โมเดลและแพลตฟอร์ม AI

AlphaGeometry2: AI ที่ทำผลงานได้ดีกว่าแชมป์ฮิวแมนโอลิมปิแอดในเรขาคณิต

Dr. Tehseen Zia
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญAlphaGeometry2 บรรลุอัตราการแก้ปัญหาทางเรขาคณิตโอลิมปิก (IMO) ที่ 84%…
ดูเพิ่มเติม
  • AlphaGeometry2 บรรลุอัตราการแก้ปัญหาทางเรขาคณิตโอลิมปิก (IMO) ที่ 84% ซึ่งสูงกว่าคะแนนเฉลี่ยของผู้ได้รับเหรียญทอง
  • สถาปัตยกรรมแบบนิวโร-ซิมโบลิกของระบบนี้รวมโมเดลภาษาประสาทสำหรับการใช้สัญชาตญาณกับเครื่องมือเชิงสัญลักษณ์สำหรับการใช้ตรรกะ
  • กลยุทธ์การค้นหา SKEST แบบใหม่ของระบบทำงานด้วยการค้นหาคู่ขนานหลายชุดที่เรียนรู้จากกันและกันเพื่อประสิทธิภาพที่สูงขึ้น

ปัญญาประดิษฐ์ได้พยายามเลียนแบบการให้เหตุผลเชิงตรรกะของมนุษย์มานานแล้ว ในขณะที่มันทำความก้าวหน้าอย่างมากในการรับรู้รูปแบบ แต่การให้เหตุผลเชิงสัญลักษณ์และการอนุมานเชิงสัญลักษณ์ยังคงเป็นความท้าทายที่ยากสำหรับ AI ความจำกัดนี้เห็นได้ชัดเจนเมื่อ AI ถูกใช้ในการแก้ปัญหาทางคณิตศาสตร์ ซึ่งเป็นสาขาที่มนุษย์มีความสามารถในการคิดเชิงตรรกะ ความคิดสร้างสรรค์ และความเข้าใจอย่างลึกซึ้ง ไม่เหมือนกับสาขาคณิตศาสตร์อื่นๆ ที่อาศัยสูตรและการดัดแปลงเชิงพีชคณิต เรขาคณิตต้องการไม่เพียงแต่การให้เหตุผลที่มีโครงสร้างและเป็นขั้นตอนเท่านั้น แต่ยังต้องมีความสามารถในการรับรู้ความสัมพันธ์ที่ซ่อนอยู่และทักษะในการสร้างองค์ประกอบเพิ่มเติมเพื่อแก้ปัญหา

เป็นเวลานานที่ถือว่าความสามารถเหล่านี้เป็นเอกลักษณ์ของมนุษย์ อย่างไรก็ตาม Google DeepMind ได้ทำงานในการพัฒนา AI ที่สามารถแก้ปัญหาเชิงตรรกะที่ซับซ้อนได้ ปีที่แล้วพวกเขาได้แนะนำ AlphaGeometry ระบบ AI ที่รวมพลังการทำนายของเครือข่ายประสาทเทียมกับตรรกะเชิงสัญลักษณ์ของการให้เหตุผลเชิงสัญลักษณ์ในการแก้ปัญหาเรขาคณิตที่ซับซ้อน ระบบนี้มีผลกระทบอย่างมากโดยการแก้ปัญหาเรขาคณิต 54% ของการแข่งขันโอลิมปิกคณิตศาสตร์สากล (IMO) เพื่อให้ได้ผลลัพธ์ที่เทียบเท่ากับ ผู้ได้รับเหรียญเงิน เมื่อเร็วๆ นี้พวกเขาได้พัฒนา AlphaGeometry2 ซึ่งได้ผลลัพธ์ที่น่าเหลือเชื่อ 84% ในการแก้ปัญหา และทำได้ดีกว่าผู้ได้รับเหรียญทองโอลิมปิกคณิตศาสตร์สากลโดยเฉลี่ย

ในบทความนี้ เราจะสำรวจนวัตกรรมหลักที่ช่วยให้ AlphaGeometry2 ทำผลงานได้ดีในระดับนี้ และสิ่งนี้หมายถึงอะไรสำหรับอนาคตของ AI ในการแก้ปัญหาเชิงตรรกะที่ซับซ้อน แต่ก่อนที่จะเจาะลึกสิ่งที่ทำให้ AlphaGeometry2 พิเศษ มันจำเป็นที่จะต้องเข้าใจก่อนว่า AlphaGeometry คืออะไรและทำงานอย่างไร

