DeepMind od Google rieši matematické problémy s umelou inteligenciou

Nedávne pokroky vo veľkých jazykových modeloch (LLM) spôsobili, že AI je prispôsobiteľnejšia, ale má to aj nevýhodu: chyby.

Generatívna AI má tendenciu veci vymýšľať, ale Google DeepMind prišiel s novým LLM, ktorý sa drží matematických právd.

FunSearch spoločnosti dokáže vyriešiť veľmi zložité matematické problémy.

Ako zázrakom sú riešenia, ktoré generuje, nielen presné; sú to úplne nové riešenia, ktoré žiadna ľudská bytosť nikdy nenašla.

Odhadovaný čas čítania: 4 minúty

FunSearch sa tak volá preto, lebo hľadá matematické funkcie, nie preto, že by bol zábavný. Niektorí ľudia by však mohli považovať problém s množinou čiapok za blbosť: matematici sa ani nevedia zhodnúť na tom, ako ho najlepšie vyriešiť, čo z neho robí skutočnú číselnú záhadu. Deepmind už urobil pokroky v oblasti umelej inteligencie so svojimi modelmi Alpha, ako sú AlphaFold (skladanie bielkovín), AlphaStar (StarCraft) a AlphaGo (hranie Go). Tieto systémy neboli založené na LLM, ale odhalili nové matematické koncepty.

S FunSearch, Deepmind začal s veľkým jazykovým režimom, verziou Google PaLM 2 s názvom Codey. Funguje tu druhá úroveň LLM, ktorá analyzuje výstup Codey a eliminuje nesprávne informácie. Tím, ktorý stojí za touto prácou, nevedel, či tento prístup bude fungovať, a podľa výskumníka si stále nie je istý prečo Deepmind Alhussein Fawzi.

Na začiatok inžinieri v Deepmind vytvorili pythonskú reprezentáciu problému s množinou cap, ale vynechali riadky popisujúce riešenie. Codeyho úlohou bolo pridať riadky, ktoré presne vyriešili problém. Vrstva kontroly chýb potom hodnotí riešenia Codey, aby zistila, či sú presné. V matematike na vysokej úrovni môžu mať rovnice viac ako jedno riešenie, ale nie všetky sa považujú za rovnako dobré. Postupom času algoritmus identifikuje najlepšie riešenia Codey a vloží ich späť do modelu.

DeepMind umožňuje FunSearch bežať niekoľko dní, dostatočne dlho na to, aby vygenerovalo milióny možných riešení. To umožnilo FunSearch vylepšiť kód a poskytnúť lepšie výsledky. Podľa novo publikovaného výskumu, Theumelá inteligencia našli predtým neznáme, ale správne riešenie problému so sadou čiapok. Deepmind tiež oslobodil FunSearch od ďalšieho zložitého matematického problému nazývaného problém balenia kontajnerov, algoritmu, ktorý popisuje najefektívnejší spôsob balenia kontajnerov. FunSearch našiel riešenie rýchlejšie ako tie, ktoré vypočítali ľudia.

Matematici sa stále snažia integrovať technológiu LLM do svojej práce a práce spoločnosti Deepmind ukazuje možnú cestu, ktorou sa treba vydať. Tím verí, že tento prístup má potenciál, pretože generuje skôr počítačový kód ako riešenie. Toto je často ľahšie pochopiteľné a overiteľné ako surové matematické výsledky.

Súvisiace čítania

• Už to nie je len šťastie: fantasy futbal sa stáva modelom analýzy. Fantalgoritmo sa zrodilo, keď sa svet fantasy futbalu stretol s matematikou
• Gato, DeepMind a preteky smerom k všeobecnej umelej inteligencii
• Čo je prediktívna analytika a prečo je v podnikaní dôležitá
• UDRŽATEĽNÉ OBCHODNÉ BUDOVY: S ENERGETICKÝM RIADENÍM A UMELOU INTELIGENCIOU JE MOŽNÉ ZNÍŽIŤ GLOBÁLNU SPOTREBU ENERGIE O 30 % A EMISIE CO37 O 2 %
• Inovácie a vzťahy so zákazníkmi – skúsenosti a logicko-deduktívna inteligencia

BlogInnovazione.it