AlphaGeometry2: Штучний інтелект, який перевершує людських чемпіонів олімпіади з геометрії

Штучний інтелект давно намагається імітувати людське логічне мислення. Хоча він зробив величезний прогрес у розпізнаванні закономірностей, абстрактне мислення та символічний висновок залишаються складними завданнями для штучного інтелекту. Це обмеження стає особливо очевидним, коли штучний інтелект використовується для математичного розв’язання проблем, галузі, яка довгий час була свідченням людських когнітивних здібностей, таких як логічне мислення, творчість та глибоке розуміння. На відміну від інших галузей математики, які спираються на формули та алгебраїчні маніпуляції, геометрія відрізняється. Вона вимагає не тільки структурованого, крок за кроком мислення, але також здатності розпізнавати приховані зв’язки та уміти будувати додаткові елементи для розв’язання проблем.

Тривалий час ці здібності вважалися унікальними для людей. Однак Google DeepMind працює над розробкою штучного інтелекту, який може розв’язувати ці складні завдання логічного мислення. У минулому році вони представили AlphaGeometry, систему штучного інтелекту, яка поєднує передбачувальну силу нейронних мереж з структурованим логічним висновком символічного мислення для розв’язання складних геометричних проблем. Ця система зробила значний вплив, розв’язавши 54% геометричних проблем Міжнародної математичної олімпіади (IMO) та досягнувши рівня срібних медалістів. Недавно вони пішли ще далі з AlphaGeometry2, який досягнув неймовірного рівня розв’язання 84% проблем та перевершив середнього медаліста IMO.

У цій статті ми розглянемо ключові інновації, які допомогли AlphaGeometry2 досягти такого рівня продуктивності, та що це означає для майбутнього штучного інтелекту у розв’язанні складних завдань логічного мислення. Але перед тим, як зануритися у те, що робить AlphaGeometry2 особливим, важливо спочатку зрозуміти, що таке AlphaGeometry та як воно працює.

AlphaGeometry: Піонер штучного інтелекту у геометричному розв’язанні проблем

AlphaGeometry – це система штучного інтелекту, розроблена для розв’язання складних геометричних проблем на рівні IMO. Це нейро-символічна система, яка поєднує нейронну мовну модель з символічним висновковим двигуном. Нейронна мовна модель допомагає системі передбачувати нові геометричні конструкції, тоді як символічний штучний інтелект застосовує формальну логіку для генерації доведень. Ця конструкція дозволяє AlphaGeometry мислити більш як людина, поєднуючи здатність розпізнавання закономірностей нейронних мереж, яка реплікує інтуїтивне людське мислення, з структурованим висновком формальної логіки, яка імітує людські дедуктивні здібності. Однією з ключових інновацій AlphaGeometry було те, як вона генерувала тренувальні дані. Замість того, щоб спиратися на людські демонстрації, вона створила один мільярд випадкових геометричних діаграм і систематично вивела зв’язки між точками та лініями. Цей процес створив величезну базу даних з 100 мільйонів унікальних прикладів, допомагаючи нейронній моделі передбачувати функціональні геометричні конструкції та спрямовуючи символічний двигун до точних розв’язків. Цей гібридний підхід дозволив AlphaGeometry розв’язати 25 з 30 олімпійських геометричних проблем у стандартний час змагань, тісно повторюючи продуктивність найкращих людських конкурентів.

Як AlphaGeometry2 досягає покращеної продуктивності

Хоча AlphaGeometry була проривом у штучному інтелекті математичного висновку, вона мала певні обмеження. Вона боролася з розв’язанням складних проблем, не мала ефективності при обробці широкого спектра геометричних завдань та мала обмеження у покритті проблем. Щоб подолати ці перешкоди, AlphaGeometry2 вводить серію суттєвих покращень:

1. Розширення можливостей штучного інтелекту для розуміння складніших геометричних проблем

Однією з найважливіших покращень AlphaGeometry2 є її здатність працювати з широким спектром геометричних проблем. Попередня AlphaGeometry боролася з питаннями, які涉али лінійні рівняння кутів, співвідношень та відстаней, а також ті, які вимагали висновку про рухомі точки, лінії та кола. AlphaGeometry2 подолала ці обмеження, введши більш просунуту мовну модель, яка дозволяє їй описувати та аналізувати ці складні проблеми. У результаті вона тепер може розв’язувати 88% усіх геометричних проблем IMO за останні два десятиліття, що є суттєвим збільшенням порівняно з попередніми 66%.