AlphaGeometry: AI ที่เป็นปioneer ในการแก้ปัญหาเรขาคณิต

AlphaGeometry เป็นระบบ AI ที่ออกแบบมาเพื่อแก้ปัญหาเรขาคณิตที่ซับซ้อนในระดับ IMO มันเป็นระบบ neuro-symbolic ที่รวมเครือข่ายภาษาประสาทเทียมกับเครื่องมือการอนุมานเชิงสัญลักษณ์ เครือข่ายภาษาประสาทเทียมช่วยให้ระบบสามารถคาดการณ์สร้างสรรค์เรขาคณิตใหม่ๆ ในขณะที่เครื่องมือการอนุมานเชิงสัญลักษณ์ใช้ตรรกะเชิงสัญลักษณ์ในการสร้างการให้เหตุผล นี่ทำให้ AlphaGeometry สามารถคิดได้เหมือนมนุษย์โดยการรวมความสามารถในการรับรู้รูปแบบของเครือข่ายประสาทเทียมซึ่งเลียนแบบการคิดเชิง直觉ของมนุษย์ และตรรกะเชิงสัญลักษณ์ของการให้เหตุผลเชิงสัญลักษณ์ซึ่งเลียนแบบความสามารถในการให้เหตุผลเชิงอนุมานของมนุษย์ หนึ่งในนวัตกรรมหลักของ AlphaGeometry คือวิธีการสร้างข้อมูลการฝึกอบรม มันไม่ได้พึ่งพาการแสดงตัวอย่างของมนุษย์ แต่สร้างไดอะแกรมเรขาคณิตสุ่มหนึ่งพันล้านรายการ และอนุมานความสัมพันธ์ระหว่างจุดและเส้นอย่างเป็นระบบ ซึ่งสร้างชุดข้อมูลขนาดใหญ่ 100 ล้านตัวอย่างที่ช่วยให้โมเดลประสาทเทียมสามารถคาดการณ์สร้างสรรค์เรขาคณิตที่มีหน้าที่และชี้นำเครื่องมือการอนุมานเชิงสัญลักษณ์ไปสู่การแก้ปัญหาอย่างถูกต้อง วิธีการผสมผสานนี้ทำให้ AlphaGeometry สามารถแก้ปัญหาเรขาคณิต 25 จาก 30 ปัญหาโอลิมปิกคณิตศาสตร์สากลภายในเวลาการแข่งขันมาตรฐาน ซึ่งใกล้เคียงกับการแสดงผลของนักกีฬาคณิตศาสตร์ระดับโลก

วิธีที่ AlphaGeometry2 ปรับปรุงประสิทธิภาพ

แม้ว่า AlphaGeometry จะเป็นนวัตกรรมใหม่ในการให้เหตุผลเชิงตรรกะของ AI แต่ก็มีข้อจำกัดบางประการ มันพยายามแก้ปัญหาที่ซับซ้อน มีประสิทธิภาพต่ำในการจัดการกับชุดปัญหาเรขาคณิตที่หลากหลาย และมีข้อจำกัดในการครอบคลุมปัญหา เพื่อเอาชนะอุปสรรคเหล่านี้ AlphaGeometry2 นำเสนอนวัตกรรมที่สำคัญหลายอย่าง:

  1. การขยายความสามารถของ AI ในการเข้าใจปัญหาเรขาคณิตที่ซับซ้อนมากขึ้น

หนึ่งในนวัตกรรมที่สำคัญที่สุดของ AlphaGeometry2 คือความสามารถในการทำงานกับชุดปัญหาเรขาคณิตที่กว้างขึ้น AlphaGeometry เดิมพยายามแก้ไขปัญหาที่เกี่ยวข้องกับสมการเชิงเส้น มุม อัตราส่วน และระยะทาง เช่นเดียวกับปัญหาที่ต้องการการให้เหตุผลเกี่ยวกับจุด เส้น และวงกลมที่เคลื่อนไหว AlphaGeometry2 สามารถเอาชนะข้อจำกัดเหล่านี้ได้โดยการแนะนำโมเดลภาษาที่มีความซับซ้อนมากขึ้น ซึ่งช่วยให้สามารถอธิบายและวิเคราะห์ปัญหาเหล่านี้ได้ ดังนั้นจึงสามารถแก้ปัญหาเรขาคณิต 88% ของปัญหาโอลิมปิกคณิตศาสตร์สากลในช่วงสองทศวรรษที่ผ่านมา ซึ่งเป็นการเพิ่มขึ้นอย่างมากจาก 66% ในช่วงก่อนหน้า

