AlphaGeometry2：人工智慧超越人類奧林匹克冠軍的幾何問題解決能力

人工智慧長期以來一直試圖模擬人類的邏輯推理。雖然它在模式識別方面取得了巨大的進步，但抽象推理和符號推導仍然是人工智慧的難題。這種限制在人工智慧用於數學問題解決時尤其明顯，這是一個長期以來被認為是人類認知能力的體現，例如邏輯思維、創造力和深刻的理解。與其他數學分支不同，幾何學需要不僅是結構化的、步驟驟的推理，也需要認識隱藏的關係和構造額外元素來解決問題的能力。

長期以來，人們認為這些能力是人類所特有的。然而，Google (GOOGL ) DeepMind一直在開發可以解決這些複雜推理任務的人工智慧。去年，他們介紹了AlphaGeometry，一種結合神經網路的預測能力和符號推理的結構化邏輯來解決複雜幾何問題的人工智慧系統。這個系統通過解決54%的國際數學奧林匹克幾何問題，達到了銀牌得主的水平，取得了顯著的成就。最近，他們進一步推出了AlphaGeometry2，它達到了84%的解決率，超越了平均的奧林匹克金牌得主。

在這篇文章中，我們將探討AlphaGeometry2實現這種性能的關鍵創新，以及這種發展對於人工智慧在解決複雜推理問題的未來意味著什麼。但是在深入探討AlphaGeometry2的特點之前，首先了解AlphaGeometry是什麼以及它如何工作是非常重要的。

AlphaGeometry：幾何問題解決的人工智慧先驅

AlphaGeometry是一種設計用於解決複雜幾何問題的人工智慧系統，達到國際數學奧林匹克的水平。它基本上是一種神經符號系統，結合了神經語言模型和符號推理引擎。神經語言模型幫助系統預測新的幾何構造，而符號人工智慧則應用正式邏輯來生成證明。這種設置使AlphaGeometry能夠更像人類地思考，結合了神經網路的模式識別能力和符號推理的結構化邏輯。AlphaGeometry的一個關鍵創新是它如何生成訓練數據。它創建了一億個隨機幾何圖表，並系統地推導出點和線之間的關係。這個過程創建了一個龐大的100萬個唯一示例的數據集，幫助神經模型預測功能性的幾何構造和引導符號引擎向準確的解決方案。這種混合方法使AlphaGeometry能夠在標準競賽時間內解決25個奧林匹克幾何問題中的25個，與頂級人類競爭者相媲美。

AlphaGeometry2如何實現更好的性能

雖然AlphaGeometry在人工智慧驅動的數學推理方面取得了突破，但它仍然有一些限制。它在解決複雜問題方面遇到了困難，缺乏效率地處理廣泛的幾何挑戰，並且在問題覆蓋方面存在限制。為了克服這些障礙，AlphaGeometry2引入了一系列重要的改進：

1. 擴展人工智慧對更複雜幾何問題的理解能力

AlphaGeometry2的一個最重要的改進是它能夠處理更廣泛的幾何問題。前身AlphaGeometry在涉及線性方程、角度、比率和距離等問題上遇到了困難，以及需要關於移動點、線和圓的推理。AlphaGeometry2通過引入更先進的語言模型來克服這些限制，使它能夠描述和分析這些複雜的問題。因此，它現在可以解決88%的國際數學奧林匹克幾何問題，相比之前的66%有了顯著的提高。

2. 更快速和更高效的問題解決引擎

AlphaGeometry2表現出色的另一個重要原因是它改進的符號引擎。這個引擎作為系統的邏輯核心，已經在多個方面得到增強。首先，它被改進為使用更精煉的問題解決規則，使它更有效和更快。其次，它現在可以識別不同的幾何構造代表問題中的同一點，使它能夠更靈活地推理。最後，引擎被重寫為C++而不是Python，使它比以前快了300多倍。這種速度提升使AlphaGeometry2能夠更快速和更高效地生成解決方案。

3. 使用更複雜和更豐富的幾何問題進行人工智慧的訓練

AlphaGeometry2的神經模型的有效性來自於它在合成幾何問題上的廣泛訓練。AlphaGeometry最初生成了一億個隨機幾何圖表，創建了100萬個唯一的訓練示例。AlphaGeometry2進一步生成更廣泛和更複雜的圖表，包括複雜的幾何關係。另外，它現在還包括需要引入輔助構造的問題，例如新的點或線，幫助解決問題，使它能夠預測和生成更複雜的解決方案。

4. 使用更智能的搜索策略找到最佳解決方案

AlphaGeometry2的一個關鍵創新是它新的搜索方法，稱為共享知識搜索樹（SKEST）。與其前身不同，後者依賴於基本的搜索方法，AlphaGeometry2運行多個搜索並行，每個搜索都能夠從其他搜索中學習。這種技術使它能夠探索更廣泛的可能解決方案，並顯著提高了人工智慧在更短時間內解決複雜問題的能力。

5. 從更先進的語言模型學習

AlphaGeometry2成功的另一個重要因素是它採用了Google的Gemini模型，一種最先進的AI模型，已經在更廣泛和更多樣的數學問題上進行了訓練。這個新語言模型提高了AlphaGeometry2生成步驟驟解決方案的能力，由於它的連鎖思維推理能力得到增強。現在，AlphaGeometry2可以以更結構化的方式來解決問題。通過對其預測進行微調和從不同類型的問題中學習，系統現在可以解決更多的奧林匹克級別的幾何問題。

實現超越人類奧林匹克冠軍的成績

感謝上述進步，AlphaGeometry2解決了2000-2024年間50個國際數學奧林匹克幾何問題中的42個，達到了84%的成功率。這些成績超越了平均的奧林匹克金牌得主的表現，為人工智慧驅動的數學推理設置了新的標準。除了它令人印象深刻的表現，AlphaGeometry2還在自動定理證明方面取得了進展，讓我們更接近於能夠不僅解決幾何問題，而且能夠以人類可以理解的方式解釋其推理的AI系統。

人工智慧在數學推理中的未來

從AlphaGeometry到AlphaGeometry2的進步表明，人工智慧在解決需要深刻思考、邏輯和策略的複雜數學問題方面取得了進展。它也意味著人工智慧不再只是認識模式，而是能夠推理、建立聯繫和以更像人類的邏輯推理方式解決問題。

AlphaGeometry2還向我們展示了人工智慧在未來可能的能力。與其僅僅遵循指令，人工智慧可能會開始探索新的數學思想，並在需要批判性思維的領域中幫助科學研究。通過結合神經網路和邏輯推理，人工智慧可能不僅是一種可以自動化簡單任務的工具，也是一種能夠與人類合作來拓展人類知識的合格合作夥伴。

我們是否正在進入一個時代，人工智慧能夠證明定理和在物理、工程和生物學等領域中取得新的發現？隨著人工智慧從粗糙的計算轉向更有思想的問題解決，我們可能正處於一個未來的門檻，人類和人工智慧將共同合作，揭示我們從未想過的想法。