• TWEAK
• Software

Google AI systemer opnår gennembrud i matematik

Google har afsløret to banebrydende kunstige intelligenssystemer, der har opnået bemærkelsesværdig fremgang i at tackle komplekse matematiske problemer, hvilket markerer et betydeligt spring fremad inden for det generative AI-felt. Traditionelt har AI-modeller, der er afhængige af statistiske forudsigelser for at bestemme det næste ord, haft problemer med abstrakt matematik på grund af dets krav til avancerede ræsonnementsevner, der minder om menneskelig kognition. 

DeepMind, Googles AI-forskningsafdeling, afslørede, at deres nyeste AI-modeller, AlphaProof og AlphaGeometry 2, succesfuldt løste fire ud af seks problemer ved 2024 International Math Olympiad, en prestigefyldt konkurrence for gymnasieelever. Denne milepæl fremhæver en betydelig gennembrud i AI's evne til at håndtere komplekse matematiske opgaver. Google bemærkede i en blogpost, at mens et problem blev løst på få minutter, tog det andre op til tre dage, hvilket overskred konkurrencens tidsgrænse. 

Ikke desto mindre repræsenterer denne præstation de højeste scorer nogensinde opnået af et AI-system i denne konkurrence. AlphaProof, der excellerer i ræsonnement, blev udviklet ved at kombinere Gemini, sprogmodellen bag Googles chatbot, med AlphaZero, et AI-system berømt for at overgå menneskelige mestre i brætspil som skak og Go. AlphaProof formåede at løse tre af Olympiadens problemer, herunder det mest formidable, som kun fem ud af mere end 600 menneskelige deltagere var i stand til at bryde.

Derudover løste AlphaGeometry 2 endnu et problem, hvilket vidner om AI's imponerende evner. De nye gennembrud for AlphaProof og AlphaGeometry 2 illustrerer potentialet for AI til at håndtere problemer, der kræver dyb ræsonnering og forståelse, og bevæger sig udover blot mønstergenkendelse. Denne fremgang kan have vidtrækkende implikationer for forskellige områder, der afhænger af sofistikeret problemløsning, såsom fysik, ingeniørarbejde og økonomi. 

Integration af forskellige AI-systemer, som Gemini og AlphaZero, i en forenet enhed med avanceret ræsonnering antyder en lovende fremtid, hvor AI kan være endnu mere nyttig i meget specifik videnskabelig forskning og opdagelse. Dog indikerer den forlængede tid, som AI’en krævede for at løse visse problemer, at der stadig er betydelig plads til forbedring. Fremtidige fremskridt vil sandsynligvis fokusere på at øge hastigheden og effektiviteten af disse modeller, hvilket gør dem mere praktiske for realtidsapplikationer."