โมเดล Alphageometry2 ของ Google DeepMind มีผู้ชนะเลิศเหรียญทองของมนุษย์กว่า olympiad ทางคณิตศาสตร์ระหว่างประเทศ ปัญหาที่นำเสนอในช่วง 25 ปีที่ผ่านมา
ตัวอักษร 2 สร้างขึ้นบนตัวอักษรรุ่นก่อนโดยการเพิ่มภาษาการเป็นตัวแทน Google ขยายขีดความสามารถในการจัดการกับปัญหาเรขาคณิตที่กว้างขึ้นรวมถึงสิ่งที่เกี่ยวข้องกับการเคลื่อนไหวของวัตถุและสมการเชิงเส้นที่เกี่ยวข้องกับมุมอัตราส่วนและระยะทาง
เมื่อเดือนกรกฎาคมที่ผ่านมาระบบแล้ว ได้รับระดับเหรียญเงิน ในการแก้ปัญหาโอลิมปิกคณิตศาสตร์ระหว่างประเทศ รูปภาพ/gif; base64, r0lgodlhaqaBaaaaach5baekaaealaaaaaabaaaaaaICaEAAW==”>
ความสำเร็จใหม่ทำให้ระบบ AI เป็นจุดสำคัญในการใช้เหตุผลในการคำนวณ
ตัวอักษรรุ่นก่อนได้รับอัตราความสำเร็จเพียง 54%โดยทำเครื่องหมายระบบใหม่เป็นการก้าวกระโดดที่สำคัญไปข้างหน้า
การพัฒนานี้สร้างขึ้นจากมรดกของความสำเร็จของ DeepMind รวมถึง Alphafold 3 3 ซึ่งเปลี่ยนการทำนายโครงสร้างโปรตีนและ alphago ซึ่งเชี่ยวชาญเกมกระดานโบราณของ Go
ตื่นเต้นที่จะแบ่งปันรายละเอียดของตัวอักษร 2 (AG2) ซึ่งเป็นส่วนหนึ่งของระบบที่ได้มาตรฐานการแพทย์เงินที่ IMO 2024 เมื่อเดือนกรกฎาคมที่ผ่านมา! ตอนนี้ Ag2 ได้ผ่านการแพทย์ทองคำโดยเฉลี่ยในการแก้ปัญหาเรขาคณิตโอลิมปิกโดยบรรลุอัตราการแก้ปัญหา 84% สำหรับปัญหาเรขาคณิต IMO ทั้งหมด… https://t co/javtpndbmu pic.twitter.com/exhstdevtp
-thang luong (@lmthang) วันที่ 7, 2025
การประยุกต์ แสดงให้เห็นถึงความสามารถในการปรับตัวของแบบจำลองของ DeepMind ในการจัดการกับความท้าทายที่หลากหลาย
ระบบรวมสถาปัตยกรรมเครือข่ายประสาทเข้ากับการใช้เหตุผลเชิงสัญลักษณ์โดยใช้วิธีการไฮบริดที่ช่วยให้สามารถแก้ไขปัญหาที่ต้องใช้ทั้งความคิดสร้างสรรค์และความแม่นยำเชิงตรรกะ
Alphageometry2 ไม่เพียง แต่มีประสิทธิภาพสูงกว่าผู้เชี่ยวชาญของมนุษย์หลายคนเท่านั้น แต่ยังแนะนำเทคนิคที่อาจมีอิทธิพลต่อการวิจัยและการใช้งาน AI ที่กว้างขึ้นรวมถึงสาขาต่างๆเช่นวิศวกรรมและฟิสิกส์
ความสำเร็จของมันมีพื้นฐานมาจากนวัตกรรมเช่นชุดความรู้ที่ใช้ร่วมกันของต้นไม้ค้นหา (Skest) และเครื่องยนต์สัญลักษณ์ที่ดีที่สุดซึ่งช่วยให้ AI สามารถแก้ปัญหาได้ด้วยความเร็วที่ไม่เคยมีมาก่อน
ใน AG1 เราใช้การค้นหาลำแสงอย่างง่ายเพื่อค้นหาหลักฐาน ใน AG2 เราออกแบบอัลกอริทึมการค้นหาใหม่ที่เรียกว่าชุดความรู้ที่ใช้ร่วมกันของต้นไม้ค้นหา (Skest) เพื่อให้การค้นหาลำแสงหลายลำทำงานแบบขนานและช่วยเหลือซึ่งกันและกัน นี่เป็นหนึ่งในเหตุผลที่เราสามารถแก้ปัญหา IMO ได้… pic.twitter.com/z1078g083w
-thang luong (@lmthang) 8 กุมภาพันธ์ 2025 /strong>
