هوش مصنوعی DeepMind مسائل دشوار هندسه المپیاد ریاضی را حل می کند


مسائل هندسه شامل اثبات حقایق در مورد زاویه ها یا خطوط در اشکال پیچیده است
Google DeepMind
هوش مصنوعی از گوگل DeepMind می تواند برخی از سوالات هندسه المپیاد بین المللی ریاضی (IMO) را تقریباً مانند بهترین شرکت کنندگان انسانی حل کند.
گرگور دولینار، رئیس IMO می گوید: «نتایج AlphaGeometry خیره کننده و نفس گیر هستند. به نظر می رسد هوش مصنوعی مدال طلای IMO را خیلی زودتر از آن چیزی که حتی چند ماه پیش تصور می شد به دست خواهد آورد.
IMO با هدف دانش آموزان دبیرستانی، یکی از سخت ترین مسابقات ریاضی در جهان است. پاسخ صحیح به سوالات نیازمند خلاقیت ریاضی است که سیستم های هوش مصنوعی برای مثال GPT-4 که توانایی استدلال قابل توجهی را در سایر زمینه ها نشان داده است، در سؤالات هندسه IMO نمره 0 درصد کسب می کند، در حالی که حتی هوش مصنوعی های تخصصی نیز مانند رقبای متوسط، برای پاسخ دادن به آن تلاش می کنند.
این تا حدودی به دلیل سختی مشکلات است، بلکه به دلیل کمبود داده های آموزشی است. این مسابقه از سال 1959 به صورت سالانه برگزار می شود و هر دوره تنها شامل 6 سوال است. با این حال، برخی از موفق ترین سیستم های هوش مصنوعی به میلیون ها یا میلیاردها نقطه داده نیاز دارند. به طور خاص، مسائل هندسی که یک یا دو سوال از شش سوال را تشکیل میدهند و شامل اثبات حقایق در مورد زاویهها یا خطوط در اشکال پیچیده میشوند، بهویژه تبدیل به یک قالب کامپیوتری دشوار است.
تانگ لونگ در Google DeepMind و همکارانش با ایجاد ابزاری که می تواند صدها میلیون اثبات هندسی قابل خواندن توسط ماشین تولید کند، این مشکل را دور زده اند. هنگامی که آنها یک هوش مصنوعی به نام AlphaGeometry را با استفاده از این داده ها آموزش دادند و آن را روی 30 سوال هندسه IMO آزمایش کردند، به 25 مورد از آنها به درستی پاسخ داد، در حالی که امتیاز تخمینی 25.9 برای یک دارنده مدال طلا IMO بر اساس نمرات مسابقه آنها بود.
“مال ما [current] سیستمهای هوش مصنوعی هنوز با توانایی انجام کارهایی مانند استدلال عمیق، جایی که ما نیاز به برنامهریزی گامهای بسیار زیادی و همچنین دیدن تصویر بزرگ داریم، دست و پنجه نرم میکنند، به همین دلیل است که ریاضیات معیار و تست مهمی برای ما در تلاش برای رسیدن به کلیات مصنوعی است. لوونگ در یک کنفرانس مطبوعاتی گفت.
AlphaGeometry شامل دو بخش است که Luong آن را با سیستم های تفکر مختلف در مغز مقایسه می کند: یک سیستم سریع و شهودی و دیگری کندتر و تحلیلی تر. بخش اول و بصری، یک مدل زبان شبیه به فناوری پشت ChatGPT است که GPT-f نام دارد. بر روی میلیونها دلیل ایجاد شده آموزش داده میشود و پیشنهاد میکند که کدام قضایا و استدلالها را برای یک مسئله معین امتحان کنیم. پس از پیشنهاد گام بعدی، یک ماشین “استدلال نمادین” کندتر اما دقیق تر از قواعد منطقی و ریاضی برای ساخت کامل استدلال پیشنهاد شده توسط GPT-f استفاده می کند. سپس این دو سیستم پشت سر هم کار می کنند و تا زمانی که مشکل حل شود به یکدیگر سوئیچ می کنند.
لوونگ میگوید اگرچه این روش در حل مسائل هندسه IMO بسیار موفق است، اما پاسخهایی که میسازد نسبت به اثباتهای انسانی طولانیتر و کمتر «زیبا» هستند. با این حال، می تواند چیزهایی را که مردم از دست می دهند نیز تشخیص دهد. برای مثال، او راهحلی بهتر و کلیتر برای یک سؤال IMO در سال 2004 نسبت به آنچه در پاسخهای رسمی نشان داده شده بود، پیدا کرد.
او می گوید که حل مسائل هندسه IMO از این قبیل قابل توجه است یانگ هوی هی در مؤسسه علوم ریاضی لندن، اما این سیستم ذاتاً در ریاضیاتی که می تواند از آن استفاده کند محدود است، زیرا مسائل IMO باید با استفاده از قضایایی که در زیر سطح کارشناسی تدریس می شوند قابل حل باشند. او میگوید که گسترش مقدار دانش ریاضی که AlphaGeometry به آن دسترسی دارد، میتواند سیستم را بهبود بخشد یا حتی به آن کمک کند تا اکتشافات جدید ریاضی را انجام دهد.
همچنین جالب است که ببینیم هندسه آلفا با ندانستن چیزهایی که باید اثبات کند، چگونه برخورد میکند، زیرا بینش ریاضی اغلب میتواند از کاوش قضایا بدون مجموعهای از برهان حاصل شود. «اگر نمیدانید نقطه پایانی شما چیست، میتوانید در مجموعه همه آنها پیدا کنید [mathematical] آیا قضیه ای وجود دارد که واقعا جالب و جدید باشد؟
سال گذشته، شرکت تجارت الگوریتمی XTX Markets یک جایزه 10 میلیون دلاری برای مدلهای ریاضی هوش مصنوعی، با جایزه بزرگ 5 میلیون دلاری برای اولین مدل هوش مصنوعی مشترک عمومی که میتواند مدال طلای IMO را کسب کند، و همچنین جوایز پیشرفت کوچکتر برای نقاط عطف کلیدی.
الکس گرکو از XTX Markets می گوید: «حل یک مسئله هندسه IMO یکی از جوایز پیشرفت برنامه ریزی شده است که توسط صندوق چالش AIMO 10 میلیون دلاری پشتیبانی می شود. دیدن پیشرفت به سوی این هدف هیجانانگیز است، حتی قبل از اینکه تمام جزئیات این جایزه پیشرفت را اعلام کنیم، که شامل در دسترس قرار دادن مدل و دادهها برای عموم و همچنین حل یک مشکل هندسه واقعی در طول رقابت زنده IMO است. “
DeepMind از بیان اینکه آیا قصد دارد AlphaGeometry را در یک مسابقه زنده IMO قرار دهد یا اینکه در حال توسعه سیستم برای حل سایر مشکلات غیر هندسه ای IMO است، خودداری کرد. با این حال، DeepMind قبلاً وارد مسابقات عمومی پیشبینی تاشو پروتئین شده بود تا مسابقات خود را آزمایش کند سیستم آلفا فولد.
موضوعات:
