DeepMind, научно-исследовательская лаборатория компании Google в области искусственного интеллекта, представила свою последнюю инновацию под названием AlphaGeometry. Основное предназначение этой ИИ-системы заключается в решении сложных геометрических задач, применяемых в олимпиадах по математике. Согласно заявлению DeepMind, AlphaGeometry способна успешно справляться с геометрическими задачами на уровне золотого медалиста.
Эта разработка отличается открытым исходным кодом и впечатляющими результатами, опережая многие аналогичные системы. AlphaGeometry продемонстрировала свою способность решать 25 олимпиадных геометрических задач в ограниченное время, что подчеркивает ее выдающуюся эффективность. Помимо этого, DeepMind утверждает, что AlphaGeometry обладает способностью доказывать математические теоремы и предлагать оптимальные стратегии решения задач.
В ходе разработки AlphaGeometry столкнулась с несколькими трудностями, включая перевод математических доказательств в понятный для машин формат и нехватку подходящих геометрических учебных данных. Для преодоления этих проблем, DeepMind объединила модель “нейронного языка”, аналогичную GPT, с “механизмом символьной дедукции”, использующим различные математические правила. Несмотря на невысокую скорость символьных механизмов при работе с большими объемами данных, DeepMind провела их модернизацию, направив дедуктивный механизм с использованием вероятных ответов на геометрические вопросы. Этот подход обеспечил более эффективное выполнение процесса.
Вместо использования учебных данных, DeepMind создала 100 миллионов “синтетических теорем” и их доказательств различной сложности. После этого AlphaGeometry была обучена “с нуля” с использованием этих синтетических данных. Последующее тестирование системы на олимпиадных геометрических задачах, основанных на чертежах, подтвердило ее способность предсказывать необходимые геометрические фигуры для решения задачи.
В сравнении с продвинутыми системами ИИ, такими как DALL-E 3 или GPT-4 от OpenAI, символьный ИИ AlphaGeometry проявляет значительную эффективность в кодировании знаний, обдумывании сложных сценариев и объяснении своих выводов. Гибридная “символьно-нейронная” сеть AlphaGeometry подчеркивает, что комбинированный подход может быть наилучшим решением для создания обобщенных систем искусственного интеллекта.