I ricercatori di DeepMind hanno sviluppato AlphaGeometry, un sistema di intelligenza artificiale con una capacità senza precedenti di risolvere problemi di geometria di livello olimpico.
I problemi matematici delle Olimpiadi sono problemi matematici complessi tipicamente posti nelle competizioni matematiche internazionali, come le Olimpiadi Matematiche Internazionali (IMO).
Questi problemi richiedono una profonda comprensione dei concetti matematici, capacità di risolvere i problemi in modo creativo e un ragionamento logico rigoroso, che copre aree come l'algebra, il calcolo combinatorio e la geometria, a cui questa ricerca si rivolge.
Il DeepMind studiopubblicato su Nature, segna una pietra miliare nella capacità dell'intelligenza artificiale di risolvere problemi matematici.
Il sistema modello, denominato AlphaGeometry, ha risolto con successo 25 dei 30 problemi delle Olimpiadi Internazionali di Matematica, un enorme miglioramento rispetto al precedente sistema di intelligenza artificiale all'avanguardia, che ne aveva risolti soltanto 10.
Il risultato rispecchia quasi le prestazioni dei medagliati d'oro umani, che hanno risolto in media 25,9 problemi - un cenno piuttosto notevole alle capacità delle Olimpiadi umane. L'autore dello studio Trieu H. Trinh descrive il lavoro qui di seguito.
Per raggiungere questo obiettivo, il sistema di intelligenza artificiale combina un modello linguistico neurale con un motore di deduzione simbolica. Il modello neurale suggerisce rapidamente i potenziali costrutti, mentre il motore simbolico deduce rigorosamente le soluzioni. Questo duplice approccio facilita l'equilibrio tra velocità e precisione nella risoluzione dei problemi.
La chiave del successo di AlphaGeometry è la generazione di 100 milioni di esempi sintetici unici di addestramento. Questo approccio ha permesso all'intelligenza artificiale di allenarsi senza l'intervento dell'uomo, superando un importante collo di bottiglia dei dati.
La medaglia Fields e la medaglia d'oro IMO Ngô Bảo Châu hanno espresso il loro stupore per questo risultato, dichiarando in un post sul blog di GoogleMi sembra perfettamente sensato che i ricercatori di IA si cimentino per primi con i problemi di geometria IMO, perché la ricerca di soluzioni è un po' come gli scacchi, nel senso che abbiamo un numero piuttosto ridotto di mosse sensate a ogni passo. Ma trovo comunque sbalorditivo che siano riusciti a farlo funzionare. È un risultato impressionante".
Anche Evan Chen, allenatore di matematica ed ex medaglia d'oro alle Olimpiadi, ha elogiato l'IA: "I risultati di AlphaGeometry sono impressionanti perché sono verificabili e puliti... Utilizza le regole della geometria classica con angoli e triangoli simili proprio come fanno gli studenti".
Guardate il video di Chen sulle Olimpiadi qui sotto per farvi un'idea di quanto siano difficili questi problemi.
La capacità di AlphaGeometry di risolvere complessi problemi di geometria a livello olimpico non solo dimostra la crescente capacità dell'intelligenza artificiale di ragionare logicamente, ma apre anche nuove possibilità di sviluppo della matematica e dell'intelligenza artificiale.
Contribuisce a diverse ricerche rivoluzionarie di DeepMind, tra cui GNoME, RT-2, AutoRT, FunSearch, AlfaMissense, e AlphaFoldper citarne solo alcuni di recente memoria.
Per saperne di più sullo studio
Ecco come funziona AlphaGeometry in cinque fasi:
- Generazione di teoremi sintetici: AlphaGeometry inizia generando un'enorme serie di problemi geometrici casuali. Questo avviene creando una serie di affermazioni geometriche, come "il punto A è sul segmento BC" o "l'angolo XYZ è di 45 gradi". Queste affermazioni costituiscono le premesse o i punti di partenza di potenziali teoremi.
- Deduzione simbolica: Utilizzando queste premesse, il motore di deduzione simbolica dell'intelligenza artificiale inizia a ragionare sulle conclusioni. Applica regole geometriche e logiche per ricavare nuove affermazioni dalle premesse date, esplorando sistematicamente diverse combinazioni e relazioni.
- Creare costruzioni ausiliarie: Spesso la soluzione di problemi geometrici complessi richiede l'introduzione di nuovi elementi (come punti o linee supplementari) che non fanno parte dell'impostazione originale. Questi elementi sono chiamati costruzioni ausiliarie. Il motore di AlphaGeometry è progettato per identificare quando e quali costruzioni ausiliarie sono necessarie per avanzare verso una soluzione.
- Addestramento del modello linguistico: Un modello linguistico basato su trasformatori viene addestrato sui dati generati dalle fasi precedenti. Questo modello impara a comprendere gli schemi e la logica del ragionamento geometrico. Diventa più bravo a prevedere quali costruzioni o passaggi ausiliari potrebbero essere necessari per risolvere problemi simili in futuro.
- Risoluzione di problemi iterativi: Nella fase finale, AlphaGeometry affronta nuovi problemi di geometria combinando il potere predittivo del suo modello linguistico con il rigore logico del suo motore di deduzione simbolica. L'intelligenza artificiale propone costruzioni ausiliarie e verifica se portano a una soluzione, iterando questo processo finché non trova una prova valida o esaurisce le sue opzioni.
L'appetito di DeepMind per la risoluzione di problemi di ricerca nell'ambito dell'apprendimento automatico non ha fatto che crescere e questo dimostra ancora una volta il ritmo di sviluppo dell'IA. Tuttavia, non dimentichiamo che le Olimpiadi della matematica umane sono ancora in vantaggio, ma solo di poco.
