Από το Αργυρό στο Χρυστό: Πώς το AI της DeepMind Κατέκτησε τον Μαθηματικό Ολυμπιασμό

Το AI της DeepMind έχει κάνει αξιοσημείωτη πρόοδο στη μαθηματική σκέψη μέσα σε ένα χρονικό διάστημα ενός έτους. Μετά την κατάκτηση του αργυρού μεταλλίου στο Διεθνές Μαθηματικό Ολυμπιακό (IMO) το 2024, το σύστημα AI κατέκτησε το χρυστό μετάλλιο το 2025. Αυτή η ταχεία πρόοδος υπογραμμίζει τις αυξανόμενες ικανότητες της τεχνητής νοημοσύνης στην αντιμετώπιση σύνθετων, αφηρημένων προβλημάτων που απαιτούν ανθρώπινη δημιουργικότητα και έμπνευση. Αυτό το άρθρο θα μας οδηγήσει στο πώς η DeepMind πέτυχε αυτή τη μεταμόρφωση, τις τεχνικές και στρατηγικές επιλογές πίσω από αυτήν, και τις ευρύτερες επιπτώσεις αυτών των προόδων.

Η Σημασία του IMO

Το Διεθνές Μαθηματικό Ολυμπιακό, που ιδρύθηκε το 1959, αναγνωρίζεται παγκοσμίως ως ο κορυφαίος μαθηματικός διαγωνισμός για μαθητές λυκείου. Κάθε χρόνο, οι καλύτεροι μαθητές από όλο τον κόσμο αντιμετωπίζουν έξι απειλητικά προβλήματα σε άλγεβρα, γεωμετρία, θεωρία αριθμών και συνδυαστική. Η λύση αυτών των προβλημάτων απαιτεί πολύ περισσότερα από υπολογιστικές ικανότητες· οι συμμετέχοντες πρέπει να δείξουν πραγματική μαθηματική δημιουργικότητα, αυστηρή λογική σκέψη και την ικανότητα να κατασκευάζουν εύγλωττες αποδείξεις.

Για την τεχνητή νοημοσύνη, το IMO παρουσιάζει μια μοναδική πρόκληση. Ενώ η τεχνητή νοημοσύνη έχει κυριαρχήσει στην αναγνώριση προτύπων, την ανάλυση δεδομένων και ακόμη και σε σύνθελα παιχνίδια όπως το Γκο και το σκάκι, οι μαθηματικοί ολυμπιακοί απαιτούν δημιουργική, αφηρημένη σκέψη και τη σύνθεση νέων ιδεών, δεξιότητες που παραδοσιακά θεωρούνται χαρακτηριστικά της ανθρώπινης νοημοσύνης. Ως αποτέλεσμα, το IMO έχει γίνει ένα φυσικό πεδίο δοκιμών για την αξιολόγηση του πόσο κοντά είναι η τεχνητή νοημοσύνη στην επίτευξη πραγματικά ανθρώπινης σκέψης.

Η Βράβευση του Αργυρού Μεταλλίου του 2024

Το 2024, η DeepMind παρουσίασε δύο συστήματα AI για την αντιμετώπιση προβλημάτων IMO επιπέδου: το AlphaProof και το AlphaGeometry 2. Και τα δύο συστήματα είναι παραδείγματα “νευρο-συμβολικής” τεχνητής νοημοσύνης, που συνδυάζουν τις ικανότητες των μεγάλων μοντέλων γλώσσας (LLM) με τη ρητορική της συμβολικής λογικής.

Το AlphaProof σχεδιάστηκε για να αποδείξει μαθηματικές προτάσεις χρησιμοποιώντας Lean, μια формική μαθηματική γλώσσα. Συνδύασε το Gemini, το μεγάλο μοντέλο γλώσσας της DeepMind, με AlphaZero, που είναι ένας κινητήρας ενίσχυσης που είναι γνωστός για την επιτυχία του σε παιχνίδια πίνακα. Σε αυτό το πλαίσιο, ο ρόλος του Gemini ήταν να μεταφράσει προβλήματα φυσικής γλώσσας σε Lean και να επιχειρήσει αποδείξεις δημιουργώντας λογικές βήματα. Το AlphaProof εκπαιδεύτηκε σε εκατομμύρια δείγματα προβλημάτων που εκτείνονται σε διάφορες μαθηματικές дисципλίνες και δυσκολίες. Το σύστημα βελτίωσε τον εαυτό του προσπαθώντας να αποδείξει ολοένα και πιο σύνθετες προτάσεις, παρόμοια με το πώς το AlphaZero έμαθε παίζοντας παιχνίδια εναντίον του εαυτού του.