  1. เครื่องมือแก้ปัญหาที่เร็วขึ้นและ効率มากขึ้น

อีกเหตุผลหนึ่งที่ AlphaGeometry2 ทำงานได้ดีคือเครื่องมือการอนุมานเชิงสัญลักษณ์ที่ดีขึ้น เครื่องมือนี้ซึ่งเป็นแก่นหลักของระบบนี้ได้รับการปรับปรุงหลายอย่าง ประการแรก มันทำงานได้ดีกว่าด้วยชุดกฎการแก้ปัญหาที่มีความละเอียดอ่อนมากขึ้น ทำให้มีประสิทธิภาพและเร็วขึ้น ประการสอง มันสามารถรับรู้ได้ว่าโครงสร้างเรขาคณิตต่างๆ แทนจุดเดียวกันในปัญหา ทำให้สามารถให้เหตุผลได้อย่างยืดหยุ่นมากขึ้น สุดท้าย เครื่องมือนี้ถูกเขียนใหม่ใน C++ แทนที่จะเป็น Python ทำให้เร็วขึ้นกว่าเดิมถึง 300 เท่า ความเร็วที่เพิ่มขึ้นนี้ช่วยให้ AlphaGeometry2 สามารถสร้างคำตอบได้อย่างรวดเร็วและมีประสิทธิภาพมากขึ้น

  1. การฝึกอบรม AI ด้วยปัญหาเรขาคณิตที่ซับซ้อนและหลากหลายมากขึ้น

ประสิทธิผลของโมเดลประสาทเทียม AlphaGeometry2 มาจากการฝึกอบรมอย่างกว้างขวางในเรขาคณิตสังเคราะห์ AlphaGeometry เดิมสร้างไดอะแกรมเรขาคณิตสุ่มหนึ่งพันล้านรายการเพื่อสร้างตัวอย่างการฝึกอบรม 100 ล้านรายการ AlphaGeometry2 ขยายสิ่งนี้โดยการสร้างไดอะแกรมที่กว้างขึ้นและซับซ้อนมากขึ้น ซึ่งรวมถึงความสัมพันธ์เรขาคณิตที่ซับซ้อน นอกจากนี้ยังรวมปัญหาที่ต้องการการแนะนำโครงสร้างเสริม—จุดหรือเส้นใหม่ที่ช่วยในการแก้ปัญหา—ทำให้สามารถคาดการณ์และสร้างคำตอบที่ซับซ้อนมากขึ้น

  1. การค้นหาวิธีแก้ปัญหาที่ดีที่สุดด้วยกลยุทธ์การค้นหาที่ชาญฉลาด

นวัตกรรมหลักของ AlphaGeometry2 คือการนำกลยุทธ์การค้นหาที่เรียกว่า Shared Knowledge Ensemble of Search Trees (SKEST) มาใช้ ไม่เหมือนกับรุ่นก่อนหน้าที่พึ่งพาวิธีการค้นหาพื้นฐาน AlphaGeometry2 สามารถทำการค้นหาที่ซับซ้อนหลายอย่างพร้อมกัน โดยที่การค้นหาที่แตกต่างกันสามารถเรียนรู้จากกันและกัน เทคนิคนี้ช่วยให้สามารถสำรวจชุดคำตอบที่กว้างขึ้นและปรับปรุงความสามารถในการแก้ปัญหาเชิงตรรกะที่ซับซ้อนในเวลาที่สั้นลง

  1. การเรียนรู้จากโมเดลภาษาที่มีความซับซ้อนมากขึ้น

ปัจจัยสำคัญอีกประการหนึ่งที่ทำให้ AlphaGeometry2 ประสบความสำเร็จคือการนำโมเดล Gemini ของ Google มาใช้ โมเดล AI ที่ทันสมัยซึ่งได้รับการฝึกอบรมจากชุดปัญหาทางคณิตศาสตร์ที่กว้างขึ้นและหลากหลายมากขึ้น โมเดลภาษานี้ปรับปรุงความสามารถของ AlphaGeometry2 ในการสร้างคำตอบทีละขั้นตอนเนื่องจากการให้เหตุผลเชิงตรรกะที่ดีขึ้น ตอนนี้ AlphaGeometry2 สามารถเข้าใกล้ปัญหาได้อย่างมีโครงสร้างมากขึ้น โดยการปรับคำทำนายและเรียนรู้จากปัญหาที่หลากหลาย ระบบสามารถแก้ปัญหาเรขาคณิตระดับโอลิมปิกได้มากขึ้น

