預計閱讀時間: 4 minuti
FunSearch 之所以被稱為 FunSearch,是因為它搜尋數學函數,而不是因為它很有趣。然而,有些人可能認為上限設定問題很棘手:數學家甚至無法就如何最好地解決它達成一致,這使其成為一個真正的數字謎團。 DeepMind 已經憑藉 AlphaFold(蛋白質折疊)、AlphaStar(星海爭霸)和 AlphaGo(圍棋)等 Alpha 模型在人工智慧領域取得了進展。這些系統並非基於法學碩士,而是揭示了新的數學概念。
透過 FunSearch, DeepMind 首先是大語言模式,Google 的 PaLM 2 版本,名為 Codey。還有第二個法學碩士級別在起作用,它分析程程的輸出並消除不正確的資訊。研究人員表示,這項工作背後的團隊不知道這種方法是否有效,而且仍不確定原因 DeepMind 阿爾侯賽因·法齊。
首先,工程師們 DeepMind 他們創建了上限集問題的 Python 表示,但省略了描述解決方案的行。 Codey 的工作是增加準確解決問題的線路。然後,錯誤檢查層會對 Codey 解決方案進行評分,以查看它們是否準確。在高級數學中,方程式可能有多個解,但並非所有解都被認為同樣好。隨著時間的推移,演算法會識別出最佳的 Codey 解決方案並將其插入模型中。
DeepMind 讓 FunSearch 運作幾天,足以產生數百萬個可能的解決方案。這使得 FunSearch 能夠優化程式碼並產生更好的結果。 根據最新發表的研究L'人工智能 找到了一個以前未知但正確的解決上限設定問題的方法。 DeepMind FunSearch 也讓 FunSearch 能夠解決另一個困難的數學問題,即貨櫃包裝問題,演算法描述了包裝貨櫃最有效的方法。 FunSearch 找到解決方案的速度比人類計算的速度還要快。
數學家們仍在努力將 LLM 技術融入他們的工作以及 DeepMind 顯示了一條可能遵循的路徑。團隊認為這種方法具有潛力,因為它會產生電腦程式碼而不是解決方案。這通常比原始數學結果更容易理解和驗證。
BlogInnovazione.it