Исследователи DeepMind разработали AlphaGeometry - систему искусственного интеллекта, обладающую беспрецедентной способностью решать задачи по геометрии олимпиадного уровня.
Олимпиадные задачи по математике - это сложные математические задачи, которые обычно ставятся на международных математических соревнованиях, таких как Международная математическая олимпиада (IMO).
Эти задачи требуют глубокого понимания математических концепций, творческого подхода к решению проблем и строгих логических рассуждений, охватывающих такие области, как алгебра, комбинаторика и геометрия, на которые и направлено данное исследование.
Сайт DeepMind исследованиеОпубликованная в журнале Nature работа знаменует собой значительный прогресс в развитии возможностей ИИ по решению задач в области математики.
Система, получившая название AlphaGeometry, успешно решила 25 из 30 задач Международной математической олимпиады, что значительно лучше, чем предыдущая современная система искусственного интеллекта, которая решила только 10.
Это почти совпадает с результатами человеческих золотых медалистов, которые в среднем решали 25,9 задач - что является довольно примечательным показателем мастерства человеческих олимпиадников. Автор исследования Trieu H. Trinh описывает работу ниже.
Для этого система искусственного интеллекта сочетает в себе нейронную языковую модель и механизм символьных вычислений. Нейронная модель быстро предлагает потенциальные конструкции, а символьный механизм строго выводит решения. Такой двойной подход обеспечивает баланс между скоростью и точностью решения задач.
Ключом к успеху AlphaGeometry стала генерация 100 миллионов уникальных синтетических обучающих примеров. Такой подход позволил ИИ обучаться без участия человека, преодолев основное "узкое место" в работе с данными.
Медалист Филдса и обладатель золотой медали IMO Нго Бảо Чау выразил свое удивление этим достижением, говорится в сообщении в блоге Google.Мне кажется вполне логичным, что исследователи в области ИИ в первую очередь пробуют свои силы в решении геометрических задач IMO, потому что поиск решений для них немного напоминает шахматы в том смысле, что у нас есть довольно небольшое количество разумных ходов на каждом шаге. Но меня все равно поражает, что они смогли заставить это работать. Это впечатляющее достижение".
Эван Чен, тренер по математике и бывший золотой медалист Олимпиады, также высоко оценил работу ИИ: "Результаты AlphaGeometry впечатляют, потому что они проверяемы и чисты... Он использует классические правила геометрии с углами и подобными треугольниками так же, как это делают студенты".
Посмотрите видеоролик Чена об олимпиаде ниже, чтобы понять, насколько возмутительно трудны эти задачи.
Способность AlphaGeometry решать сложные геометрические задачи на уровне олимпиады не только демонстрирует растущую способность ИИ к логическим рассуждениям, но и открывает новые возможности в области математики и развития ИИ.
Она способствует проведению нескольких прорывных исследований компании DeepMind, в том числе GNoME, RT-2, AutoRT, FunSearch, АльфаМиссенс, и AlphaFoldВот лишь некоторые из них, запомнившиеся надолго.
Подробнее об исследовании
Вот как работает AlphaGeometry в пяти простых шагах:
- Синтетическое построение теорем: AlphaGeometry начинает с генерации огромного набора случайных геометрических задач. Для этого создаются различные геометрические утверждения, например "точка A лежит на отрезке BC" или "угол XYZ равен 45 градусам". Эти утверждения формируют предпосылки или отправные точки для потенциальных теорем.
- Символическая дедукция: Используя эти предпосылки, механизм символической дедукции ИИ начинает обосновывать выводы. Он применяет геометрические правила и логику, чтобы вывести новые утверждения из заданных предпосылок, систематически исследуя различные комбинации и взаимосвязи.
- Создание вспомогательных конструкций: Часто решение сложных геометрических задач требует введения новых элементов (например, дополнительных точек или линий), которые не являются частью исходного задания. Такие элементы называются вспомогательными построениями. Движок AlphaGeometry разработан таким образом, чтобы определять, когда и какие вспомогательные построения необходимы для продвижения к решению.
- Обучение языковой модели: На данных, полученных в результате вышеописанных действий, обучается языковая модель на основе трансформаторов. Эта модель учится понимать закономерности и логику в геометрических рассуждениях. Она лучше предсказывает, какие вспомогательные конструкции или шаги могут понадобиться для решения аналогичных задач в будущем.
- Итеративное решение проблем: На последнем этапе AlphaGeometry решает новые геометрические задачи, сочетая предсказательную силу своей языковой модели с логической строгостью механизма символического вывода. ИИ предлагает вспомогательные конструкции и проверяет, приводят ли они к решению, и повторяет этот процесс до тех пор, пока не найдет верное доказательство или не исчерпает все возможные варианты.
Аппетит DeepMind к решению исследовательских задач в области машинного обучения, безусловно, только растет, и это еще раз иллюстрирует темпы развития ИИ. Однако не стоит забывать, что человеческие математические олимпиады все еще имеют преимущество - всего лишь.
