Googlov DeepMind rešuje matematične probleme z umetno inteligenco

Nedavni napredek v velikih jezikovnih modelih (LLM) je naredil AI bolj prilagodljiv, vendar ima to slabo stran: napake.

Generativna umetna inteligenca se nagiba k izmišljevanju stvari, vendar je Google DeepMind pripravil nov LLM, ki se drži matematičnih resnic.

FunSearch podjetja lahko reši zelo zapletene matematične probleme.

Čudežno, rešitve, ki jih ustvari, niso samo točne; so popolnoma nove rešitve, ki jih še noben človek ni našel.

Predvideni čas branja: 4 min

FunSearch se tako imenuje, ker išče matematične funkcije, ne zato, ker je zabaven. Vendar pa nekateri ljudje morda menijo, da je težava z zgornjo mejo nabora huda: matematiki se ne morejo strinjati niti o tem, kako bi jo najbolje rešili, zaradi česar je prava numerična skrivnost. Deepmind je že napredoval na področju umetne inteligence s svojimi modeli Alpha, kot so AlphaFold (zvijanje beljakovin), AlphaStar (StarCraft) in AlphaGo (igranje Go). Ti sistemi niso temeljili na LLM, ampak so razkrili nove matematične koncepte.

Z FunSearch, Deepmind začel z velikim jezikovnim načinom, različico Googlovega PaLM 2, imenovano Codey. Na delu je druga stopnja LLM, ki analizira Codeyjev rezultat in izloči napačne informacije. Ekipa, ki stoji za tem delom, ni vedela, ali bo ta pristop deloval, in po mnenju raziskovalca še vedno ni prepričana, zakaj Deepmind Alhussein Fawzi.

Za začetek so inženirji pri Deepmind ustvarili so Pythonovo predstavitev problema z zgornjo mejo, vendar so izpustili vrstice, ki opisujejo rešitev. Codeyjeva naloga je bila dodati vrstice, ki so natančno rešile problem. Plast za preverjanje napak nato oceni rešitve Codey, da ugotovi, ali so točne. V matematiki na visoki ravni imajo lahko enačbe več kot eno rešitev, vendar se vse ne štejejo za enako dobre. Sčasoma algoritem identificira najboljše rešitve Codey in jih vstavi nazaj v model.

DeepMind omogoča FunSearch delovati več dni, dovolj dolgo, da ustvari milijone možnih rešitev. To je FunSearchju omogočilo, da izboljša kodo in ustvari boljše rezultate. Glede na novo objavljeno raziskavo, L 'umetna inteligenca našel prej neznano, a pravilno rešitev za problem nabora kapic. Deepmind FunSearch je prav tako osvobodil druge težke matematične težave, imenovane problem pakiranja zabojnikov, algoritem, ki opisuje najučinkovitejši način pakiranja zabojnikov. FunSearch je našel rešitev hitreje od tistih, ki so jih izračunali ljudje.

Matematiki se še vedno trudijo vključiti tehnologijo LLM v svoje delo in delo Deepmind prikazuje možno pot, ki ji je treba slediti. Ekipa verjame, da ima ta pristop potencial, ker ustvari računalniško kodo in ne rešitve. To je pogosto lažje razumeti in preveriti kot neobdelane matematične rezultate.

Sorodna branja

• Ni več samo sreča: fantazijski nogomet postane model analize. Fantalgoritmo se je rodil, ko se svet fantazijskega nogometa sreča z matematiko
• Gato, DeepMind in tekma proti splošni umetni inteligenci
• Kaj je napovedna analitika in zakaj je pomembna v poslu
• TRAJNOSTNE POSLOVNE STAVBE: Z UPRAVLJANJEM Z ENERGIJO IN UMETNO INTELIGENCO JE LAHKO ZMANJŠATI GLOBALNO PORABO ENERGIJE ZA 30 % IN IZPUSTE CO37 ZA 2 %
• Inovativnost in odnosi s kupci - izkušnje in logično-deduktivna inteligenca

BlogInnovazione.it