Компанія
DeepMind,
що належить Google,
створила систему штучного
інтелекту AlphaGeometry, яка
змогла розв'язати 25 із 30 задач з
геометрії, узятих з Міжнародної
математичної олімпіади (IMO).Про це пише Ars Technica.Це
досягнення перевершує більшість юних математиків і лише трохи поступається
чемпіонам IMO. За оцінками DeepMind, середній золотий медаліст олімпіади
здатний розв'язати 26 із 30 завдань.IMO
вважається найавторитетнішим у світі математичним змаганням для учнів старших
класів. Його щорічно проводить Міжнародна математична комісія з 1959 року.Як
пояснює DeepMind, мовні моделі добре підходять для виявлення загальних
закономірностей у даних, але часто не здатні до строгих логічних міркувань чи
пояснення своїх рішень. Щоб подолати ці обмеження, в AlphaGeometry мовну
модель поєднали з механізмом символьної дедукції, який
виконує формальні алгебраїчні та геометричні виведення.Дослідження
очолив Трієу Трінь, комп'ютерний вчений з Нью-Йоркського університету,
який нещодавно здобув ступінь PhD і працював у DeepMind.Золотий
призер IMO Еван Чен, який оцінював деякі результати AlphaGeometry,
назвав їх «вражаючими», адже вони є перевірюваними та формально коректними. На
відміну від попередніх програм, які генерували важко зрозумілі геометричні
доведення, висновки AlphaGeometry схожі на людські.За
словами дослідників, більшість задач IMO складніші за звичайні завдання з
геометрії, проте всі вони мають певні закономірності. Зазвичай умови описують
фігуру та її властивості, а для розв’язання потрібно зробити низку логічних
кроків, щоб довести задане твердження.Раніше
для геометричних задач використовували метод «грубої сили» — механічний перебір
усіх можливих кроків. Але для складних завдань IMO цей підхід непрактичний
через надто великий простір пошуку.Тому
в AlphaGeometry застосували інший підхід: мовна модель генерує «інтуїтивні»
кроки, а механізм дедукції формально обґрунтовує їх. Це дозволяє ефективніше
досліджувати простір можливих розв'язків.Для
навчання мовної моделі DeepMind згенерувала 100 млн синтетичних геометричних
задач з автоматично побудованими розв'язками. Особливий акцент робився на
прикладах з «допоміжними точками», які потрібно додати в процесі доведення.
Це
навчило модель самостійно вводити нові елементи для завершення логічного
ланцюжка.Підхід,
реалізований в AlphaGeometry, узгоджується з попередніми розробками DeepMind.
Зокрема, система AlphaZero навчилася грати в шахи та го, граючи ігри
проти самої себе. А нещодавній проєкт FunSearch використовував мовну
модель і генетичний алгоритм для генерації комп'ютерних програм.Як
пояснив співзасновник DeepMind Шейн Легг, мовні моделі є джерелом
креативних ідей, але погано підходять для логіки. Тому їх вбудовують у ширші
системи, що можуть систематично оцінювати запропоновані рішення.Поки
що такі системи демонструють обнадійливі результати лише в дуже вузьких
предметних областях. Але пошук оптимальних способів поєднання творчості мовних
моделей з формальною логікою триває як у DeepMind, так і в інших провідних
ШІ-компаніях.Ці
зусилля спрямовані на створення більш універсальних систем штучного інтелекту,
здатних розв’язувати складні задачі у різних сферах. Хоч результати поки
скромні, подібні дослідження становлять важливий крок на шляху до машин, які
мислять і розуміють світ так само глибоко, як люди.Раніше
SPEKA писала, що DeepMind створив ШІ для
передбачення генетичних захворювань.
