Niedawno sztuczna inteligencja (AI) dokonała znaczącego postępu w rozwiązywaniu skomplikowanych problemów matematycznych. Naukowcy z Google DeepMind stworzyli system o nazwie FunSearch, który wykorzystuje duże modele językowe (LLM) do tworzenia programów komputerowych rozwiązujących problemy matematyczne. FunSearch, wykorzystując LLM, jak Codey, specjalnie dostosowanego do kodu komputerowego, zdołał rozwiązać jeden z najbardziej znanych nierozwiązanych problemów matematycznych świata.
Funkcjonowanie FunSearch
FunSearch, skrót od „searching the function space”, używa LLM Codey do tworzenia rozwiązań problemów matematycznych za pomocą programów komputerowych. System łączy te programy z „ewaluatorem”, który automatycznie klasyfikuje je według wydajności. Po milionach sugestii i wielokrotnym powtórzeniu procesu, najlepsze programy są łączone i ponownie wprowadzane do LLM. Pozwala to bowiem na ciągłe doskonalenie i ewolucję programów w kierunku odkrywania nowej wiedzy.
Przełomowe odkrycia
W ramach badań, FunSearch został przetestowany na dwóch zagadkach. Pierwsza to wyzwanie z czystej matematyki znane jako problem zestawu kapsuł. Polega on na znalezieniu największego zbioru punktów w przestrzeni, w którym żadne trzy punkty nie tworzą linii prostej. Drugi problem dotyczył optymalnego pakowania przedmiotów o różnych rozmiarach do pojemników. FunSearch znalazł lepsze podejścia do obu tych problemów, generując nowe rozwiązania, które przekraczają dotychczasowe najlepsze wyniki matematyków.
Wyzwania i perspektywy
Duże modele językowe, takie jak te używane w OpenAI’s ChatGPT czy Google’s Bard, zazwyczaj nie są znane z tworzenia nowych odkryć. Najczęściej dlatego że opierają się na recyklingu informacji z danych treningowych. Jednak badacze DeepMind próbują to zmienić. Ich poprzedni LLM, AlphaTensor, również znalazł sposób na przyspieszenie obliczeń w wielu rodzajach kodów, bijąc 50-letni rekord. Naukowcy nadal badają, jakie problemy naukowe FunSearch może rozwiązać, chociaż napotykają na znaczne wyzwania. Jest to między innymi potrzeba automatycznego weryfikowania rozwiązań, co wyklucza wiele pytań z dziedziny biologii.
Znaczenie dla świata nauki
To odkrycie ma potencjalnie transformacyjny wpływ na podejście do informatyki i odkryć algorytmicznych. Po raz pierwszy obserwujemy, jak LLM nie tylko przejmuje kontrolę, ale zdecydowanie wspiera przesuwanie granic możliwości w algorytmach. To podejście do sztucznej inteligencji otwiera nowe horyzonty w dziedzinie nauki i technologii, umożliwiając osiąganie przełomów, które wcześniej były poza zasięgiem ludzkiego poznania.
Ten artykuł stanowi ważny krok w kierunku zrozumienia i docenienia roli, jaką sztuczna inteligencja może odegrać w przyszłości nauki. Zapewnia on nie tylko wgląd w aktualne osiągnięcia w tej dziedzinie, ale także zarysowuje potencjalne kierunki dalszych badań i rozwoju.
Przeczytaj artykuł o tym, jak Deepmind tworzy superwydajne algorytmy sortowania danych.
Częste pytania
Jak działa system FunSearch od DeepMind?
FunSearch wykorzystuje duże modele językowe, takie jak Codey, do tworzenia programów komputerowych, które rozwiązują problemy matematyczne. System łączy te programy z 'ewaluatorem', który klasyfikuje je według wydajności, co pozwala na ciągłe doskonalenie rozwiązań.
Które problemy matematyczne rozwiązał FunSearch?
FunSearch został przetestowany na problemie zestawu kapsuł oraz na zadaniu optymalnego pakowania przedmiotów o różnych rozmiarach. W obu przypadkach system znalazł lepsze podejścia, które przekraczały dotychczasowe najlepsze wyniki.
Dlaczego modele językowe, takie jak ChatGPT, nie tworzą nowych odkryć?
Modele językowe, takie jak ChatGPT, zazwyczaj opierają się na recyklingu informacji z danych treningowych, co ogranicza ich zdolność do generowania nowych odkryć. W przeciwieństwie do nich, FunSearch stara się zmienić ten trend, generując innowacyjne rozwiązania.
Jakie wyzwania napotykają badacze przy użyciu FunSearch?
Badacze DeepMind napotykają na wyzwania związane z automatycznym weryfikowaniem rozwiązań, co ogranicza możliwości zastosowania FunSearch w niektórych dziedzinach, takich jak biologia. To wymaga dalszych badań nad potencjalnymi problemami, które system może rozwiązać.
Jakie znaczenie ma odkrycie FunSearch dla nauki?
Odkrycie FunSearch ma potencjalnie transformacyjny wpływ na informatyki i odkrycia algorytmiczne, otwierając nowe horyzonty w nauce i technologii. Pokazuje, jak sztuczna inteligencja może wspierać przesuwanie granic możliwości w algorytmach, co wcześniej było poza zasięgiem ludzkiego poznania.
