Mind谷歌Deep AI系统具有超强的几何解题能力

IT 世家 2 月 8 谷歌旗下人工智能研究实验室日新闻 DeepMind 开发人工智能系统 Geometry2lpha 处理国际数学奥林匹克竞赛（IMO）在几何问题上取得了突破性的进展，其表现甚至超过了平均金牌获得者。

Geometry2lpha 是 DeepMind 在今年 1 月发布的 AlphaGeometry 改进版本的系统。依据 DeepMind 研究人员发表的最新论文，该 AI 这个系统能解决过去 25 年度国际数学奥林匹克竞赛 84% 的几何问题。对于高中生来说，国际数学奥林匹克竞赛是一项数学竞赛， DeepMind 感觉，发现处理复杂几何问题(特别是欧几里得几何问题)的新方法可能是实现更强大人工智能的关键。

为什么要建立数学定理或逻辑解释定律(如勾股定理)，需要推理能力和从各种可能的步骤中选择解决方案的能力。如果 DeepMind 正确的观点，这些解决问题的技巧将成为未来通用人工智能模型的重要组成部分。

IT 家人注意到，去年夏天，DeepMind 展示一位将军 Geometry2lpha 与 AlphaProof(用于正式数学推理的一种 AI 模型)结合系统，成功解决 2024 一年一度的国际数学奥林匹克竞赛 6 个问题中的 4 个。类似的方法除几何问题外，还可以扩展到数学和科学的其它领域，例如协助复杂的工程计算。

Geometry2lpha 它包含了几个关键因素，包括谷歌 Gemini 系列 AI 语言模型和模型中的“符号引擎”。Gemini 模型协助符号引擎，后者利用数学规则来推导问题的解决方案，并为给定的几何定律提供可行的证明。

这是因为它将证实转化为 AI 可以理解的格式是复杂的，缺乏可用的几何训练数据。所以，DeepMind 为 Geometry2lpha 创建自己的语言模型生成数据，生成超过 3 一亿次不同复杂度的规律和确认。

从过去开始，研究团队 25 年（2000 年到 2024 年)在国际数学奥林匹克竞赛中选择了 45 包括线性方程和需要在平面中移动几何对象的方程在内的几何问题，并将其“翻译”成更大的方程。 50 一个问题的集合(由于技术原因，有些问题需要分成两个)。根据论文，Geometry2lpha 解决了这些问题 42 一个问题，超过了平均金牌获得者 40.9 的得分。

然而，这个系统也有局限性。技术问题引起的 Geometry2lpha 很难解决涉及可变数量点、非线性方程和不等式的问题。另外， Geometry2lpha 并非第一个达到金牌水平的几何问题。 AI 这个系统，但是它是第一个在这样一个规模的问题集中实现这个目标的系统。

AlphaGeometry2y2y2y2在另一组更具挑战性的国际数学奥林匹克竞赛问题上 表现也不尽如人意。DeepMind 团队进行了额外的选择 29 AlphaGeometry2y2y2y2，由数学专家提名但还没有出现在比赛中。 只有这些问题才能解决 20 个。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com