几何问题涉及在复杂形状中证明有关角度或线条的事实Google DeepmindGoogle DeepMind的AI几乎和最佳人类参赛者都可以解决一些国际数学奥林匹克（IMO）问题 。
IMO总裁Gregor Dolinar说：“载流量计的结果令人惊叹和令人叹为观止 。 ”“似乎AI将比几个月前想象的要早得多。 ”
IMO针对中学生，是世界上最困难的数学比赛之一。正确回答问题需要AI系统长期以来一直在努力的数学创造力 。例如 ，GPT-4在其他领域表现出了出色的推理能力 ，在IMO几何问题上得分为0％，而即使是专业的AIS也难以回答以及普通参赛者 。
这部分取决于问题的困难，但这也是由于缺乏培训数据。比赛自1959年以来每年举行 ，每个版本都只有六个问题 。但是 ，一些最成功的AI系统需要数百万或数十亿个数据点 。尤其是几何问题构成了六个问题中的一个或两个，并涉及以复杂形状的角度或线条证明事实 ，特别困难地转化为计算机友好的格式。
Google Deepmind及其同事的Thang Luong通过创建一个可以产生数亿个机器可读的几何证明的工具来绕过了这个问题 。当他们使用此数据训练了一个名为AlphageMementry的AI并在30个IMO几何问题上对其进行了测试时 ，它正确地回答了其中的25个，而IMO金牌得主根据比赛中的得分估计得分为25.9 。
“我们的[当前] AI系统仍在努力做出诸如深层推理之类的能力 ，我们需要在许多步骤中进行预先计划 ，还可以看到大局，这就是为什么数学是如此重要的基准和为我们寻求人工通用情报的测试设置 ，”卢恩告诉新闻发布会。
字母计量学由两个部分组成 ，luong与大脑中的不同思维系统进行了比较：快速，直观的系统和较慢 ，更分析的系统 。第一个直观的部分是一种语言模型 ，类似于Chatgpt背后的技术，称为GPT-F 。它已经接受了数百万个生成的证明的培训，并建议将哪些定理和论点用于问题。一旦提出了下一步 ，更慢但更谨慎的“象征性推理”引擎使用逻辑和数学规则来充分构建GPT-F所建议的论点 。然后 ，这两个系统串联起作用，彼此之间切换直到解决问题 。
Luong说 ，尽管这种方法在解决IMO几何问题方面取得了非常成功的成功 ，但其构建的答案往往比人类证明更长，更不错。但是 ，它也可以发现人类错过的东西。例如 ，它发现了2004年IMO的问题比官方答案中列出的更好的解决方案 。
伦敦数学科学学院的杨赫说，以这种方式解决IMO几何问题令人印象深刻 ，但是该系统在数学上可以使用它可以使用的数学固有限制 ，因为IMO问题应使用以下未成年人级别的理论来解决 。他说，扩大数学知识的数量范围测定法可以访问该系统 ，甚至可以帮助其做出新的数学发现。
他说 ，看到字母度计的如何不知道需要证明什么，这也很有趣，因为数学见解通常可以来自探索没有固定证据的定理 。“如果您不知道自己的终点是什么 ，您能否在所有[数学]路径的集合中找到是否有真正有趣又新的定理？ ”
去年 ，算法贸易公司XTX Markets宣布了1000万美元的AI Maths模型奖金，首次公开共享的AI模型将获得500万美元的大奖 ，该奖金可以赢得IMO金牌 ，以及对关键里程碑的较小进度奖品 。
XTX Markets的Alex Gerko说：“解决IMO几何问题是1000万美元Aimo挑战基金支持的计划进度奖品之一。 ”“令人兴奋的是，甚至在我们宣布该进度奖的所有细节之前 ，还包括公开可用的模型和数据以及在现场IMO竞赛中解决实际的几何问题 ，这真是令人兴奋 。”
DeepMind拒绝透露它是否计划在现场IMO竞赛中输入字母度计，还是它正在扩展系统以解决其他不基于几何形状的IMO问题 。但是 ，DeepMind先前已经参加了公共竞争 ，以进行蛋白质折叠预测以测试其AlphaFold系统。
本文来自作者[admin]投稿，不代表东辰文化立场，如若转载，请注明出处：http://www.mzwhys.cn/zhis/202506-1480.html
评论列表（4条）
我是东辰文化的签约作者“admin”！
希望本篇文章《DeepMind AI解决了数学奥林匹克运动物的硬几何问题》能对你有所帮助！
本站[东辰文化]内容主要涵盖：生活百科,小常识,生活小窍门,知识分享
本文概览：几何问题涉及在复杂形状中证明有关角度或线条的事实Google DeepmindGoogle DeepMind的AI几乎和最佳人类参赛者都可以解决一些国际数学奥林匹克（IMO）问...