DeepMind - это научно-исследовательская лаборатория компании Google, работающая в сфере искусственного интеллекта. Недавно она представила новую разработку, названную AlphaGeometry. Ее основное применение — поиск правильных ответов в сложных геометрических задачах. По словам DeepMind, AlphaGeometry способна решать многие геометрические задачи на уровне золотого медалиста в олимпиадах по математике.
Данная ИИ-система обладает открытым исходным кодом и уже может похвастать лучшими в своем роде результатами. Она опередила многие подобные системы, решив 25 олимпиадных геометрических задач за ограниченное время (для всех оно было одинаковое). DeepMind заявляет, что AlphaGeometry способна доказывать математические теоремы, а также предлагать наиболее оптимальные шаги для решения задач.
Главными трудностями в процессе развития системы оказались перевод доказательств в формат, понятный машинам, а также дефицит подходящих геометрических учебных данных. Чтобы избавиться от вышеназванных вопросов, DeepMind соединила модель "нейронного языка" (похожую на GPT) с "механизмом символьной дедукции", пользующимся различными математическими правилами. Несмотря на то, что символьные механизмы характеризуются невысокой скоростью (в большинстве случаев) при работе с существенными объемами данными, DeepMind это не остановило. Она занялась их модернизацией, которая подразумевала собой направление дедуктивного механизма при помощи вероятных ответов на геометрические вопросы. Такой подход обеспечил более быстрое выполнение соответствующего процесса.
Вместо учебных данных DeepMind создал 100 миллионов "синтетических теорем" и доказательств различной сложности. После чего было осуществлено обучение AlphaGeometry (с нуля) с применением синтетических данных. В завершение лаборатория протестировала систему на олимпиадных геометрических задачах, которые основываются на чертежах, и чтобы их решить, необходимо добавить новые геометрические фигуры. Результатом оказалась способность AlphaGeometry предсказывать, какие фигуры требуется добавить в зависимости от предложенной задачи.
По сравнению с другими, довольно продвинутыми системами ИИ, вроде DALL-E 3 или GPT-4 от OpenAI, символьный ИИ "умеет" с заметно большей эффективностью кодировать имеющиеся знания, обдумывать сложные сценарии и "растолковывать", каким же образом ему удалось прийти к ответу. Гибридная символьно-нейронная сеть AlphaGeometry доказывает, что путем совмещения двух существующих сейчас подходов реально добиться наиболее эффективного пути в поиске обобщенного ИИ.