DeepMind від Google вирішує математичні проблеми за допомогою штучного інтелекту
Нещодавні досягнення у великих мовних моделях (LLM) зробили штучний інтелект більш адаптивним, але це має недолік: помилки.
Генеративний штучний інтелект має тенденцію вигадувати речі, але Google DeepMind запропонував новий LLM, який дотримується математичних істин.
Компанія FunSearch може вирішувати дуже складні математичні задачі.
Дивним чином, рішення, які він генерує, не тільки точні; це абсолютно нові рішення, яких ще не знайшла жодна людина.
Приблизний час читання: 4 хвилин
FunSearch називається так тому, що він шукає математичні функції, а не тому, що це весело. Тим не менш, деякі люди можуть вважати проблему обмеження множиною пустою: математики навіть не можуть дійти згоди щодо того, як найкраще її вирішити, що робить її справжньою чисельною таємницею. Deepmind ha già fatto progressi nell’штучний інтелект 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.
З FunSearch, Deepmind починався з великого мовного режиму, версії Google PaLM 2 під назвою Codey. Працює другий рівень LLM, який аналізує результати Коді та усуває невірну інформацію. За словами дослідника, команда, яка стоїть за цією роботою, не знала, чи спрацює цей підхід, і досі не впевнена чому Deepmind Альхусейн Фаузі.
Для початку інженери в 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’алгоритм identifica le migliori soluzioni di Codey e le reinserisce nel modello.
DeepMind дозволяє FunSearch працювати протягом кількох днів, достатньо довго, щоб створити мільйони можливих рішень. Це дозволило FunSearch удосконалити код і отримати кращі результати. Згідно з нещодавно опублікованими дослідженнями, L 'штучний інтелект знайшов раніше невідоме, але правильне рішення проблеми набору лімітів. Deepmind ha anche liberato FunSearch su un altro difficile problema matematico chiamato problema dell’imballaggio dei contenitori, un алгоритм che descrive il modo più efficiente per imballare i contenitori. FunSearch ha trovato una soluzione più rapida di quelle calcolate dagli esseri umani.
Математики все ще намагаються інтегрувати технологію LLM у свою роботу та роботу Deepmind показує можливий шлях для слідування. Команда вважає, що цей підхід має потенціал, оскільки він генерує комп’ютерний код, а не рішення. Це часто легше зрозуміти та перевірити, ніж необроблені математичні результати.
Пов'язані читання
BlogInnovazione.it
