Kilka lat przed tym, jak ChatGPT zaczął bełkotać, Google opracował zupełnie inny rodzaj programu sztucznej inteligencji o nazwie AlphaGo, który nauczył się grać w grę planszową Go z nadludzkimi umiejętnościami dzięki niestrudzonej praktyce.
Naukowcy z firmy opublikowali obecnie badania, które łączą możliwości dużego modelu językowego (sztucznej inteligencji stojącej za dzisiejszymi chatbotami) z możliwościami AlphaZero, następcy AlphaGo, który również potrafi grać w szachy, w celu rozwiązywania bardzo trudnych dowodów matematycznych.
Ich nowe dzieło frankensteinowskie, nazwane AlphaProof, wykazało swoją skuteczność, rozwiązując kilka problemów z roku 2024 Międzynarodowa Olimpiada Matematyczna (IMO), prestiżowy konkurs dla uczniów szkół średnich.
AlphaProof wykorzystuje model dużego języka Gemini do konwersji naturalnie sformułowanych pytań matematycznych na język programowania zwany Pochylać się. Stanowi to pożywkę szkoleniową dla drugiego algorytmu, który ma uczyć się metodą prób i błędów, jak znaleźć dowody, które można potwierdzić jako poprawne.
Na początku tego roku Google DeepMind ujawnił inny algorytm matematyczny o nazwie AlphaGeometry, która łączy również model językowy z innym podejściem do sztucznej inteligencji. AlphaGeometry wykorzystuje Gemini do przekształcania problemów geometrycznych w formę, którą można manipulować i testować za pomocą programu obsługującego elementy geometryczne. Firma Google ogłosiła dzisiaj także nową, ulepszoną wersję AlphaGeometry.
Naukowcy odkryli, że ich dwa programy matematyczne mogą dostarczyć dowodów na łamigłówki IMO równie dobrze, jak srebrny medalista. Programy rozwiązały dwa problemy z algebry i jedno z sześciu problemów z teorii liczb. Jeden problem pojawił się w ciągu kilku minut, ale znalezienie innych zajęło kilka dni. Google DeepMind nie ujawnił, ile mocy komputera zużył na problemy.
Google DeepMind nazywa podejście zastosowane w AlphaProof i AlphaGeometry „neurosymbolicznym”, ponieważ łączy w sobie czyste uczenie maszynowe sztucznej sieci neuronowej – technologię, która ostatnio stanowi podstawę największego postępu w sztucznej inteligencji – z językiem konwencjonalnego programowania.
„Zaobserwowaliśmy tutaj, że można połączyć podejście, które odniosło sukces i rozwiązania takie jak AlphaGo, z dużymi modelami językowymi i stworzyć coś, co ma ogromne możliwości” – mówi David Silver, badacz Google DeepMind, który kierował pracami nad AlphaZero . Silver twierdzi, że techniki zademonstrowane w AlphaProof powinny teoretycznie rozszerzyć się na inne obszary matematyki.
Rzeczywiście, badanie stwarza perspektywę zajęcia się najgorszymi tendencjami w dużych modelach językowych poprzez zastosowanie logiki i rozumowania w bardziej ugruntowany sposób. Choć duże modele językowe mogą być cudowne, często mają trudności ze zrozumieniem nawet podstaw matematyki lub logicznym rozumowaniem problemów.
W przyszłości metoda neuronowo-symboliczna może umożliwić systemom AI przekształcanie pytań lub zadań w formę, którą można uzasadnić w sposób zapewniający wiarygodne wyniki. Krążą pogłoski, że OpenAI również pracuje nad takim systemem, o kryptonimie „Truskawka”.
Jak przyznaje Silver, ujawnione dzisiaj systemy mają jednak kluczowe ograniczenia. Rozwiązania matematyczne są albo poprawne, albo niepoprawne, dzięki czemu AlphaProof i AlphaGeometry mogą znaleźć właściwą odpowiedź. Wiele problemów występujących w świecie rzeczywistym – na przykład znalezienie idealnego planu podróży – ma wiele możliwych rozwiązań i które z nich jest idealne, może nie być jasne. Silver twierdzi, że rozwiązaniem w przypadku bardziej niejednoznacznych pytań może być zastosowanie modelu językowego, który spróbuje określić, co stanowi „właściwą” odpowiedź podczas szkolenia. „Istnieje całe spektrum różnych rzeczy, które można wypróbować” – mówi.
Silver zauważa również, że Google DeepMind nie pozbawi pracy matematyków. „Naszym celem jest dostarczenie systemu, który będzie w stanie udowodnić wszystko, ale to nie koniec tego, co robią matematycy” – mówi. „Dużą częścią matematyki jest stawianie problemów i znajdowanie interesujących pytań, które można zadać. Możesz o tym myśleć jak o kolejnym narzędziu na wzór suwaka logarytmicznego, kalkulatora lub narzędzi obliczeniowych.