ที่หัวใจของตัวอักษร 2 เป็นสถาปัตยกรรมไฮบริดซึ่งรวมโมเดลภาษาราศีเมถุนของ DeepMind รุ่น Finetuned กับเครื่องยนต์เหตุผลเชิงสัญลักษณ์ที่รู้จักกันในชื่อ DDAR
การทำงานร่วมกันนี้ช่วยให้ AI สามารถตีความและทำให้เกิดปัญหาเรขาคณิตที่ซับซ้อนสร้างวิธีแก้ปัญหาที่อาจเกิดขึ้นและตรวจสอบโซลูชันเหล่านี้ผ่านการพิสูจน์เชิงตรรกะที่เข้มงวด
ตามที่ตีพิมพ์เมื่อเร็ว ๆ นี้ รายงานการวิจัย DeepMind เกี่ยวกับ Alphageometry2 ,“ การปรับปรุงเหล่านี้ทำให้เกิดการปรับปรุงอย่างมาก: AG2 ประสบความสำเร็จในการแก้ปัญหา 84% ที่น่าประทับใจสำหรับปัญหาเรขาคณิต IMO ทั้งหมดในปี 2000–2024 แสดงให้เห็นถึงการก้าวกระโดดที่สำคัญในความสามารถของ AI ในการจัดการกับงานการใช้เหตุผลทางคณิตศาสตร์ที่ท้าทาย”
เวิร์กโฟลว์ของตัวอักษร 2 ที่ช่วยให้กลยุทธ์การแก้ปัญหาหลายอย่างสามารถทำงานได้แบบขนาน เปิดใช้งานการสำรวจหลายช่องทางของการให้เหตุผลพร้อมกัน
DeepMind ได้ดำเนินการอัพเกรดทางเทคนิคอย่างมากกับเครื่องยนต์การให้เหตุผลเชิงสัญลักษณ์ของระบบ รุ่นก่อนช่วยให้สามารถแก้ปัญหาที่ครอบคลุมได้มากขึ้นภายในงบประมาณการคำนวณที่ จำกัด
การเพิ่มประสิทธิภาพเหล่านี้จะขยายช่วงของปัญหาตัวอักษร 2 สามารถจัดการได้รวมถึงปัญหาที่ซับซ้อน locus ที่วัตถุเคลื่อนที่ในขณะที่ยังคงความสัมพันธ์เฉพาะกับองค์ประกอบทางเรขาคณิตอื่น ๆ
เกินประสิทธิภาพของมนุษย์ใน รูปทรงเรขาคณิต
การแสดงของ Alphageometry2 วางไว้เหนือผู้ชนะเลิศเหรียญทอง IMO โดยทั่วไปซึ่งโดยทั่วไปจะแก้ปัญหา 40 จาก 50 ในชุดมาตรฐาน IMO-AG-50
ระบบแก้ไขปัญหา 42 ครั้งทำเครื่องหมายขอบเล็กน้อย แต่มีความหมายเหนือผู้เชี่ยวชาญของมนุษย์ ความสำเร็จนี้โดดเด่นเป็นพิเศษเนื่องจากปัญหาของ IMO ซึ่งต้องการการพิสูจน์อย่างเข้มงวดสำหรับข้อความเกี่ยวกับความสัมพันธ์ทางเรขาคณิตบนเครื่องบิน
หนึ่งในแง่มุมที่โดดเด่นที่สุดของ Alphageometry2 คือความสามารถในการแก้ปัญหาเรขาคณิตขั้นสูงเช่น ในฐานะที่เกี่ยวข้องกับ loci ธรรมชาติ ) ความก้าวหน้าดังกล่าวชี้ให้เห็นว่าระบบ AI เช่น Alphageometry2 ไม่เพียง แต่จับคู่ประสิทธิภาพของมนุษย์ แต่อาจนิยามใหม่สิ่งที่ทำได้ในการแก้ปัญหาทางคณิตศาสตร์
นวัตกรรมที่ขับเคลื่อนตัวอักษร 2
ปัจจัยสำคัญในการประสบความสำเร็จของ Alphageometry2 คือการพึ่งพาข้อมูลการฝึกอบรมสังเคราะห์ DeepMind สร้างทฤษฎีบทและหลักฐานสังเคราะห์มากกว่า 300 ล้านตัวซึ่งครอบคลุมความซับซ้อนที่หลากหลายเพื่อฝึกอบรมแบบจำลองภาษาที่ใช้ราศีเมถุน
วิธีการนี้อนุญาตให้ AI พัฒนาความเข้าใจอย่างลึกซึ้งเกี่ยวกับหลักการเรขาคณิตและแก้ปัญหาที่ขยายเกินกว่าชุดข้อมูลที่มนุษย์ดูแล ชุดข้อมูลสังเคราะห์เหล่านี้ไม่เพียง แต่ช่วยเพิ่มความสามารถในการแก้ปัญหา แต่ยังแสดงให้เห็นถึงความสามารถในการปรับขนาดของการวิจัย AI ของ DeepMind