Το AlphaGeometry 2 σχεδιάστηκε για να λύσει προβλήματα γεωμετρίας. Εδώ, η κατανόηση της γλώσσας του Gemini επέτρεψε στο AI να προβλέψει χρήσιμες βοηθητικές κατασκευές, ενώ ένας συμβολικός μηχανισμός λογικής διαχείρισε τις λογικές συλλογιστικές. Αυτή η υβριδική προσέγγιση επέτρεψε στο AlphaGeometry να αντιμετωπίσει γεωμετρικά προβλήματα πολύ πέρα από το πεδίο της παραδοσιακής μηχανικής λογικής.

Τα δύο συστήματα λύθηκαν τέσσερα από τα έξι προβλήματα IMO: δύο σε άλγεβρα, ένα στη θεωρία αριθμών και ένα στη γεωμετρία, επιτυγχάνοντας σκορ 28 από 42. Αυτή η απόδοση ήταν ένα σημαντικό ορόσημο, καθώς ήταν η πρώτη φορά που ένα AI έφτασε στο επίπεδο του αργυρού μεταλλίου στο IMO. Ωστόσο, αυτή η επιτυχία βασίστηκε σε μεγάλο βαθμό σε ανθρώπινους εμπειρογνώμονες για τη μετάφραση προβλημάτων σε формικές μαθηματικές γλώσσες. Επίσης, απαιτούσαν τεράστιους υπολογιστικούς πόρους, οι οποίοι χρειάζονταν ημέρες επεξεργασίας για κάθε πρόβλημα.

Τεχνικές Νοβελίες Πίσω από το Χρυστό Μετάλλιο

Η μετάβαση της DeepMind από το αργυρό στο χρυστό μετάλλιο οφείλεται σε几 σημαντικές τεχνικές βελτιώσεις.

1. Φυσική Γλώσσα ως Μέσο για Αποδείξεις

Η πιο σημαντική αλλαγή ήταν η μετάβαση από συστήματα που απαιτούν chuyênικές μεταφράσεις σε формικές γλώσσες στο να αντιμετωπίζουν την φυσική γλώσσα ως μέσο για αποδείξεις. Αυτή η μετάβαση επιτεύχθηκε μέσω μιας βελτιωμένης εκδοχής του Gemini εξοπλισμένου με ικανότητες Deep Think. Αντί να μετατρέπει προβλήματα σε Lean, το μοντέλο επεξεργάζεται το κείμενο απευθείας, δημιουργεί ανεπίσημες σκέψεις, εσωτερικά формαλίζει κρίσιμα βήματα και παράγει μια εξευγενισμένη αγγλική απόδειξη. Η ενίσχυση μάθησης από ανθρώπινη ανάδραση (RLHF) χρησιμοποιήθηκε για να ανταμείψει λύσεις που ήταν λογικά συνεπείς, σύντομες και παρουσιάστηκαν.

Το Gemini Deep Think διαφέρει από την δημόσια εκδοχή του Gemini σε δύο βασικούς τρόπους. Πρώτον, κατανέμει μεγαλύτερα παράθυρα контекστού και περισσότερους υπολογιστικούς tokens ανά ερώτημα, το οποίο επιτρέπει στο μοντέλο να διατηρείหลายσελιδές αλυσίδες σκέψης. Δεύτερον, χρησιμοποιεί παράλληλη σκέψη, όπου εκατοντάδες εικασιατικές νημάτια παράγονται για διαφορετικές πιθανές λύσεις. Ένας ελαφρύς επόπτης στη συνέχεια βαθμολογεί και προωθεί τις πιο υποσχόμενες διαδρομές, δανειζόμενος έννοιες από Monte Carlo tree search αλλά εφαρμοσμένες σε κείμενο. Αυτή η προσέγγιση μιμείται τον τρόπο με τον οποίο οι ανθρώπινες ομάδες συζητούν, απορρίπτουν μη παραγωγικές ιδέες και συμφωνούν σε εύγλωττες λύσεις.