การบรรลุผลลัพธ์ที่เหนือกว่าแชมป์ฮิวแมนโอลิมปิแอด

ด้วยความก้าวหน้าเหล่านี้ AlphaGeometry2 สามารถแก้ปัญหาเรขาคณิต 42 จาก 50 ปัญหาโอลิมปิกคณิตศาสตร์สากลตั้งแต่ปี 2000-2024 โดยมีอัตราความสำเร็จ 84% ผลลัพธ์เหล่านี้เหนือกว่าผลงานของ ผู้ได้รับเหรียญทองโอลิมปิกคณิตศาสตร์สากลโดยเฉลี่ย และตั้งมาตรฐานใหม่สำหรับการให้เหตุผลเชิงตรรกะของ AI นอกเหนือจากผลงานที่น่าประทับใจ AlphaGeometry2 ยังสร้างความก้าวหน้าในการพิสูจน์บทพิสูจน์โดยอัตโนมัติ ซึ่งนำเราไปสู่ระบบ AI ที่ไม่เพียงแต่แก้ปัญหาเรขาคณิตได้เท่านั้น แต่ยังสามารถอธิบายการให้เหตุผลของมันในลักษณะที่มนุษย์สามารถเข้าใจได้

อนาคตของ AI ในการให้เหตุผลเชิงตรรกะ

ความก้าวหน้าจาก AlphaGeometry ไปสู่ AlphaGeometry2 แสดงให้เห็นว่า AI มีความสามารถในการจัดการกับปัญหาเชิงตรรกะที่ซับซ้อนซึ่งต้องการการคิดเชิงลึก ตรรกะ และกลยุทธ์ มันบ่งบอกว่า AI ไม่ได้เพียงแต่การคำนวณแบบบрут์ฟอร์ซ แต่สามารถให้เหตุผล เชื่อมโยง และแก้ปัญหาในลักษณะที่คล้ายกับการให้เหตุผลเชิงตรรกะของมนุษย์

AlphaGeometry2 ยังแสดงให้เห็นว่า AI อาจมีความสามารถอะไรในอนาคต แทนที่จะเพียงแต่ปฏิบัติตามคำสั่ง AI อาจเริ่มสำรวจแนวคิดใหม่ๆ ในด้านคณิตศาสตร์เองและช่วยเหลือในการวิจัยทางวิทยาศาสตร์ โดยการผสมผสานเครือข่ายประสาทเทียมกับการให้เหตุผลเชิงสัญลักษณ์ AI อาจไม่เพียงแต่เป็นเครื่องมือที่สามารถทำงานอัตโนมัติเท่านั้น แต่ยังเป็นหุ้นส่วนที่มีคุณสมบัติในการช่วยขยายความรู้ของมนุษย์ในด้านต่างๆ ที่ต้องการการคิดเชิงวิพากษ์

เรากำลังเข้าสู่ยุคที่ AI พิสูจน์บทพิสูจน์และค้นพบสิ่งใหม่ๆ ในฟิสิกส์ วิศวกรรมศาสตร์ และชีววิทยาหรือไม่? เมื่อ AI เปลี่ยนจากการคำนวณแบบบрут์ฟอร์ซไปสู่การแก้ปัญหาที่มีการคิดมากขึ้น เราอาจอยู่ในยุคที่มนุษย์และ AI ทำงานร่วมกันเพื่อค้นพบความคิดที่เราคิดไม่ถึงก่อนหน้านี้

ดร. Tehseen Zia เป็นรองศาสตราจารย์ที่ได้รับการบรรจุแบบถาวร (tenure) ที่ COMSATS University Islamabad และสำเร็จการศึกษาระดับปริญญาเอกด้านปัญญาประดิษฐ์จากมหาวิทยาลัยเทคโนโลยีเวียนนา ประเทศออสเตรีย เขาเชี่ยวชาญด้านปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง วิทยาศาสตร์ข้อมูล และคอมพิวเตอร์วิทัศน์ และได้สร้างผลงานสำคัญผ่านการตีพิมพ์ในวารสารวิทยาศาสตร์ที่มีชื่อเสียง เขายังเป็นผู้นำโครงการอุตสาหกรรมต่าง ๆ ในฐานะหัวหน้าโครงการวิจัย และเคยทำงานเป็นที่ปรึกษาด้านปัญญาประดิษฐ์