수학 분야에서 인공 지능을 적용하면 Google Deepmind의 최신 AI 시스템 인 Alphageometry2는 국제 수학 올림픽에서 잘 수행되었으며 금메달 플레이어의 평균 수준을 성공적으로 능가했습니다. 이 성과는 복잡한 기하학적 문제를 해결할 때 AI의 잠재력을 보여줄뿐만 아니라 일반 AI 모델의 향후 개발을위한 새로운 아이디어를 제공합니다.
최근 Google Deepmind 인 Alphageometry2가 개발 한 AI 시스템은 IMO (International Mathematics Olympics) 금메달리스트의 평균 수준을 성공적으로 능가하고 기하학적 질문에서 잘 수행했습니다. Alphageometry2는 작년에 Deepmind가 발표 한 알파 지오 메 트리 시스템의 업그레이드 된 버전으로 지난 25 년 동안 시스템이 IMO의 기하학적 문제의 84%를 해결할 수 있다고 지적했습니다.
그렇다면 왜 그러한 고등학교 수학 경쟁에 중점을 둡니다. 연구원들은 복잡한 기하학적 문제를 해결하는 새로운 방법이 AI 기능, 특히 유클리드 기하학에서 열쇠가 될 수 있다고 생각합니까? 수학적 이론을 입증하려면 추론 기술과 적절한 솔루션을 선택할 수있는 능력이 필요하며 Deepmind는 이러한 문제 해결 능력이 일반 AI 모델의 미래 개발에 중요 할 수 있다고 생각합니다.
이번 여름 DeepMind는 알파 지오 메 트리 2와 알파이프와 결합 된 시스템을 보여 주었으며, 공식적인 수학적 추론을위한 AI 모델 인 Alphaproof를 결합한 시스템을 보여 주었으며,이 시스템은 2024 IMO 예선에서 6 가지 질문 중 4 개를 해결했습니다. 기하학적 문제 외에도이 접근법은 수학 및 과학의 다른 영역으로 확장 될 수 있으며 복잡한 엔지니어링 계산에도 도움이 될 수 있습니다.
Alphageometry2의 핵심에는 Google Gemini 제품군의 언어 모델과 "Symbol Engine"이 포함됩니다. Gemini 모델은 기호 엔진이 수학 규칙을 사용하여 문제에 대한 솔루션을 도출하는 데 도움이됩니다. 워크 플로는 다음과 같습니다. Gemini 모델은 포인트, 선, 원과 같은 구성을 구성하는 것이 문제 해결에 도움이 될 수있는 것을 예측하고, 기호 엔진은 이러한 구성을 기반으로 논리적 추론을 수행합니다. 일련의 복잡한 검색 후, Alphageometry2는 Gemini 모델의 제안을 알려진 원리와 결합하여 증거를 도출 할 수있었습니다.
Alphageometry2는 금메달 플레이어의 평균 점수를 능가하는 50 개의 IMO 문제 중 42 개에 성공적으로 답변했지만, 불확실한 변수, 비선형 방정식 및 불평등을 해결할 수없는 것과 같은 몇 가지 제한 사항이 여전히 남아 있습니다. 또한 더 어려운 질문에서 Alphageometry2의 성능은 이상적이지 않았으며 29 개의 질문 중 20 개만 해결되었습니다.
이 연구는 AI 시스템이 상징적 운영 또는 더 뇌와 같은 신경망을 기반으로 해야하는지에 대한 논의를 다시 한 번 촉발시켰다. Alphageometry2는 신경망과 규칙 기반 기호 엔진을 결합한 하이브리드 접근법을 사용합니다. DeepMind의 팀은 대형 언어 모델이 외부 도구없이 부분 솔루션을 생성 할 수 있지만 상징적 엔진은 현재 상황에서 수학 응용 분야에서 여전히 중요한 도구라고 지적합니다.
알파 지오 메 트리 2의 성공은 수학 분야에서 AI에서 더 많은 돌파구를 표시하며 미래의 더 복잡한 문제에서 역할을 할 수 있습니다.