Alphageometry2 เครื่องยนต์เหตุผลเชิงสัญลักษณ์ของ DDAR มีบทบาทสำคัญในการเปลี่ยนข้อมูลเชิงลึกทางทฤษฎีเหล่านี้ให้กลายเป็นวิธีแก้ปัญหาเชิงปฏิบัติ ด้วยการตรวจสอบความสอดคล้องเชิงตรรกะของคำแนะนำของแบบจำลองภาษา DDAR ทำให้มั่นใจได้ว่าแต่ละขั้นตอนในกระบวนการแก้ปัญหาจะปฏิบัติตามกฎคณิตศาสตร์ที่เข้มงวด
การรวมกันของความสามารถในการปรับตัวของระบบประสาทและความแม่นยำเชิงตรรกะนี้ตั้งค่าตัวอักษร 2 นอกเหนือจากแบบจำลองภาษาขนาดใหญ่แบบดั้งเดิมมากขึ้น
แม้จะมีประสิทธิภาพที่น่าทึ่ง แต่ระบบก็มีข้อ จำกัด มันต้องดิ้นรนกับปัญหาที่เกี่ยวข้องกับความไม่เท่าเทียมสมการที่ไม่ใช่เชิงเส้นและการนับคะแนนตัวแปร-พื้นที่ที่ต้องใช้ความสามารถในการใช้เหตุผลขั้นสูงยิ่งขึ้น จากการวิจัยของ DeepMind“ จนกว่าความเร็วของแบบจำลองจะได้รับการปรับปรุงและภาพหลอนได้รับการแก้ไขอย่างสมบูรณ์เครื่องมือเช่นเครื่องยนต์สัญลักษณ์จะยังคงเป็นสิ่งจำเป็นสำหรับการใช้งานทางคณิตศาสตร์”
ผลกระทบนอกเหนือจากคณิตศาสตร์ที่แข่งขันได้ >
ความสำเร็จของ Alphageometry2 แสดงให้เห็นถึงศักยภาพของระบบไฮบริด AI ในการแก้ปัญหาที่มีความเชี่ยวชาญสูง ฟิสิกส์ซึ่งแบบจำลองที่ซับซ้อนมักจะพึ่งพาการคำนวณทางเรขาคณิตที่ซับซ้อน
โดยการรวมการใช้เหตุผลเชิงสัญลักษณ์เข้ากับเครือข่ายประสาท P> ความก้าวหน้า AI ที่กว้างขึ้นของ DeepMind ให้บริบทที่มีคุณค่าสำหรับการทำความเข้าใจความสำคัญของตัวอักษร 2 อัลฟาโกแสดงให้เห็นถึงศักยภาพของ AI ในการให้เหตุผลเชิงกลยุทธ์หลักในขณะที่แบบจำลองภาษาขนาดใหญ่เช่นราศีเมถุนได้แนะนำวิธีการที่เป็นนวัตกรรมในการแก้ไขปัญหานามธรรม
โอกาสและความท้าทายในอนาคต
การพัฒนาตัวอักษร 2 ได้รับการอภิปรายภายในชุมชนการวิจัย AI เกี่ยวกับบทบาทของระบบไฮบริดในการแก้ปัญหาที่ซับซ้อน ในขณะที่โมเดลภาษาขนาดใหญ่เช่น Gemini หรือ GPT ของ OpenAi นั้นยอดเยี่ยมในการสร้างข้อความเหมือนมนุษย์พวกเขามักจะสะดุดเมื่อต้องเผชิญกับงานที่ต้องใช้เหตุผลอย่างเป็นทางการหรือความสอดคล้องเชิงตรรกะ
Alphageometry2 สะพานเชื่อมช่องว่างนี้โดยการรวมเหตุผลเชิงสัญลักษณ์ซึ่งนำเสนอพิมพ์เขียวที่มีศักยภาพสำหรับระบบ AI รุ่นต่อไป
อย่างไรก็ตามความท้าทายยังคงอยู่ การพึ่งพาเครื่องยนต์ที่เป็นสัญลักษณ์แนะนำค่าใช้จ่ายในการคำนวณและระบบไม่สามารถจัดการกับปัญหาบางประเภทได้เน้นถึงความจำเป็นในการสร้างสรรค์นวัตกรรมเพิ่มเติม ในขณะที่นักวิจัยปรับแต่งโมเดลการรวมวิธีการให้เหตุผลขั้นสูงและอัลกอริทึมที่เร็วขึ้นจะเป็นกุญแจสำคัญในการเอาชนะข้อ จำกัด เหล่านี้
สำหรับผู้อ่านที่สนใจในการพัฒนาล่าสุดใน AI ความพยายามอย่างต่อเนื่องของ DeepMind 3 แสดงให้เห็นถึงความทุ่มเทของ บริษัท ในการขยายขอบเขตของสิ่งที่ AI สามารถทำได้
