Le modèle d'IA révolutionnaire de DeepMind résout les mystères mathématiques

Dans un développement significatif, DeepMind, une filiale de Google, a introduit un modèle de langage large (LLM) innovant nommé « FunSearch », qui révolutionne le domaine des mathématiques.

Contrairement aux modèles d'IA traditionnels qui génèrent parfois des résultats inexacts ou fictifs, FunSearch est spécialisé dans la recherche de solutions précises à des problèmes mathématiques complexes, révélant souvent de nouvelles solutions jamais auparavant conçues par les humains.

FunSearch : Une merveille mathématique pionnière

FunSearch, nommé à juste titre pour son focus sur les fonctions mathématiques plutôt que sur l'amusement, établit de nouvelles normes dans le domaine des mathématiques pilotées par l'IA. Au cœur de ce modèle révolutionnaire se trouve une architecture à deux niveaux. 

La première couche est une variante du PaLM 2 de Google appelée « Codey », un grand modèle de langage. La deuxième couche agit comme un mécanisme de vérification des erreurs, analysant méticuleusement la sortie de Codey et éliminant les informations incorrectes.

L'équipe de recherche de DeepMind, dirigeant ce projet exceptionnel, a entrepris un voyage incertain, ne sachant pas si cette approche produirait des résultats remarquables. Même aujourd'hui, ils restent mystifiés quant aux mécanismes sous-jacents qui alimentent les capacités extraordinaires de FunSearch, selon le chercheur de DeepMind Alhussein Fawzi.

Résolution du problème énigmatique de l'ensemble de cap

L'un des énigmes mathématiques clés que FunSearch a abordées est le célèbre « problème de l'ensemble de cap ». Cette énigme a confondu les mathématiciens pendant des années, principalement en raison du manque de consensus sur la meilleure approche pour le résoudre.

Cependant, FunSearch a transcendé ce défi en générant de nouvelles solutions entièrement nouvelles et, crucialement, précises au problème de l'ensemble de cap – des solutions auparavant inaccessibles par les efforts humains.

Pour accomplir cet exploit, les ingénieurs de DeepMind ont construit une représentation Python du problème de l'ensemble de cap, omettant les lignes qui définissaient la solution. Il incombait alors à Codey d'ajouter des lignes qui résoudraient correctement le problème. 

La couche de vérification des erreurs a évalué rigoureusement les solutions de Codey pour leur exactitude et leur qualité, reconnaissant qu'en mathématiques de haut niveau, les équations peuvent avoir plusieurs solutions, mais pas toutes ne sont considérées comme également précieuses. Avec le temps, l'algorithme de FunSearch identifie les solutions optimales générées par Codey et les intègre de nouveau dans le modèle.

DeepMind a permis à FunSearch de fonctionner pendant plusieurs jours, au cours desquels il a produit des millions de solutions potentielles. Cette durée d'exécution prolongée a permis à FunSearch d'affiner son code et de générer des résultats de plus en plus supérieurs. Les résultats de cette recherche mettent en évidence la capacité de FunSearch à produire des solutions auparavant inconnues, mais mathématiquement valides, au problème de l'ensemble de cap.

Au-delà de l'ensemble de cap : relever le défi du problème de l'emballage dans des boîtes

En plus du problème de l'ensemble de cap, FunSearch a démontré son expertise dans la résolution d'un autre défi mathématique redoutable connu sous le nom de « problème de l'emballage dans des boîtes » (bin packing problem). Ce problème consiste à déterminer la manière la plus efficace de remplir des boîtes, une tâche complexe aux applications pratiques nombreuses. De manière remarquable, FunSearch a surpassé les solutions calculées par les humains en découvrant une approche plus rapide et plus optimisée.

La capacité de FunSearch à exceller dans des domaines mathématiques aussi diversifiés souligne son utilité potentielle pour assister les mathématiciens et les chercheurs dans divers domaines.

Bien que l'intégration des modèles de langage large (LLMs) dans le domaine des mathématiques continue de présenter des défis, le FunSearch de DeepMind offre une voie prometteuse. Ce qui distingue cette approche est sa génération de code informatique, par opposition à la fourniture de sorties mathématiques brutes. Cette distinction simplifie le processus de compréhension et de vérification, le rendant plus accessible aux mathématiciens et chercheurs humains.

L'avènement de FunSearch représente une autre avancée significative dans les contributions continues de DeepMind à l'intelligence artificielle. Leurs projets antérieurs, notamment AlphaFold (repliement des protéines), AlphaStar (StarCraft) et AlphaGo (Go), ont réalisé des prouesses remarquables, mais n'étaient pas basés sur des LLM. Néanmoins, ils ont mis au jour de nouveaux concepts mathématiques, présageant le potentiel révolutionnaire de FunSearch.

Alors que les mathématiciens s'efforcent de s'adapter à l'évolution du paysage technologique des LLM, la dernière innovation de DeepMind offre un éclair d'espoir et des solutions potentielles à des énigmes mathématiques de longue date. L'approche unique de FunSearch et sa capacité à fournir des solutions nouvelles et vérifiées pourraient transformer la manière dont les mathématiciens abordent les problèmes complexes.