2. Швидший і більш ефективний двигун розв’язання проблем

Іншою ключовою причиною високої продуктивності AlphaGeometry2 є її покращений символічний двигун. Цей двигун, який служить логічним ядром цієї системи, був вдосконалений кількома способами. По-перше, він був покращений для роботи з більш розвинутим набором правил розв’язання проблем, що робить його більш ефективним та швидким. По-друге, він тепер може розпізнавати, коли різні геометричні конструкції представляють одну й ту ж точку в проблемі, що дозволяє йому висновкувати більш гнучко. По-третє, двигун був переписаний на мові C++ замість Python, що робить його більш ніж у 300 разів швидшим, ніж раніше. Цей приріст швидкості дозволяє AlphaGeometry2 генерувати розв’язки швидше та більш ефективно.

3. Навчання штучного інтелекту більш складними та різноманітними геометричними проблемами

Ефективність нейронної моделі AlphaGeometry2 полягає в її широкому тренуванні на синтетичних геометричних проблемах. AlphaGeometry спочатку генерувала один мільярд випадкових геометричних діаграм для створення 100 мільйонів унікальних тренувальних прикладів. AlphaGeometry2 іде далі, генеруючи більш широкі та складні діаграми, які включають складні геометричні зв’язки. Крім того, вона тепер включає проблеми, які вимагають введення допоміжних конструкцій – нових визначених точок або ліній, які допомагають розв’язати проблему, що дозволяє їй передбачувати та генерувати більш складні розв’язки

4. Знаходження найкращого шляху до розв’язку з більш розумними стратегіями пошуку

Ключовою інновацією AlphaGeometry2 є її новий підхід до пошуку, який називається Спільним знанням ансамблю дерев пошуку (SKEST). На відміну від свого попередника, який спирався на базовий метод пошуку, AlphaGeometry2 запускає декілька пошуків паралельно, з кожним пошуком, який вивчає з інших. Цей підхід дозволяє їй досліджувати ширший спектр можливих розв’язків та суттєво покращує здатність штучного інтелекту розв’язувати складні проблеми за коротший час.

5. Навчання з більш просунутої мовної моделі

Іншим ключовим фактором успіху AlphaGeometry2 є її прийняття моделі Google Gemini, яка є найновішою моделлю штучного інтелекту, тренованою на більш широкому та різноманітному наборі математичних проблем. Ця нова мовна модель покращує здатність AlphaGeometry2 генерувати крок за кроком розв’язки завдяки її покращеному ланцюжковому висновку. Тепер AlphaGeometry2 може підходити до проблем більш структурованим чином. Вдосконалюючи свої передбачення та вивчаючи з різних типів проблем, система тепер може розв’язувати значно більший відсоток олімпійських геометричних питань.

Досягнення результатів, які перевершують людських чемпіонів олімпіади

Завдяки вищезгаданим вдосконаленням, AlphaGeometry2 розв’язує 42 з 50 геометричних проблем IMO з 2000 по 2024 рік, досягнувши рівня 84% успіху. Ці результати перевершують продуктивність середнього медаліста IMO та встановлюють новий стандарт для штучного інтелекту математичного висновку. Окрім її вражаючої продуктивності, AlphaGeometry2 також робить кроки у автоматизації доведення теорем, що наближає нас до систем штучного інтелекту, які можуть не тільки розв’язувати геометричні проблеми, але також пояснювати свій висновок у спосіб, який люди можуть зрозуміти

Майбутнє штучного інтелекту у математичному висновку

Прогрес від AlphaGeometry до AlphaGeometry2 показує, як штучний інтелект став краще у处理 складних математичних проблем, які вимагають глибокого мислення, логіки та стратегії. Це також свідчить про те, що штучний інтелект вже не тільки розпізнає закономірності – він може висновкувати, встановлювати зв’язки та розв’язувати проблеми способами, які відчуваються більш як людське логічне мислення.

AlphaGeometry2 також показує нам, на що штучний інтелект може бути здатний у майбутньому. Замість того, щоб просто виконувати інструкції, штучний інтелект може почати досліджувати нові математичні ідеї самостійно та навіть допомагати у наукових дослідженнях. Об’єднуючи нейронні мережі з логічним висновком, штучний інтелект може стати не тільки інструментом, який може автоматизувати прості завдання, але й кваліфікованим партнером, який допомагає розширювати людські знання у галузях, які залежать від критичного мислення.

Чи ми вступаємо в епоху, коли штучний інтелект доводить теореми та робить нові відкриття у фізиці, інженерії та біології? Коли штучний інтелект переходить від грубих обчислень до більш вдумливого розв’язання проблем, ми можемо бути на порозі майбутнього, де люди та штучний інтелект працюють разом, щоб відкрити ідеї, про які ми ніколи не думали можливими.