- FunSearch 由先进的语言模型驱动，在解决复杂谜题方面超越了人类智能，标志着问题解决能力的一个重要里程碑。
- AI 在问题解决领域的演进涉及计算机程序的迭代生成与评估，展示了 AI 驱动技术在各个科学学科中取得进步的潜力。
- FunSearch 的成功预示着 AI 在未来科学突破中的作用，表明在不同领域中，人类智慧与人工智能之间将形成变革性的协同效应。
在一项突破性发展中，谷歌旗下人工智能（AI）巨头 DeepMind 的研究人员声称，AI 在解决复杂谜题方面已超越人类智能。这一成就植根于类似于驱动 ChatGPT 等聊天机器人的语言模型，标志着人类与机器之间智力优势平衡可能发生转变。
揭示 AI 渗透问题解决过程中的趣味搜索
DeepMind 涉足的未知领域被称为“FunSearch”（在函数空间中搜索），这是语言模型生成新科学发现的首次实例。该项目利用大型语言模型（LLM）配合评估器来解决计算机程序中的问题。这种创新方法使 AI 能够超越人类生成解决方案的限制。
Cap 集问题凸显 AI 的优势
FunSearch 被应用于两个谜题，第一个是 Cap 集问题。这一数学挑战涉及识别空间中没有任何三个点共线的最大点集。令人惊讶的是，AI 驱动的系统生成了能够解决问题并优于此前人类数学家构思的最佳解决方案的程序。
AI 的应用超越传统边界：装箱问题
第二个谜题是装箱问题，涉及优化不同大小物品在容器中的排列。虽然适用于集装箱运输等物理场景，但其数学原理延伸至数据中心的计算任务调度等各个领域。FunSearch 展示了其多功能性，解决了这一复杂问题，并提供了超越传统人类生成策略的解决方案。
AI 新能力的核心在于支撑现代聊天机器人的复杂语言模型（LLM）。这些神经网络从大量数据集中学习语言模式，包括计算机代码。自 ChatGPT 推出以来，这些模型在从调试软件到创作文章、旅行行程和诗歌等各种内容的任务中展现了卓越能力。然而，在此之前，这些模型被视为信息的重新包装者，而非原创知识的生成者。
程序的进化与揭示新知识：FunSearch 方法论
为了赋能 FunSearch，DeepMind 巧妙地利用 LLM 生成解决给定问题的计算机程序。然后根据性能评估这些程序，并将表现最好的程序合并并反馈给 LLM。这种迭代过程将次优程序转化为越来越强大的程序，从而发现了以前未知的知识。
FunSearch 在解决复杂谜题中的成功应用表明，由先进语言模型驱动的 AI 在某些领域有可能超越人类的解决问题的能力。随着 AI 的不断发展，它可能会重新定义曾经被认为是人类专属智力领域的边界。
其影响超出了谜题范围，FunSearch 所采用的方法论可以适应各种领域，为 AI 驱动的不同科学学科的进步铺平道路。AI 生成新解决方案和发现的前景为研究和创新开辟了新的途径。
窥见 AI 驱动发现的未来
DeepMind 最近的这一发现凸显了 AI 的变革力量，特别是在问题解决领域。FunSearch 在谜题中超越人类生成解决方案的成功，暗示了一个未来：在先进语言模型的指导下，AI 可能在科学突破中发挥关键作用。
虽然目前的里程碑集中在谜题上，但这种 AI 驱动方法论的更广泛应用尚未得到充分探索。随着研究人员深入探索各种可能性，人类智力与人工智能的协同作用可能会导致前所未有的进步，标志着我们在问题解决和发现理解上的范式转变。
最聪明的加密领域人士已经在阅读我们的通讯。想加入吗？加入他们。
免责声明。 本文提供的信息不构成交易建议。 Cryptopolitan.com 对于基于本页信息进行的任何投资，我们不承担任何责任。我们强烈建议在进行任何投资决策之前，进行独立研究或咨询合格的专业人士。
埃迪塔·帕特里克
Editah 是一位多才多艺的金融科技分析师，对区块链领域有着深入的理解。她既着迷于技术，又惊叹于技术与金融交汇所带来的震撼。她对数字钱包和区块链的特别关注，也为她的受众提供了宝贵的见解。
