Ang alphaevolve ng Google Deepmind AI ay nagpapabilis sa pananaliksik sa matematika sa isang walang uliran na sukat, ayon sa isang bagong papel Nai-publish sa linggong ito ng mga nakikipagtulungan kasama ang mga kilalang matematika terence tao . purong matematika. Ginagamit nito ang kakayahan ng AI na maghanap ng malawak na mga puwang ng problema upang makabuo ng mga pananaw na umakma sa intuwisyon ng tao, na potensyal na mapabilis ang landas upang malutas ang mga sikat na mahirap na haka-haka. Ang pagtuklas sa matematika Ang gawaing ito ay bumubuo sa paunang pag-unve ng DeepMind ng tool noong Mayo 2025. Sa scale.”Ang isang kaibahan na”generalizer mode”ay nagtuturo sa AI sa paghahanap ng mga formula na gumagana para sa anumang naibigay na numero, na naglalayong mas malawak na kakayahang magamit. Itinampok ng mga mananaliksik na para sa marami sa mga problema na kanilang ginalugad,”… sa average ng karaniwang oras ng paghahanda para sa pag-setup ng isang problema gamit ang alphaevolve ay tumagal lamang ng ilang oras.”Mga problema Bilang karagdagan, natuklasan ng Alphaevolve ang mga bagong konstruksyon na may mga pagpapabuti ng mas mababang order para sa may hangganan na problema sa Kakeya sa mga sukat 3, 4, at 5.
Matagumpay nitong natuklasan ang pinakamainam na”gerver sofa”para sa klasikong”gumagalaw na sofa”na problema At ang “romik sofa” Para sa ambidextrous variant. 1.81, na pinaniniwalaan ng mga mananaliksik na higit sa mga kilalang kandidato. Una nang nahahanap ng Alphaevolve ang isang promising na konstruksyon, na kung saan ang isang ahente na tulad ng malalim na pag-iisip, ang parehong teknolohiya sa likod ng IMO Gold medal ng DeepMind, ay maaaring pag-aralan upang makakuha ng isang patunay ng kawastuhan nito. Gabayan ang AI at patunayan ang mga output nito. Binibigyang diin ng blog post ni Tao na ang tool ay hindi isang autonomous na matematiko at madaling kapitan ng paghahanap ng matalinong mga workarounds.”… Ang isang hindi mahalaga na halaga ng pagsisikap ng tao ay kailangang pumasok sa pagdidisenyo ng isang hindi maipaliwanag na verifier,”isinulat niya. Ang kakayahang mabilis na subukan ang mga ideya ay ginagawang isang mainam na tool para sa paunang paggalugad. Ang sistematikong paghahanap para sa”halata”na mga counterexample ay tumutulong na mapatunayan o mag-alinlangan sa mga bagong ideya bago ang makabuluhang pagsisikap ng tao ay namuhunan.
Kahit na ang mga pagkabigo ng system ay nagbibigay ng mahalagang impormasyon. Nabanggit ng papel na sa buong 67 na mga problema,”… hindi namin pinagtibay ang anumang pangunahing bukas na haka-haka. Siyempre, ang isang malinaw na posibleng paliwanag para sa mga ito ay ang mga haka-haka na ito ay sa katunayan totoo.”
Ang mga kakumpitensya, kasama ang Google DeepMind CEO na si Demis Hassabis na tumatawag sa insidente,”nakakahiya.”
Ang Work With Alphaevolve ay sumusunod sa isang serye ng mga lehitimong sistema ng paglalapat ng AI sa matematika, kasama na ang mga problema sa geometry ng olympiad. Discovery.
