IT 之家 1 月 18 日消息，谷歌 DeepMind 近日在《Nature》上發(fā)表論文，展示了最新 AI 系統(tǒng) AlphaGeometry，解決數(shù)學幾何問題的能力媲美全球頂尖學生。
AlphaGeometry 在高中生國際數(shù)學奧林匹克競賽（IMO）中，30 道題目中正確回答 25 道，正確率為 83%。
作為對比，人類金牌得主平均能正確回答 25.9 個問題，而此前 AI 模型的最好紀錄是成功回答 10 道幾何問題。
這一成績非常接近人類參賽者的金牌標準，Deepmind 認為，這凸顯了人工智能在數(shù)學領域日益增長的能力。
參與該項目的 Deepmind 研究員 Quoc V Le 告訴《金融時報》，新系統(tǒng)是向構建人工通用智能（AGI）邁出的關鍵一步。
AlphaGeometry 是一種結合了語言學習和演繹推理的神經(jīng)符號系統(tǒng)。該系統(tǒng)結合神經(jīng)語言模型的預測能力與基于規(guī)則的演繹引擎，共同尋找解決方案。
語言模型是一種解決方案助手，當符號引擎無法獨立找到解決方案時，它就會向符號引擎建議新的方法。
谷歌 Deepmind 將這種方法比作心理學家丹尼爾-卡尼曼（Daniel Kahneman）所說的 "快思慢慮"，結合快速模式識別能力與邏輯推理的深思熟慮。
AlphaGeometry 通過從形狀和線條中隨機生成幾何圖形來創(chuàng)建訓練數(shù)據(jù)。然后，系統(tǒng)會識別并重建這些圖表中的所有連接、關系和證明。通過這一過程，AlphaGeometry 無需依賴人工演示或指導，就可以學習和理解幾何圖形。
Deepmind 稱這種技術為“符號演繹和回溯”（symbolic deduction and traceback），解決了數(shù)學中訓練數(shù)據(jù)太少的問題。
完成后的數(shù)據(jù)集由十億個隨機的、獨一無二的幾何物體圖組成，每個圖中的點和線之間的所有關系都是“詳盡推導”出來的。
IT 之家附上 AlphaGeometry 源代碼和論文地址如下
Trinh, T.H., Wu, Y., Le, Q.V. et al. Solving olympiad geometry without human demonstrations. Nature 625, 476–482 (2024).
https://doi.org/10.1038/s41586-023-06747-5
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。