Штучний інтелект давно намагається імітувати логічні міркування, подібні до людини. Незважаючи на те, що він досяг масового прогресу в розпізнаванні моделей, абстрактні міркування та символічні відрахування залишаються важкими проблемами для ШІ. Це обмеження стає особливо очевидним, коли AI використовується для математичного вирішення проблем, дисципліни, яка вже давно є свідченням людських когнітивних здібностей, таких як логічне мислення, творчість та глибоке розуміння. На відміну від інших галузей математики, які покладаються на формули та алгебраїчні маніпуляції, геометрія відрізняється. Він вимагає не лише структурованих, покрокових міркувань, але й здатності розпізнавати приховані стосунки та навички побудувати додаткові елементи для вирішення проблем.
Тривалий час ці здібності вважалися унікальними для людини. Однак Google DeepMind працює над розробкою AI, який може вирішити ці складні завдання міркувань. Минулого року вони представили Альфагометріясистема AI, яка поєднує в собі прогнозну силу нейронних мереж із структурованою логікою символічних міркувань для вирішення складних проблем геометрії. Ця система зробила суттєвий вплив, вирішивши 54% міжнародних проблем з математичною олімпіадою (IMO) для досягнення продуктивності нарівні срібні медалісти. Нещодавно вони взяли це ще далі Альфагометрія2що досягло неймовірної 84% -ної швидкості для перевершення середнього золотого медаліста ІМО.
У цій статті ми вивчимо ключові інновації, які допомогли Alphageometry2 досягти цього рівня ефективності та що означає цей розвиток для майбутнього ШІ у вирішенні складних проблем міркувань. Але перед тим, як зануритися в те, що робить Alphageometry2 особливим, спочатку важливо зрозуміти, що таке альфагометрія та як вона працює.
Алфагометрія: піонерство AI в геометрії вирішення проблем
Альфагометрія є системою AI, розробленою для вирішення складних проблем геометрії на рівні ІМО. Це в основному нейросимболічна система, яка поєднує модель нейронної мови з символічним двигуном відведення. Модель нейронної мови допомагає системі передбачити нові геометричні конструкції, тоді як символічний AI застосовує формальну логіку для отримання доказів. Ця установка дозволяє Alphageometry думати більше як про людину, поєднуючи можливості розпізнавання шаблонів нейронних мереж, які реплікують інтуїтивне мислення людини з структурованим міркуванням формальної логіки, яка імітує людські дедуктивні міркування. Однією з ключових нововведень у альфагометрії було те, як вона генерувала дані про навчання. Замість того, щоб покладатися на людські демонстрації, він створив один мільярд випадкових геометричних діаграм та систематично похідні відносини між точками та лініями. Цей процес створив величезний набір даних із 100 мільйонів унікальних прикладів, що допомагає нейронній моделі передбачити функціональні геометричні конструкції та керувати символічним двигуном на точні рішення. Цей гібридний підхід дозволив альфагометрію вирішити 25 з 30 проблем з геометрією Олімпіади в межах стандартного часу конкуренції, що тісно відповідає ефективності провідних конкурентів людини.
Як Alphageometry2 досягає підвищення продуктивності
У той час як альфагометрія була проривом математичних міркувань, керованих AI, вона мала певні обмеження. Він боровся з вирішенням складних проблем, не вистачає ефективності у вирішенні широкого спектру проблем з геометрією та мав обмеження в охопленні проблем. Подолати ці перешкоди, Альфагометрія2 представляє низку значних вдосконалень:
- Розширення здатності AI розуміти більш складні проблеми геометрії
Одним з найбільш значущих поліпшень Alphageometry2 є її здатність працювати з більш широким спектром проблем з геометрією. Колишня альфагометрія боролася з проблемами, що стосуються лінійних рівнянь кутів, співвідношень та відстаней, а також тих, які вимагали міркувань щодо переміщення точок, ліній та кола. Alphageometry2 долає ці обмеження, вводячи більш вдосконалену мовну модель, яка дозволяє їй описати та аналізувати ці складні проблеми. Як результат, тепер він може вирішити 88% усіх проблем з геометрією ІМО за останні два десятиліття, що значне збільшення порівняно з попередніми 66%.