2. Εκπαίδευση και Ενίσχυση Μάθησης

Η εκπαίδευση του Gemini Deep Think περιελάμβανε την εκ finetuning του μοντέλου για να προβλέψει τα επόμενα βήματα αντί για τις τελικές απαντήσεις. Για αυτόν τον σκοπό, μια βάση δεδομένων 100.000 υψηλής ποιότητας λύσεων Ολυμπιάδας και πανεπιστημιακών διαγωνισμών συλλέχθηκε. Η βάση δεδομένων συλλέχθηκε κυρίως από δημόσιους μαθηματικούς форουμ, arXiv preprints και πανεπιστημιακές εργασίες. Ανθρώπινοι μέντορες αναθεώρησαν παραδείγματα εκπαίδευσης για να φιλτράρουν αλογικές ή ελλιπείς αποδείξεις. Η ενίσχυση μάθησης βοήθησε να εξευγενίσει το μοντέλο, ωθώντας το να παράγει συντομές και ακριβείς αποδείξεις. Οι πρώτες εκδοχές παρήγαγαν υπερβολικά περιγραφικές αποδείξεις, αλλά οι ποινές για επαναλαμβανόμενες φράσεις βοήθησαν να κοπούν οι έξοδοι.

Σε αντίθεση με την συμβατική εκ finetuning, η οποία συχνά πλήττεται από σπάνιες ανταμοιβές όπου η ανάδραση είναι δυαδική, είτε η απόδειξη είναι σωστή είτε όχι. Η DeepMind υλοποίησε ένα σύστημα ανταμοιβής βήματος προς βήμα, όπου κάθε επιβεβαιωμένο υπολέμμα συνεισέφερε στο συνολικό σκορ. Αυτό το σύστημα ανταμοιβής οδηγεί το Gemini ακόμη και όταν η πλήρης απόδειξη είναι σπάνια. Η διαδικασία εκπαίδευσης διήρκεσε τρεις μήνες και χρησιμοποίησε περίπου 25 εκατομμύρια TPU-ωρες.

3. Μαζική Παράλληλη Επεξεργασία

Η παράλληλη επεξεργασία έπαιξε επίσης κρίσιμο ρόλο στην πρόοδο της DeepMind από το αργυρό στο χρυστό. Κάθε πρόβλημα παρήγαγε πολλαπλά κλάδους σκέψης παράλληλα, με πόρους που μεταφέρονταν δυναμικά σε πιο υποσχόμενες διαδρομές όταν άλλες σταματούσαν. Αυτή η δυναμική προγραμματισμός ήταν ιδιαίτερα επωφελής για προβλήματα συνδυαστικής, τα οποία έχουν μεγάλους χώρους λύσεων. Η προσέγγιση είναι παρόμοια με τον τρόπο με τον οποίο οι άνθρωποι δοκιμάζουν βοηθητικές ανισότητες πριν δεσμευτούν σε πλήρη επαγωγή. Αν και αυτή η τεχνική ήταν υπολογιστικά δαπανηρή, ήταν διαχειρίσιμη χρησιμοποιώντας τους TPU v5 clusters της DeepMind.

Η DeepMind στο IMO 2025

Για να διατηρηθεί η ακεραιότητα του διαγωνισμού, η DeepMind πάγωσε τα βάρη του μοντέλου τρεις εβδομάδες πριν από το IMO για να αποτρέψει τη διαρροή των επίσημων προβλημάτων στο σύνολο εκπαίδευσης. Επίσης, φιλτράρισε τα δεδομένα που περιείχαν λύσεις σε μη δημοσιευμένα προβλήματα Ολυμπιάδας.

Κατά τη διάρκεια του διαγωνισμού, το Gemini Deep Think παρέχθηκε με τα έξι επίσημα προβλήματα σε μορφή απλού κειμένου, χωρίς να έχει πρόσβαση στο διαδίκτυο. Το σύστημα λειτουργούσε σε ένα cluster που ήταν διαμορφωμένο για να模拟σει την υπολογιστική ισχύ ενός τυπικού laptop ανά διαδικασία. Ολόκληρη η διαδικασία λύσης του προβλήματος ολοκληρώθηκε σε λιγότερο από τρεις ώρες, καλά εντός των χρονικών ορίων. Οι παραγόμενοι αποδείξεις υποβεβληθήκαν στους συντονιστές του IMO χωρίς αλλαγές.

