DeepMind di Google risolve problemi matematici con l’intelligenza artificiale

I recenti progressi nei modelli linguistici di grandi dimensioni (LLM) hanno reso l’intelligenza artificiale più adattabile, ma ciò comporta uno svantaggio: gli errori.

L’intelligenza artificiale generativa tende a inventare le cose, ma Google DeepMind ha ideato un nuovo LLM che si attiene alle verità matematiche.

FunSearch dell’azienda può risolvere problemi di matematica altamente complessi.

Miracolosamente, le soluzioni che genera non sono solo accurate; sono soluzioni completamente nuove che nessun essere umano ha mai trovato.

Tempo di lettura stimato: 4 minuti

FunSearch si chiama così perché cerca funzioni matematiche, non perché sia ​​divertente. Tuttavia, alcune persone potrebbero considerare il problema del cap set un vero e proprio spasso: i matematici non riescono nemmeno a mettersi d’accordo su come risolverlo al meglio, rendendolo un vero e proprio mistero numerico. DeepMind ha già fatto progressi nell’intelligenza artificiale con i suoi modelli Alpha come AlphaFold ( ripiegamento delle proteine ), AlphaStar ( StarCraft ) e AlphaGo ( giocare a Go ). Questi sistemi non erano basati su LLM, ma rivelavano nuovi concetti matematici.

Con FunSearch, DeepMind ha iniziato con una modalità linguistica di grandi dimensioni, una versione di PaLM 2 di Google chiamata Codey. C’è un secondo livello LLM al lavoro, che analizza l’output di Codey ed elimina le informazioni errate. Il team dietro questo lavoro non sapeva se questo approccio avrebbe funzionato e non è ancora sicuro del perché, secondo il ricercatore di DeepMind Alhussein Fawzi.

Per iniziare, gli ingegneri di DeepMind hanno creato una rappresentazione Python del problema del cap set, ma hanno tralasciato le righe che descrivevano la soluzione. Il compito di Codey era aggiungere righe che risolvessero accuratamente il problema. Il livello di controllo degli errori assegna quindi un punteggio alle soluzioni Codey per vedere se sono accurate. Nella matematica di alto livello, le equazioni possono avere più di una soluzione, ma non tutte sono considerate ugualmente buone. Nel tempo, l’algoritmo identifica le migliori soluzioni di Codey e le reinserisce nel modello.

DeepMind lascia che FunSearch funzioni per diversi giorni, abbastanza a lungo da generare milioni di possibili soluzioni. Ciò ha consentito a FunSearch di perfezionare il codice e produrre risultati migliori. Secondo la ricerca appena pubblicata, l’intelligenza artificiale ha trovato una soluzione precedentemente sconosciuta ma corretta al problema del cap set. DeepMind ha anche liberato FunSearch su un altro difficile problema matematico chiamato problema dell’imballaggio dei contenitori, un algoritmo che descrive il modo più efficiente per imballare i contenitori. FunSearch ha trovato una soluzione più rapida di quelle calcolate dagli esseri umani.

I matematici stanno ancora lottando per integrare la tecnologia LLM nel loro lavoro e il lavoro di DeepMind mostra un possibile percorso da seguire. Il team ritiene che questo approccio abbia del potenziale perché genera codice informatico anziché la soluzione. Questo è spesso più facile da comprendere e verificare rispetto ai risultati matematici grezzi.

Letture Correlate

• Non più solo fortuna: il fantacalcio diventa un modello di analisi. Nasce Fantalgoritmo, quando il mondo del fantasy football incontra la matematica
• Gato, DeepMind e la corsa verso l’intelligenza artificiale generale
• Cos’è l’Analisi predittiva, e perché è importante negli affari
• EDIFICI COMMERCIALI SOSTENIBILI: CON L’ENERGY MANAGEMENT E L’INTELLIGENZA ARTIFICIALE SI PUO’ RIDURRE DEL 30% IL CONSUMO ENERGETICO GLOBALE E DEL 37% LE EMISSIONI DI CO2
• L’innovazione e la relazione di clientela – l’esperienza e l’intelligenza logico-deduttiva

BlogInnovazione.it