- Швидший та більш ефективний двигун вирішення проблем
Ще одна ключова причина, що Alphageometry2 працює так добре, – це його вдосконалений символічний двигун. Цей двигун, який служить логічним ядром цієї системи, був покращений кількома способами. По-перше, вдосконалено для роботи з більш вишуканим набором правил вирішення проблем, що робить його більш ефективним та швидшим. По -друге, тепер він може розпізнати, коли різні геометричні конструкції представляють однакову точку в проблемі, що дозволяє їй гнучкіше міркувати. Нарешті, двигун був переписаний у C ++, а не Python, що робить його понад 300 разів швидше, ніж раніше. Цей приріст швидкості дозволяє Alphageometry2 швидше та ефективно генерувати рішення.
- Навчання ШІ з більш складними та різноманітними проблемами геометрії
Ефективність нейронної моделі Alphageometry2 випливає з великої підготовки проблем синтетичної геометрії. Альфагометрія спочатку генерувала один мільярд випадкових геометричних діаграм для створення 100 мільйонів унікальних прикладів тренувань. Alphageometry2 робить цей крок далі, генеруючи більш обширні та складніші діаграми, які включають складні геометричні відносини. Крім того, тепер він включає проблеми, які потребують введення допоміжних конструкцій – менш визначених точок або ліній, які допомагають вирішити проблему, що дозволяє їй прогнозувати та генерувати більш складні рішення
- Пошук найкращого шляху до рішення зі розумнішими стратегіями пошуку
Ключовим нововведенням Alphageometry2 є її новий підхід до пошуку, який називається спільним ансамблем знань з пошукових дерев (Skest). На відміну від свого попередника, який спирався на базовий метод пошуку, Alphageometry2 проводить паралельно кілька пошуків, з кожним пошуком від інших. Ця методика дозволяє йому досліджувати більш широкий спектр можливих рішень і значно покращує здатність ШІ вирішувати складні проблеми за коротший час.
- Навчання з більш досконалої мови моделі
Ще одним ключовим фактором успіху Alphageometry2 є її прийняття Модель Gemini Googleнайсучасніша модель AI, яка пройшла підготовку до ще більш широкого та різноманітнішого набору математичних проблем. Ця нова мовна модель покращує здатність Alphageometry2 генерувати покрокові рішення завдяки вдосконаленому ланцюжку міркувань. Тепер Alphageometry2 може підходити до проблем більш структурованим способом. Тонко налаштовуючи свої прогнози та навчаючись з різних типів проблем, система тепер може вирішити набагато більш значний відсоток питань геометрії на рівні олімпіади.
Досягнення результатів, які перевершують чемпіонів Олімпіади людини
Завдяки вищезазначеним прогресом Alphageometry2 вирішує 42 з 50 проблем з геометрією IMO 2000-2024 років, досягнувши 84% успішності. Ці результати перевершують продуктивність середній золотий медаліст ІМО і встановіть новий стандарт для математичних міркувань, керованих AI. Крім своєї вражаючої продуктивності, Alphageometry2 також досягає успіхів у підтвердженні теореми, що наближає нас до систем AI, які можуть не тільки вирішити проблеми з геометрією, але й пояснити їх міркування таким чином, щоб люди могли зрозуміти
Майбутнє ШІ в математичних міркуваннях
Прогрес від альфагометрії до Alphageometry2 показує, як AI стає кращим у вирішенні складних математичних проблем, які потребують глибокого мислення, логіки та стратегії. Це також означає, що AI більше не лише в розпізнаванні моделей-це може бути причиною, робити зв’язки та вирішувати проблеми способами, які більше схожі на людські логічні міркування.
Alphageometry2 також показує нам, на що може бути здатне в майбутньому AI. Замість того, щоб просто дотримуватися інструкцій, AI може почати самостійно вивчати нові математичні ідеї і навіть допомогти в наукових дослідженнях. Поєднуючи нейронні мережі з логічними міркуваннями, AI може бути не просто інструментом, який може автоматизувати прості завдання, а кваліфікований партнер, який допомагає розширити людські знання в галузях, які покладаються на критичне мислення.
Чи можемо ми вступити в епоху, коли AI доводить теореми та робить нові відкриття фізики, інженерії та біології? Коли AI переходить від розрахунків грубої сили до більш продуманого вирішення проблем, ми можемо бути на межі майбутнього, де люди та ШІ працюють разом, щоб розкрити ідеї, які ми ніколи не вважали можливими.