Το Gemini Deep Think έλαβε τέλειες βαθμολογίες στα πέντε πρώτα προβλήματα. Το τελικό ερώτημα, το οποίο ήταν ένα απειλητικό πρόβλημα συνδυαστικής, ωστόσο, σταμάτησε και το AI και το 94% των ανθρώπινων συμμετεχόντων. Παρά τούτο, το AI ολοκλήρωσε με συνολικό σκορ 35/42 για να εξασφαλίσει το χρυστό μετάλλιο. Αυτό το σκορ ήταν επτά βαθμοί υψηλότερο από την προηγούμενη χρονιάς απόδοση αργυρού. Παρατηρητές αργότερα περιέγραψαν τις αποδείξεις του AI ως ‘πειθαρχικές’ και ‘πλήρεις’, σημειώνοντας ότι ακολούθησαν τις αυστηρές δικαιολογίες που αναμενόταν από τους ανθρώπινους διαγωνιζόμενους.

Επιπτώσεις για την Τεχνητή Νοημοσύνη και τα Μαθηματικά

Η επιτυχία της DeepMind είναι ένα σημαντικό ορόσημο και για την τεχνητή νοημοσύνη και για τα μαθηματικά. Για την τεχνητή νοημοσύνη, η κατάκτηση του IMO είναι ένα βήμα προς την τεχνητή γενική νοημοσύνη (AGI), όπου τα συστήματα μπορούν να εκτελέσουν οποιαδήποτε πνευματική εργασία που μπορεί ένας άνθρωπος. Η λύση σύνθετων μαθηματικών προβλημάτων απαιτεί σκέψη και κατανόηση, που είναι θεμελιώδεις συνιστώσες της γενικής νοημοσύνης. Αυτή η επιτυχία υποδηλώνει ότι η τεχνητή νοημοσύνη κάνει πρόοδο προς πιο ανθρώπινες γνωστικές ικανότητες.

Για τα μαθηματικά, τα συστήματα AI όπως το Gemini Deep Think μπορούν να γίνουν απαραίτητα εργαλεία για τους μαθηματικούς. Μπορούν να βοηθήσουν στην εξερεύνηση νέων περιοχών, την επαλήθευση υποθέσεων και ακόμη και την ανακάλυψη νέων θεωρημάτων. Αυτοματοποιώντας τις πιο βαρετές πτυχές της κατασκευής αποδείξεων, η τεχνητή νοημοσύνη απελευθερώνει τους ανθρώπινους μαθηματικούς να εστιάσουν σε υψηλότερο επίπεδο концептуαλικής εργασίας. Επιπλέον, οι τεχνικές που αναπτύχθηκαν για αυτά τα συστήματα AI θα μπορούσαν να εμπνεύσουν νέες μεθόδους στην μαθηματική έρευνα που μπορεί να μην είναι δυνατές μέσω ανθρώπινης προσπάθειας μόνο.

Ωστόσο, η πρόοδος της τεχνητής νοημοσύνης στα μαθηματικά也 ανακύπτει ερωτήματα σχετικά με τον ρόλο της τεχνητής νοημοσύνης σε εκπαιδευτικές ρυθμίσεις και διαγωνισμούς. Όσο συνεχίζουν να αυξάνονται οι ικανότητες της τεχνητής νοημοσύνης, θα υπάρξουν συζητήσεις σχετικά με τον τρόπο με τον οποίο η συμμετοχή της θα μπορούσε να αλλάξει τη φύση της μαθηματικής εκπαίδευσης και του διαγωνισμού.

Ματιά στο Μέλλον

Η κατάκτηση του χρυσού μεταλλίου στο IMO είναι ένα σημαντικό ορόσημο, αλλά πολλά μαθηματικά προκλήσεις παραμένουν εκτός φάσματος για τα τρέχοντα συστήματα AI. Ωστόσο, η ταχεία πρόοδος από το αργυρό στο χρυστό σε μόλις ένα χρόνο υπογραμμίζει την επιταχυνόμενη ταχύτητα των καινοτομιών και των εξελίξεων της τεχνητής νοημοσύνης. Αν αυτή η ταχύτητα συνεχιστεί, τα συστήματα AI θα μπορούσαν να αντιμετωπίσουν κάποια από τα πιο διάσημα ανεπίλυτα προβλήματα των μαθηματικών. Ενώ το ερώτημα του αν η τεχνητή νοημοσύνη θα αντικαταστήσει ή θα ενισχύσει την ανθρώπινη δημιουργικότητα παραμένει αναποφάσιστο, το IMO του 2025 είναι μια σαφής ένδειξη ότι η τεχνητή νοημοσύνη έχει κάνει σημαντικά βήματα στη λογική σκέψη.