DeepMind создает гибридную систему ИИ для решения сложных геометрических задач
Созданная DeepMind система считается значительным шагом вперед по сравнению с более ранними алгоритмами искусственного интеллекта, которые пытались воспроизвести математические рассуждения, необходимые для решения геометрических задач.
Исследователи стремятся наделить системы генеративного ИИ способностями к рассуждению и планированию, поскольку они считаются решающими для создания алгоритмов, соответствующих возможностям людей. Считается, что если системы искусственного интеллекта будут наделены такими способностями, то они смогут не только сравниться с людьми, но даже превзойти их и делать собственные научные открытия.
Для решения геометрических задач система искусственного интеллекта DeepMind сочетает в себе два разных метода. Один из компонентов программного обеспечения, называемый AlphaGeometry, представляет собой нейронную сеть, которая в общих чертах основана на принципах работы человеческого мозга. Нейронным сетям приписывают одни из самых больших достижений искусственного интеллекта, но они сами по себе не смогли решить самые сложные геометрические задачи. Однако компания DeepMind объединила AlphaGeometry с символьным механизмом искусственного интеллекта, который использует ряд закодированных человеком правил представления данных, таких как символы, а затем манипулирует этими символами для обоснования решения. Символьный искусственный интеллект — это относительно старая техника, которую нейронные сети превзошли более десяти лет назад.
Исследователи DeepMind объяснили, что система использует AlphaGeometry для выработки интуиции относительно того, какой подход может быть наилучшим для решения данной геометрической задачи. Эта интуиция затем используется для управления механизмом символьного искусственного интеллекта и выработки решений. По данным DeepMind, новая система смогла достичь результатов, сравнимых с результатами старшеклассников, завоевавших золотые медали на ежегодном конкурсе Международного Математического Союза (англ. International Mathematical Union, или IMU).
В общей сложности система была протестирована на 30 задачах по геометрии и выполнила за отведенное время 25 из них. Предыдущая система искусственного интеллекта, разработанная еще в 1970-х годах, смогла решить только 10 задач.
По мнению исследователей, доказательства, созданные AlphaGeometry, были не такими элегантными, как доказательства людей, и обычно для решения каждой задачи требовалось значительно больше шагов, чем требуется большинству студентов. Однако они также отметили, что AlphaGeometry разработала несколько уникальных подходов, которые могут привести к открытию геометрических теорем, ранее неизвестных математике. Планируется провести дополнительные исследования, чтобы определить, правда ли это.
Одной из основных проблем обучения систем ИИ решению математических задач всегда была нехватка обучающих данных. DeepMind решил эту проблему, взяв вопросы используемые в математических олимпиадах по геометрии, и синтетически сгенерировав 100 миллионов похожих, но не идентичных примеров. Затем они использовали этот набор данных для обучения нейронной сети AlphaGeometry. Их успех подчеркивает потенциал использования синтетических данных для обучения других типов систем искусственного интеллекта, где отсутствие обучающих данных вызвало трудности у исследователей.
Специалисты DeepMind заявили, что подход гибридной нейронной сети и символьного ИИ может также оказаться многообещающим в других сложных областях, таких как физика и финансы. В этих областях проблемы можно решить, используя сочетание четких правил и более интуитивного понимания того, как эти правила следует применять. Чтобы стимулировать дальнейшее изучение этой концепции, компания предоставляет открытый исходный код AlphaGeometry и данные для обучения.
