Le dernier système d'IA de Google Deepmind, Alphageométrie2, a fait des progrès significatifs dans la résolution de problèmes géométriques, dépassant le médaillé d'or moyen dans la compétition internationale des Jeux olympiques (OMI). Cette réalisation révolutionnaire démontre non seulement le potentiel de l'IA dans le domaine des mathématiques, mais fournit également une nouvelle direction pour le développement de l'IA générale.
Alphageométrie2, le dernier système d'IA lancé par Google Deepmind Research Lab, a excellé dans la résolution des problèmes géométriques, dépassant le médaillé d'or moyen dans la compétition internationale des Jeux olympiques de mathématiques (IMO). Le système est considéré comme une version améliorée de l'alphageométrie, et les chercheurs affirment que l'alphageométrie2 peut résoudre 84% des problèmes géométriques dans l'OMI au cours des 25 dernières années.
Pourquoi DeepMind se concentre-t-il sur de telles compétitions de mathématiques du secondaire? Prouver pourquoi les théorèmes mathématiques ou les théorèmes d'explication (tels que le théorème de Pythagore) nécessitent un raisonnement logique et la possibilité de sélectionner plusieurs étapes possibles. Si la théorie de Deepmind est vraie, ces capacités de résolution de problèmes seront très importantes pour les futurs modèles d'IA généraux.
Cet été, DeepMind a démontré un système qui combine l'alphageométrie2 avec l'alphaproof de modèle de raisonnement mathématique, qui a résolu quatre des six problèmes de l'OMI 2024. En plus des problèmes géométriques, cette approche peut être étendue à d'autres domaines mathématiques et scientifiques, tels que des calculs d'ingénierie complexes.
Les composants principaux de Alphageométrie2 incluent un modèle de langue de la série Google Gemini et un "moteur de symbole". Le modèle Gemini aide le moteur symbolique à déduire des solutions réalisables aux problèmes grâce à des règles mathématiques. Les problèmes géométriques avec l'OMI sont généralement basés sur des chiffres qui doivent être ajoutés avec "construits", tels que des points, des lignes ou des cercles. Le modèle Gemini d'Alphageométrie2 peut prédire quelles constructions peuvent être utiles pour résoudre les problèmes.
Il convient de noter que lors de la résolution du problème de l'OMI, Alphageométrie2 utilise plus de 300 millions de théorèmes et de données synthétiques de preuve générées par DeepMind elle-même pour la formation. L'équipe de recherche a sélectionné 45 problèmes géométriques pour l'OMI au cours des 25 dernières années et les a élargis pour former un ensemble de 50 problèmes. Alphageométrie2 a résolu avec succès 42 d'entre eux, dépassant le score moyen du médaillé d'or.
Cependant, Alphageométrie2 a encore certaines limites, telles qu'elle ne peut pas résoudre des problèmes avec des points de nombre variables, des équations non linéaires et des inégalités. Néanmoins, cette étude a déclenché une discussion pour savoir si les systèmes d'IA devraient être basés sur des opérations symboliques ou des réseaux de neurones. Alphageométrie2 adopte une approche hybride qui combine des réseaux de neurones et des moteurs symboliques basés sur des règles.
Le succès de Alphageométrie2 fournit une nouvelle direction pour le développement futur de l'IA à usage général. Bien qu'il ne soit pas encore complètement autosuffisant, les recherches de l'équipe DeepMind montrent que des modèles d'IA plus autonomes pourraient être disponibles à l'avenir.
Entrée du papier: https://arxiv.org/pdf/2502.03544
Points clés:
Alphageométrie2 est en mesure de résoudre 84% des problèmes géométriques dans l'OMI au cours des 25 dernières années, dépassant le score moyen des médaillés d'or.
Le système combine des réseaux de neurones et des moteurs de symboles pour résoudre des problèmes mathématiques complexes en utilisant une approche hybride.
DeepMind espère promouvoir les progrès de la recherche sur une IA générale plus puissante en résolvant des problèmes géométriques.
Le succès de Alphageométrie2 démontre non seulement le potentiel de l'IA dans le domaine des mathématiques, mais fournit également une nouvelle direction pour le développement de l'IA générale. À l'avenir, avec l'avancement continu de la technologie, l'IA affichera des capacités solides dans plus de domaines.