Прорывная модель ИИ от DeepMind решает математические загадки

В значимом развитии событий DeepMind, дочерняя компания Google, представила инновационную большую языковую модель (LLM) под названием «FunSearch», которая революционизирует область математики.

В отличие от традиционных моделей ИИ, которые иногда генерируют неточные или вымышленные результаты, FunSearch специализируется на поиске точных решений сложных математических проблем, часто выявляя совершенно новые решения, ранее не придуманные людьми.

FunSearch: пионерское математическое чудо

FunSearch, название которого точно отражает его фокус на математических функциях, а не на развлечениях, устанавливает новые стандарты в области ИИ-математики. В основе этой новаторской модели лежит двухуровневая архитектура. 

Первый уровень представляет собой вариант модели PaLM 2 от Google под названием «Codey», большую языковую модель. Второй уровень действует как механизм проверки ошибок, тщательно сканируя вывод Codey и устраняя неверную информацию.

Исследовательская группа DeepMind, возглавляющая этот исключительный проект, отправилась в путь неопределенности, не будучи уверенной, приведет ли этот подход к выдающимся результатам. Даже сегодня они остаются в недоумении относительно механизмов, лежащих в основе исключительных возможностей FunSearch, согласно исследователю DeepMind Альхуссейну Фавзи.

Решение загадочной проблемы «cap set»

Одной из ключевых математических головоломок, с которыми столкнулся FunSearch, является знаменитая «проблема cap set». Эта загадка ставила в тупик математиков в течение многих лет, главным образом из-за отсутствия консенсуса относительно наилучшего подхода к ее решению.

Однако FunSearch превзошел это препятствие, сгенерировав совершенно новые и, что важно, точные решения проблемы cap set — решения, ранее недоступные в результате человеческих усилий.

Для достижения этого подвига инженеры DeepMind создали представление проблемы cap set на Python, опустив строки, определяющие решение. Затем задача Codey заключалась в добавлении строк, которые правильно разрешат проблему. 

Слой проверки ошибок тщательно оценивал решения Codey на точность и качество, понимая, что в высшей математике уравнения могут иметь несколько решений, но не все они считаются одинаково ценными. Со временем алгоритм FunSearch выявляет оптимальные решения, сгенерированные Codey, и интегрирует их обратно в модель.

DeepMind позволил FunSearch работать в течение нескольких дней, в течение которых он произвел миллионы потенциальных решений. Это длительное время работы позволило FunSearch отточить свой код и генерировать все более превосходные результаты. Результаты этого исследования подчеркивают способность FunSearch создавать ранее неизвестные, но математически обоснованные решения проблемы cap set.

За пределами cap set: решение проблемы упаковки в контейнеры

Помимо проблемы cap set, FunSearch продемонстрировал свою мощь в решении еще одной сложной математической задачи, известной как «проблема упаковки в контейнеры» (bin packing problem). Эта задача заключается в определении наиболее эффективного способа упаковки предметов в контейнеры — задача, полная сложности и практических приложений. Примечательно, что FunSearch превзошел решения, рассчитанные человеком, обнаружив более быстрый и оптимизированный подход.

Способность FunSearch преуспевать в таких разнообразных математических областях подчеркивает его потенциальную полезность в помощи математикам и исследователям в различных сферах.

Хотя интеграция больших языковых моделей (LLM) в сферу математики продолжает представлять собой вызов, FunSearch от DeepMind предлагает многообещающий путь вперед. Что отличает этот подход, так это генерация компьютерного кода, а не предоставление сырых математических результатов. Это упрощает процесс понимания и проверки, делая его более доступным для человеческих математиков и исследователей.

Появление FunSearch представляет собой еще один значительный шаг в постоянном вкладе DeepMind в развитие искусственного интеллекта. Их более ранние проекты, включая AlphaFold (сворачивание белков), AlphaStar (StarCraft) и AlphaGo (Го), достигли выдающихся результатов, но не основывались на LLM. Тем не менее, они открыли новые математические концепции, предвосхитившие новаторский потенциал FunSearch.

По мере того как математики борются с меняющимся ландшафтом технологии LLM, последнее нововведение DeepMind предлагает проблеск надежды и потенциальные решения давних математических загадок. Уникальный подход FunSearch и его способность предоставлять новые, проверенные решения могут изменить способ, которым математики подходят к сложным проблемам.