ระบบ AI ล่าสุดของ Google DeepMind, Alphageometry2 ได้มีความก้าวหน้าอย่างมีนัยสำคัญในการแก้ปัญหาทางเรขาคณิตเกินกว่าผู้ชนะเลิศเหรียญทองเฉลี่ยในการแข่งขันโอลิมปิกคณิตศาสตร์นานาชาติ (IMO) ความสำเร็จที่ก้าวหน้านี้ไม่เพียง แต่แสดงให้เห็นถึงศักยภาพของ AI ในสาขาคณิตศาสตร์ แต่ยังให้ทิศทางใหม่สำหรับการพัฒนาของ AI ทั่วไป
Alphageometry2 ระบบ AI ล่าสุดที่เปิดตัวโดย Google DeepMind Research Lab, เก่งในการแก้ปัญหาทางเรขาคณิตเกินกว่าผู้ชนะเหรียญทองเฉลี่ยในการแข่งขันโอลิมปิกคณิตศาสตร์นานาชาติ (IMO) ระบบนี้ได้รับการพิจารณาว่าเป็นตัวอักษรที่ได้รับการปรับปรุงและนักวิจัยกล่าวว่า Alphageometry2 สามารถแก้ปัญหา 84% ของปัญหาทางเรขาคณิตใน IMO ในช่วง 25 ปีที่ผ่านมา
เหตุใด DeepMind จึงมุ่งเน้นไปที่การแข่งขันคณิตศาสตร์ของโรงเรียนมัธยมเหล่านี้? การพิสูจน์ว่าทำไมทฤษฎีบททางคณิตศาสตร์หรือทฤษฎีบทคำอธิบาย (เช่นทฤษฎีบทพีทาโกรัส) ถือต้องใช้เหตุผลเชิงตรรกะและความสามารถในการเลือกหลายขั้นตอนที่เป็นไปได้ หากทฤษฎีของ DeepMind เป็นจริงความสามารถในการแก้ปัญหาเหล่านี้จะมีความสำคัญมากสำหรับโมเดล AI ทั่วไปในอนาคต
ฤดูร้อนนี้ DeepMind แสดงให้เห็นถึงระบบที่ผสมผสานตัวอักษร 2 กับการใช้เหตุผลทางคณิตศาสตร์ AI Model Alphaproof ซึ่งแก้ไขปัญหาสี่ในหกของ IMO 2024 นอกเหนือจากปัญหาทางเรขาคณิตวิธีการนี้สามารถขยายไปยังสาขาคณิตศาสตร์และวิทยาศาสตร์อื่น ๆ เช่นการคำนวณทางวิศวกรรมที่ซับซ้อน
ส่วนประกอบหลักของ Alphageometry2 รวมถึงรูปแบบภาษาจาก Google Gemini Series และ "Symbol Engine" แบบจำลองราศีเมถุนช่วยให้เครื่องยนต์สัญลักษณ์อนุมานการแก้ปัญหาที่เป็นไปได้ผ่านกฎคณิตศาสตร์ ปัญหาทางเรขาคณิตกับ IMO มักจะขึ้นอยู่กับตัวเลขที่ต้องเพิ่มด้วย "สร้าง" เช่นจุดบรรทัดหรือวงกลม แบบจำลองราศีเมถุนของ Alphageometry2 สามารถทำนายได้ว่าการสร้างใดที่อาจเป็นประโยชน์ในการแก้ปัญหา
เป็นที่น่าสังเกตว่าเมื่อแก้ปัญหา IMO ตัวอักษร 2 ใช้ทฤษฎีบทมากกว่า 300 ล้านและข้อมูลสังเคราะห์ที่เกิดจาก DeepMind สำหรับการฝึกอบรม ทีมวิจัยได้เลือกปัญหาทางเรขาคณิต 45 ข้อสำหรับ IMO ในช่วง 25 ปีที่ผ่านมาและขยายพวกเขาเพื่อสร้างปัญหา 50 ข้อ Alphageometry2 ประสบความสำเร็จในการแก้ไข 42 ของพวกเขามากกว่าคะแนนเฉลี่ยของผู้ชนะเลิศเหรียญทอง
อย่างไรก็ตาม Alphageometry2 ยังคงมีข้อ จำกัด บางประการเช่นไม่สามารถแก้ปัญหาได้ด้วยคะแนนตัวเลขตัวแปรสมการไม่เชิงเส้นและความไม่เท่าเทียม อย่างไรก็ตามการศึกษาครั้งนี้ได้จุดประกายการอภิปรายว่าระบบ AI ควรขึ้นอยู่กับการดำเนินงานเชิงสัญลักษณ์หรือเครือข่ายประสาทหรือไม่ Alphageometry2 ใช้วิธีการไฮบริดที่รวมเครือข่ายประสาทและเครื่องยนต์สัญลักษณ์ตามกฎ
ความสำเร็จของ Alphageometry2 เป็นทิศทางใหม่สำหรับการพัฒนาในอนาคตของ AI ที่มีวัตถุประสงค์ทั่วไป แม้ว่าจะยังไม่พอเพียงอย่างเต็มที่ แต่การวิจัยโดยทีมงาน DeepMind แสดงให้เห็นว่าโมเดล AI ที่พึ่งพาตนเองได้มากขึ้นอาจมีให้ในอนาคต
ทางเข้ากระดาษ: https://arxiv.org/pdf/2502.03544
ประเด็นสำคัญ:
Alphageometry2 สามารถแก้ปัญหาทางเรขาคณิตได้ 84% ใน IMO ในช่วง 25 ปีที่ผ่านมาเหนือกว่าคะแนนเฉลี่ยของผู้ชนะเลิศเหรียญทอง
ระบบรวมเครือข่ายประสาทและเครื่องยนต์สัญลักษณ์เพื่อแก้ปัญหาทางคณิตศาสตร์ที่ซับซ้อนโดยใช้วิธีการไฮบริด
DeepMind หวังที่จะส่งเสริมความคืบหน้าการวิจัยเกี่ยวกับ AI ทั่วไปที่ทรงพลังยิ่งขึ้นโดยการแก้ปัญหาทางเรขาคณิต
ความสำเร็จของตัวอักษร 2 ไม่เพียง แต่แสดงให้เห็นถึงศักยภาพของ AI ในสาขาคณิตศาสตร์เท่านั้น แต่ยังให้ทิศทางใหม่สำหรับการพัฒนา AI ทั่วไป ในอนาคตด้วยความก้าวหน้าอย่างต่อเนื่องของเทคโนโลยี AI จะแสดงความสามารถที่แข็งแกร่งในสาขามากขึ้น