سیستم هوش مصنوعی جدید گوگل دیپ مایند

 می تواند مسائل پیچیده هندسی را حل کند

عملکرد آن با باهوش ترین ریاضیدانان دبیرستان مطابقت دارد و بسیار قدرتمندتر از سیستم پیشرفته قبلی است.

Google DeepMind یک سیستم هوش مصنوعی ایجاد کرده است که می تواند مسائل پیچیده هندسی را حل کند. کارشناسان می گویند این یک گام مهم به سمت ماشین هایی است که مهارت های استدلالی بیشتری شبیه انسان دارند.

هندسه و به طور کلی ریاضیات مدتی است که محققان هوش مصنوعی را به چالش کشیده است. Thang Luong، یکی از نویسندگان این تحقیق که امروز در Nature منتشر شد، می‌گوید در مقایسه با مدل‌های هوش مصنوعی مبتنی بر متن، داده‌های آموزشی کمتری برای ریاضیات وجود دارد زیرا مبتنی بر نماد و دامنه خاص است.

حل مسائل ریاضی مستلزم استدلال منطقی است، چیزی که اکثر مدل های فعلی هوش مصنوعی در آن برتری ندارند. به گفته لانگ، این تقاضا برای استدلال به این دلیل است که ریاضیات به عنوان معیار مهمی برای اندازه گیری پیشرفت هوش مصنوعی عمل می کند.

برنامه DeepMind که AlphaGeometry نام دارد، یک مدل زبان را با نوعی هوش مصنوعی به نام موتور نمادین ترکیب می کند که از نمادها و قوانین منطقی برای استنتاج استفاده می کند. مدل های زبانی در تشخیص الگوها و پیش بینی مراحل بعدی در یک فرآیند عالی هستند. با این حال، استدلال آنها فاقد دقت لازم برای حل یک مسئله ریاضی است. از سوی دیگر، موتور نمادین صرفاً مبتنی بر منطق رسمی و قوانین سختگیرانه است که به آن اجازه می‌دهد مدل زبان را به سمت تصمیم‌های منطقی هدایت کند.

این دو رویکرد، که به ترتیب مسئول تفکر خلاق و استدلال منطقی هستند، برای حل مسائل دشوار ریاضی با هم کار می کنند. از نزدیک نحوه کار انسان روی مسائل هندسی را تقلید می کند و درک موجود آنها را با آزمایش های اکتشافی ترکیب می کند.

DeepMind می گوید که AlphaGeometry را روی 30 مسئله هندسه با همان سطح دشواری در المپیاد بین المللی ریاضی، رقابتی برای دانش آموزان برتر ریاضی دبیرستان، آزمایش کرده است. 25 در محدوده زمانی تکمیل شد. سیستم پیشرفته قبلی که توسط ریاضیدان چینی Wen-Tsün Wu در سال 1978 ساخته شد، تنها 10 مورد را تکمیل کرد.

فلوریس ون دورن، استاد ریاضیات دانشگاه بن که در این تحقیق شرکت نداشت، می گوید: «این یک نتیجه واقعاً چشمگیر است. "انتظار داشتم که این چند سال آینده باشد."

داستان مرتبط

Google DeepMind از یک مدل زبان بزرگ برای حل یک مسئله ریاضی حل نشده استفاده کرد

آنها مجبور بودند بیشتر آنچه را که تولید می کرد دور بریزند، اما در میان زباله ها طلا وجود داشت.

DeepMind می گوید این سیستم توانایی هوش مصنوعی در استدلال و کشف دانش جدید ریاضی را نشان می دهد.

Quoc V. Le، دانشمند Google DeepMind و یکی از نویسندگان این مطالعه، گفت: "این نمونه دیگری است که تقویت می کند چگونه هوش مصنوعی می تواند به ما در پیشرفت علم و درک فرآیندهای اساسی که تعیین می کند جهان چگونه کار می کند، کمک کند. بیایید بهتر بفهمیم. " کنفرانس مطبوعاتی

هنگامی که AlphaGeometry با یک مسئله هندسه ارائه می شود، ابتدا سعی می کند با استفاده از موتور نمادین منطق محور خود، یک اثبات تولید کند. اگر نمی تواند این کار را با استفاده از موتور نمادین به تنهایی انجام دهد، مدل زبان یک نقطه یا خط جدید به نمودار اضافه می کند. این امر فرصت های بیشتری را برای موتور نمادین برای ادامه جستجو برای اثبات باز می کند. این چرخه با اضافه کردن مدل زبانی عناصر مفید و آزمایش موتور نمادین استراتژی‌های اثبات جدید تا زمانی که راه‌حلی قابل تأیید پیدا شود، ادامه می‌یابد.

برای آموزش مدل زبان AlphaGeometry، محققان مجبور شدند داده های آموزشی خود را ایجاد کنند تا کمبود داده های هندسی موجود را جبران کنند. آنها نزدیک به نیم میلیارد نمودار هندسی تصادفی تولید کردند و آنها را به موتور نمادین وارد کردند. این موتور هر نمودار را تجزیه و تحلیل کرد و در مورد ویژگی های آنها اظهاراتی ارائه کرد. این اظهارات در 100 میلیون اثبات مصنوعی برای آموزش مدل زبان سازماندهی شدند.

رومن یامپولسکی، دانشیار علوم و مهندسی کامپیوتر در دانشگاه لوئیزویل که در این تحقیق شرکت نداشت، می‌گوید که توانایی AlphaGeometry نشان‌دهنده پیشرفت قابل‌توجهی به سمت «مهارت‌های پیچیده‌تر و انسان‌مانند حل مسئله در ماشین‌ها» است.

Yampoliskiy در ایمیلی گفت که فراتر از ریاضیات، مفاهیم شامل زمینه هایی است که بر حل مسائل هندسی متکی هستند، مانند بینایی کامپیوتر، معماری و حتی فیزیک نظری.

با این حال، جا برای پیشرفت وجود دارد. در حالی که هندسه آلفا می تواند مسائل ریاضیات ابتدایی را حل کند، هنوز قادر به مقابله با انواع مسائل پیشرفته و انتزاعی که در دانشگاه تدریس می شود، نیست.

ون دورن می‌گوید: «ریاضی‌دانان واقعاً علاقه‌مند خواهند بود که هوش مصنوعی بتواند مسائلی را که در ریاضیات تحقیقاتی به وجود می‌آیند، شاید با بینش‌های جدید ریاضی حل کنند.»

لوونگ می‌گوید هدف این است که رویکرد مشابهی را در حوزه‌های وسیع‌تری از ریاضیات اعمال کند. او می‌گوید: هندسه تنها نمونه‌ای برای ماست تا نشان دهیم در آستانه هوش مصنوعی هستیم که می‌تواند استدلال عمیق انجام دهد.