Исследователи, занимающиеся изучением искусственного интеллекта, недавно сделали заявление, что сделали первое научное открытие при помощи большой языковой модели (LLM) и технологий, что лежат в ее основе. ИИ сумел найти новые решения математических задач. Это доказало способность программ, созданных человеческим гением, генерировать данные, выходящие за границы известных знаний.
FunSearch превзошла математиков
Система была разработана Google DeepMind и получила название FunSearch. Она сумела сделать прорыв в комбинаторике — области математики, которая занимается подсчетом возможных расположений множеств при конечном количестве объектов.
Этот случай считается первым в мире, когда система, основанная на искусственном интеллекте, сумела превзойти все известное математикам. Такое событие — это не просто новинка. Его считают самым надежным способом сейчас для совершения математических открытий. Такая эффективность объясняется встроенной системой «антигаллюцинации» — фильтрацией ошибочных результатов. Новый подход с отбрасыванием бесполезных ответов, повысил значительно их качество.
Предыдущие разработки
Большие языковые системы — современные чат-боты, такие как ChatGPT от OpenAI и Bard от Google — это довольно мощные нейронные сети. Они созданы для изучения закономерностей языка, включая компьютерный код, на основе огромного количества текста. Они обучаются на данных, которые не ограничены какой-то одной областью знаний. Это и делает их более склонными к галлюцинациям, то есть к выдаче неверных ответов.
Однако критика здесь неуместна, так как принцип их работы создавался на модели человеческого мышления. Она мало чем отличается от подхода ученых к решению научных задач. Они также проводят исследования, в результате которых предлагают множество идей. Они тоже могут быть верными или ложными.
Особенности FunSearch
ИИ, разработанные Google DeepMind, демонстрируют впечатляющие возможности, благодаря своей специфичности. Они проводят обучение на точных наборах данных по конкретной области знаний, например математика или химия. Была вероятность того, что так будет минимизирована вероятность генерирования ИИ ошибочных результатов.
FunSearch способен самостоятельно создавать запросы к LLM, которая специально обучена, с просьбой написания компьютерных программ. Они генерируют решение, которое определено задачей, поставленной ИИ. Программа проверяет результат и проводит анализ — есть ли совпадения с известными ранее решениями или она превзошла их. При условии, что ответ совпал с уже известным, FunSearch дает обратную связь для LLM, чтобы языковая модель улучшила его.
Один из компьютерных ученых DeepMind сказал, что использование LLM позволило создать для ИИ «двигатель творчества». Не все программы созданные таким образом хороши, наоборот, многие очень плохи. Но система быстро их распознает, отбрасывает и проверяет лишь хорошие результаты. FunSearch состоит из предварительно обученного LLM в сочетании с автоматизированной системой оценки.
Система начинает с того, что получает задачу и базовое решение исходного кода. На основе этого она генерирует набор множества вариантов, правильность которых проверяет с помощью встроенного «оценщика». Затем варианты, которые посчитает хорошими, возвращает с предложением их улучшить.
По данным Google DeepMind, этот процесс с обратной связью порождает огромное количество потенциальных решений. В итоге они сводятся к надежному результату, который способен превзойти уже известный. Так ученые смогли создать нечто большее, чем просто анализ полученной информации. Они научили ИИ добиваться новых, ранее не известных, открытий.
В чем научное открытие
Команда исследователей испытала FunSearch на решении двух головоломок. Они использовали ИИ для задач, решения в которых математикам уже известны.
Первая поставленная задача была из геометрии. Она известна, как «проблема множества крышек». Связана задача с поиском наибольшего точек в пространстве, где 3 точки не образуют прямую линию. Выданный ИИ результат превзошел все придуманное математиками ранее.
Второй головоломкой перед FunSearch стала задача по оптимальной упаковке предметов разного размера в контейнеры, поиску самых эффективных способов для этого. Согласно результатам, которые были публикованы в журнале Nature, именно FunSearch нашла лучший вариант с минимальными зазорами. Это может сделать FunSearch применимым в транспортной и логистической сферах.
Сейчас исследователи изучают спектр научных проблем, с которыми может справиться FunSearch. Он генерирует программу, находящую новое решение, что может дать ученым понимание, как решать другие смежные задачи.
Сделайте свой маленький вклад в научное просвещение граждан, поставьте палец вверх👍 и подпишитесь на наш канал.