Die Anwendung künstlicher Intelligenz im Bereich der Mathematik hat einen weiteren Durchbruch erzielt. Diese Leistung zeigt nicht nur das Potenzial von KI bei der Lösung komplexer geometrischer Probleme, sondern bietet auch neue Ideen für die zukünftige Entwicklung allgemeiner KI -Modelle.
Kürzlich hat ein von Google Deepmind, Alphageometry2 entwickeltes KI -System, das durchschnittliche Niveau der Goldmedaillengewinner der internationalen Mathematik Olympics (IMO) erfolgreich übertroffen und in Geometriefragen gut gespielt. Alphageometry2 ist eine aktualisierte Version des von DeepMind im vergangenen Jahr veröffentlichten Alphageometrie -Systems.
Warum sollte sich DeepMind auf einen solchen Mathematikwettbewerb konzentrieren? Das Nachweis mathematischer Theoreme erfordert Argumentationsfähigkeiten und die Fähigkeit, geeignete Lösungen auszuwählen, und DeepMind ist der Ansicht, dass diese Fähigkeiten zur Problemlösung für die zukünftige Entwicklung allgemeiner KI-Modelle von entscheidender Bedeutung sein können.
In diesem Sommer zeigte DeepMind auch ein System, das Alphageometry2 mit Alphaprof kombiniert, ein KI -Modell für formales mathematisches Denken, das vier der sechs Fragen in den IMO -Qualifikationsspielern 2024 löste. Abgesehen von geometrischen Problemen kann sich dieser Ansatz auch auf andere Bereiche Mathematik und Naturwissenschaften erstrecken und sogar bei komplexen technischen Berechnungen helfen.
Der Kern von Alphageometry2 enthält ein Sprachmodell aus der Google Gemini -Familie und einer "Symbol -Engine". Das Gemini -Modell hilft dem symbolischen Motor, Lösungen für das Problem mithilfe mathematischer Regeln abzuleiten. Der Workflow lautet: Das Gemini -Modell sagt voraus, welche Konstrukte (wie Punkte, Linien, Kreise) konstruiert (wie Punkte, Linien, Kreise), bei der Lösung von Problemen hilfreich sein können, und die symbolische Engine führt dann basierend auf diesen Konstrukten logische Argumentation durch. Nach einer Reihe komplexer Suchvorgänge konnte Alphageometry2 die Vorschläge des Gemini -Modells mit bekannten Prinzipien kombinieren, um Beweise zu zeichnen.
Obwohl Alphageometry2 erfolgreich 42 der 50 IMO -Probleme beantwortete und die durchschnittliche Punktzahl von Goldmedaillenspielern übertraf, gibt es immer noch einige Einschränkungen, wie die Unfähigkeit, die unsichere Anzahl von Variablen, nichtlineare Gleichungen und Ungleichheit zu lösen. Darüber hinaus war die Leistung von Alphageometry2 bei einigen schwierigeren Fragen nicht ideal und nur 20 der 29 Fragen wurden gelöst.
Diese Studie löste erneut Diskussionen darüber aus, ob KI-Systeme auf symbolischen Operationen oder mehr hirnähnlichen neuronalen Netzwerken beruhen sollten. Alphageometry2 verwendet einen hybriden Ansatz, der neuronale Netzwerke und Regeln basierende symbolische Motoren kombiniert. Das Team von DeepMind merkt an, dass große Sprachmodelle zwar teilweise Lösungen ohne externe Werkzeuge erzeugen können, aber symbolische Motoren in der aktuellen Situation immer noch wichtige Werkzeuge in mathematischen Anwendungen sind.
Der Erfolg von Alphageometry2 markiert einen weiteren Durchbruch in der KI im Bereich der Mathematik und kann in Zukunft eine Rolle bei komplexeren Problemen spielen.