La semaine dernière, l’étudiant vietnamien en doctorat Trinh Hoang Trieu a soutenu avec succès sa thèse de doctorat sur le thème de la résolution de problèmes d’IA à l’Université de New York. La recherche, avec les contributions de deux scientifiques de Google DeepMind, le Dr Le Viet Quoc et Luong Thang, a été publiée dans la revue Nature.
Avec un ensemble de 30 problèmes de géométrie olympique de 2000 à 2022, AlphaGeometry a résolu 25 problèmes, contre un score moyen de 25,9 pour les médaillés d'or, dépassant de loin 10 problèmes de systèmes mathématiques informatiques développés dans les années 1970.
Ces dernières années, Google DeepMind a mené un certain nombre de projets de recherche en IA liés aux mathématiques. Par conséquent, les problèmes de niveau olympique sont utilisés comme critères d’évaluation de l’apprentissage automatique.
Selon Michael Barany, historien des mathématiques à l’Université d’Édimbourg, l’étude AlphaGeometry « est une étape importante dans la capacité à raisonner automatiquement au niveau humain ».
Terence Tao, mathématicien à l'Université de Californie qui a remporté une médaille d'or olympique à l'âge de 12 ans, a qualifié le système d'IA de « réalisation fantastique » et a déclaré que les résultats étaient « surprenants ».
Dans le même temps, l'auteur de la recherche Trinh Hoang Trieu a déclaré que le raisonnement mathématique n'est qu'une forme de raisonnement mais qu'il présente l'avantage d'être facile à vérifier. « Les mathématiques sont le langage de la vérité », a déclaré le médecin vietnamien. « Si vous souhaitez développer des systèmes d’IA, vous devez créer une IA fiable, capable de trouver des vérités auxquelles les utilisateurs peuvent se fier », en particulier dans les applications qui nécessitent des exigences de sécurité élevées.
AlphaGeometry est un système qui combine un modèle de langage de réseau neuronal (profondément axé sur l'intuition artificielle, similaire à ChatGPT mais plus petit) avec un moteur symbolique (spécialisé dans le raisonnement artificiel, comme un ordinateur logique), avant d'être affiné pour comprendre la géométrie.
La particularité de cet algorithme est qu’il a la capacité de générer une solution à partir de rien. Les modèles d’IA actuels, en revanche, devront rechercher des solutions existantes ou similaires à celles trouvées par les humains.
Ce résultat est basé sur un réseau neuronal formé sur 100 millions d’exemples géométriques sans retour humain. Lorsque vous commencez à travailler sur un problème, l'outil symbolique fonctionnera en premier. Si l’outil rencontre des obstacles, l’algorithme neuronal suggérera des moyens de renforcer l’argument de preuve. Cette boucle continue jusqu’à ce que le temps soit écoulé (quatre heures et demie) ou que le problème soit résolu.
Stanislas Dehaene, expert en neurosciences cognitives au Collège de France, s'est dit impressionné par les performances d'AlphaGeometry, mais a déclaré que le système « ne percevait rien du problème qu'il résolvait ». En d’autres termes, l’algorithme gère uniquement l’encodage logique et arithmétique de l’image. « Il n’a aucune conscience spatiale des cercles, des lignes ou des triangles. »
Le Dr Luong Thang a déclaré que cet élément « sensoriel » pourrait être ajouté cette année, en utilisant la plateforme d’IA Gemini de Google.
(Selon le Washington Post)
Source
Comment (0)