он ищет математические функции, а не потому, что это весело. Тем не менее, некоторые люди могут счесть проблему набора пределов нелепой: математики даже не могут договориться о том, как лучше всего ее решить, что делает ее настоящей числовой загадкой. DeepMind уже добилась успехов в области искусственного интеллекта с помощью своих моделей Alpha, таких как AlphaFold (складывание белка), AlphaStar (StarCraft) и AlphaGo (игра в го). Эти системы не были основаны на LLM, но открыли новые математические концепции.

С помощью FunSearch, DeepMind начался с большого языкового режима, версии Google PaLM 2 под названием Codey. Работает второй уровень LLM, который анализирует выходные данные Коди и исключает неверную информацию. По словам исследователя, команда, стоящая за этой работой, не знала, сработает ли этот подход, и до сих пор не знает, почему. DeepMind Аль-Хусейн Фаузи.

Для начала инженеры компании DeepMind они создали Python-представление проблемы с набором ограничений, но исключили строки, описывающие решение. Задача Коди заключалась в добавлении строк, которые точно решали проблему. Затем уровень проверки ошибок оценивает решения Коди, чтобы убедиться, что они точны. В математике высокого уровня уравнения могут иметь более одного решения, но не все они считаются одинаково хорошими. Со временем алгоритм определяет лучшие решения Коди и вставляет их обратно в модель.

DeepMind позволяет FunSearch работать в течение нескольких дней, чего достаточно, чтобы сгенерировать миллионы возможных решений. Это позволило FunSearch усовершенствовать код и добиться лучших результатов. Согласно недавно опубликованным исследованиям, Theискусственный интеллект нашел ранее неизвестное, но правильное решение проблемы с набором крышек. DeepMind также освободила FunSearch для решения еще одной сложной математической задачи, называемой проблемой упаковки контейнеров, алгоритма, который описывает наиболее эффективный способ упаковки контейнеров. FunSearch нашла решение быстрее, чем рассчитанное людьми.

Математики все еще пытаются интегрировать технологию LLM в свою работу и работу ученых. DeepMind показывает возможный путь следования. Команда считает, что у этого подхода есть потенциал, поскольку он генерирует компьютерный код, а не решение. Зачастую это легче понять и проверить, чем необработанные математические результаты.