- DeepMind の AI モデル「FunSearch」は、複雑な数学問題を正確に解決し、新たな解を発見します。
- キャップセットやビンパッキングなどの問題において卓越した性能を発揮し、人間の解法を上回ります。
- この革新的なコードベースのアプローチは、数学の謎を解く希望をもたらします。
重要な進展として、Googleの傘下企業であるDeepMindは、数学の分野に革命をもたらす革新的な大規模言語モデル（LLM）「FunSearch」を発表しました。
たまに不正確または架空の結果を生成する従来のAIモデルとは異なり、FunSearchは複雑な数学的問題に対する正確な解決策を見つけることに特化しており、人間がこれまで考えついたことのない全く新しい解決策を明らかにすることがよくあります。
FunSearch：先駆的な数学の驚異
数学関数に焦点を当てていることから名付けられたFunSearchは、AI駆動型数学の分野で新たな基準を設けています。この画期的なモデルの中心には、二段階のアーキテクチャがあります。
第一層は、GoogleのPaLM 2を基にした「Codey」と呼ばれる大規模言語モデルのバリアントです。第二層はエラーチェック機構として機能し、Codeyの出力を注意深くスキャンして誤った情報を排除します。
この卓越したプロジェクトを主導しているDeepMindの研究チームは、このアプローチが顕著な結果を生むかどうか分からないという不確実性の旅に出ました。DeepMindの研究者であるAlhussein Fawzi氏によると、今日でも彼らはFunSearchの非凡な能力を駆動する根本的なメカニズムについて謎に包まれています。
謎めいたキャップセット問題の解決
FunSearchが取り組んだ主要な数学的な難問の一つは、有名な「キャップセット問題」です。このパズルは、長年にわたり数学者たちを悩ませてきましたが、主にそれを解決するための最善のアプローチに関する合意が欠如していたためです。
しかし、FunSearchはこの課題を乗り越え、キャップセット問題に対して、これまで人間の努力では達成不可能だった、全く新しくかつ重要なことに正確な解決策を生成しました。
この偉業を達成するために、DeepMindのエンジニアたちは、解決策を定義する行を省略したキャップセット問題のPython表現を構築しました。その後、問題を正しく解決する行を追加する役割はCodeyにありました。
エラーチェック層は、Codeyの解決策の正確性と品質を厳格に評価しました。上位の数学では、方程式に複数の解決策がある場合もありますが、すべてが同等に価値があるとは見なされないことを認識しています。時間の経過とともに、FunSearchのアルゴリズムはCodeyによって生成された最適な解決策を特定し、それらをモデルに統合します。
DeepMindはFunSearchを数日間稼働させ、その間に数百万の潜在的な解決策を生み出しました。この長時間のランタイムにより、FunSearchはコードを洗練させ、ますます優れた結果を生成することができました。この研究の結果は、FunSearchがキャップセット問題に対して、これまで未知であったが数学的に妥当な解決策を生み出す能力を示しています。
キャップセットを超えて：ビンパッキング問題への取り組み
キャップセット問題に加え、FunSearchは「ビンパッキング問題」として知られるもう一つの強力な数学的課題に対処するその能力も示しました。この問題は、ビンに最も効率的に詰め込む方法を決定するものであり、複雑さと実用的な応用を伴うタスクです。驚くべきことに、FunSearchはより速く、より最適化されたアプローチを発見することで、人間が計算した解決策を上回りました。
FunSearchがこのような多様な数学的領域で卓越している能力は、数学者や研究者をさまざまな分野で支援する可能性のあるその有用性を強調しています。
大規模言語モデル（LLMs）の数学分野への統合は依然として課題を抱えていますが、DeepMindのFunSearchは有望な前進を示しています。このアプローチが際立っている点は、生の数学的な出力を提供するのではなく、コンピュータコードを生成することです。この違いにより、理解と検証のプロセスが簡素化され、人間の数学者や研究者にとってよりアクセスしやすくなっています。
FunSearchの登場は、DeepMindの人工知能への継続的な貢献におけるもう一つの重要な一歩を表しています。彼らの以前のプロジェクト、例えばAlphaFold（タンパク質の折りたたみ）、AlphaStar（スタークラフト）、AlphaGo（囲碁）は顕著な成果を上げましたが、LLMに基づくものではありませんでした。それでも、それらは新しい数学的概念を発見し、FunSearchの画期的な可能性を予兆させていました。
LLM技術の進化に対応しながら葛藤する数学者たちにとって、DeepMindの最新の革新は、長年の数学的な難問に対する希望と潜在的な解決策の兆しを提供しています。FunSearchのユニークなアプローチと、新規で検証済みの解決策を提供する能力は、数学者が複雑な問題に取り組む方法を変革する可能性があります。
これをお読みいただいているあなたは、すでに一歩先を行っています。当社のニュースレターでその先を行ってください。
免責事項。 ここに提供される情報は取引助言ではありません。 Cryptopolitan.com 当社は、このページに提供される情報に基づいて行われたいかなる投資に対しても責任を負いません。いかなる投資判断を下す前に、独立した調査および/または資格を有する専門家への相談を強く推奨します。
ブライアン・クーム
ブライアン・クミは2017年から業界に従事し、ブロックチェーンおよび暗号通貨の報道において7年以上の経験を持っています。BlockToday.comを含む主要な出版物に寄稿しており、BitDegree.orgでEthereum 101コースを開発したのち、Cryptopolitanのフルタイムライターとして参加しました。ブライアンはエバーグリーンガイド（EG）、ディープダイブ、インタビュー、価格分析をカバーしており、DeFi、ブロックチェーンのイノベーション、新興の暗号通貨プロジェクトへの注目は読者を魅了しています。
