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. Ця обмеженість стає особливо очевидною, коли штучний інтелект використовується для математичного розв’язання проблем, галузі, яка довгий час була свідченням людських когнітивних здібностей, таких як логічне мислення, креативність 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 й здатності розпізнавати приховані відносини та уміти конструювати додаткові елементи для розв’язання проблем.

Для довгого часу 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 структурованою логікою символічного висновку для розв’язання складних геометричних проблем. Ця система зробила значний вплив, розв’язавши 54% геометричних проблем Міжнародної математичної олімпіади (IMO), щоб досягти результатів на рівні срібних медалістів. Нещодавно вони пішли ще далі з AlphaGeometry2, який досягнув неймовірного 84% результату розв’язання проблем, щоб перевершити середнього медаліста IMO.

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

AlphaGeometry: Піонер штучного інтелекту у розв’язанні геометричних проблем

AlphaGeometry – це система штучного інтелекту, розроблена для розв’язання складних геометричних проблем на рівні IMO. Це по суті нейро-символічна система, яка поєднує нейронну мовну модель з символічним висновковим двигуном. Нейронна мовна модель допомагає системі передбачати 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 структурованою логікою формальної логіки, яка імітує людську здатність до висновків. 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 відносини між точками та лініями. Цей процес створив величезну базу даних із 100 мільйонів унікальних прикладів, що допомогло нейронній моделі передбачати функціональні геометричні конструкції та спрямовувати символічний двигун до точних розв’язань. Цей гібридний підхід дозволив AlphaGeometry розв’язати 25 із 30 олімпійських геометричних проблем у стандартний час змагань, тісно наблизившись до результатів найкращих людських конкурентів.

Як AlphaGeometry2 досягає покращених результатів

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 значних покращень:

1. Розширення можливостей штучного інтелекту для розуміння більш складних геометричних проблем

Одним з найбільш значних покращень у AlphaGeometry2 є її здатність працювати з більш широким спектром геометричних проблем. Попередня AlphaGeometry боролася з питаннями, які涉али лінійні рівняння кутів, відношень та відстаней, а також ті, які вимагали висновків про рухомі точки, лінії та кола. AlphaGeometry2 подолає ці обмеження, вводячи більш просунуту мовну модель, яка дозволяє їй описувати та аналізувати ці складні проблеми. В результаті вона тепер може розв’язувати 88% усіх геометричних проблем IMO за останні два десятиліття, що є значним збільшенням порівняно з попереднім показником у 66%.

2. Швидша та більш ефективна система розв’язання проблем

Іншим ключовим důvodом високих результатів AlphaGeometry2 є її покращений символічний двигун. Цей двигун, який слугує 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 висновувати 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’язання більш швидко та ефективно.

3. Навчання штучного інтелекту більш складними та різноманітними геометричними проблемами

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

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

Ключовою інновацією AlphaGeometry2 є її новий підхід до пошуку, який називається Shared Knowledge Ensemble of Search Trees (SKEST). На відміну від свого попередника, який спирався на базовий метод пошуку, AlphaGeometry2 здійснює паралельний пошук, при якому кожен пошук вчиться у інших. Ця техніка дозволяє їй досліджувати ширший спектр можливих розв’язань та значно покращує здатність штучного інтелекту розв’язувати складні проблеми за коротший час.

5. Навчання з більш просунутої мовної моделі

Іншим ключовим чинником успіху AlphaGeometry2 є її прийняття моделі Google Gemini, яка є найновішою моделлю штучного інтелекту, навченої на ще більш обширній та різноманітній базі математичних проблем. Ця нова мовна модель покращує здатність AlphaGeometry2 генерувати крок за кроком розв’язання завдяки її покращеному ланцюговому висновку. Тепер AlphaGeometry2 може підходити до проблем більш структуровано. Виконуючи тонке налаштування своїх передбачень та навчання на різних типах проблем, система тепер може розв’язувати значно більший відсоток олімпійських геометричних питань.

Досягнення результатів, які перевершують людських чемпіонів олімпіади

Завдяки вищезазначеним вдосконаленням AlphaGeometry2 розв’язує 42 із 50 геометричних проблем IMO з 2000 по 2024 рік, досягнувши 84% успішного результату. Ці результати перевершують результати середнього медаліста IMO та встановлюють новий стандарт для штучного інтелекту математичного висновку. Окрім вражаючих результатів, AlphaGeometry2 робить кроки у напрямку автоматизації доведення теорем, наближаючи нас до систем штучного інтелекту, які можуть не тільки розв’язувати геометричні проблеми, але й пояснювати своє мислення方式, яку люди можуть зрозуміти

Майбутнє штучного інтелекту у математичному висновку

Прогрес від AlphaGeometry до AlphaGeometry2 показує, як штучний інтелект став краще справлятися зі складними математичними проблемами, які вимагають глибокого мислення, логіки та стратегії. Це також свідчить про те, що штучний інтелект вже не тільки розпізнає закономірності – він може висновувати, встановлювати зв’язки та розв’язувати проблеми способами, які відчуваються більш як людське логічне мислення.

AlphaGeometry2 також показує нам, на що здатний штучний інтелект у майбутньому. Замість того, щоб просто слідувати інструкціям, штучний інтелект може почати досліджувати нові математичні ідеї самостійно та навіть допомогти у наукових дослідженнях. Поєднуючи нейронні мережі з логічним висновком, штучний інтелект може не тільки бути інструментом, який може автоматизувати прості завдання, але й кваліфікованим партнером, який допоможе розширити 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 перейде від грубих обчислень до більш розважливого розв’язання проблем, ми можемо бути на порозі майбутнього, де люди та штучний інтелект працюватимуть разом, щоб відкрити ідеї, які раніше були неможливі.