先週、ベトナムの博士課程学生Trinh Hoang Trieuさんが、ニューヨーク大学でAI問題解決をテーマにした博士論文を無事に審査されました。この研究は、Google DeepMindの2人の科学者、Le Viet Quoc博士とLuong Thang氏の協力により、Nature誌に掲載されました。
AlphaGeometry は、2000 年から 2022 年までのオリンピック幾何学問題 30 問のうち 25 問を解きました。金メダリストの平均スコアは 25.9 で、1970 年代に開発されたコンピューター数学システムの 10 問を大きく上回りました。
近年、Google DeepMind は数学に関連した AI 研究プロジェクトを数多く進めています。そのため、機械学習を評価する基準としてオリンピックレベルの問題が使われます。
エディンバラ大学の数学史家マイケル・バラニー氏によると、アルファジオメトリーの研究は「人間レベルで自動的に推論する能力における画期的な出来事」だという。
12歳でオリンピックの金メダルを獲得したカリフォルニア大学の数学者テレンス・タオ氏は、このAIシステムを「素晴らしい成果」と呼び、その結果は「驚くべきもの」だと語った。
一方、研究著者のトリン・ホアン・トリウ氏は、数学的推論は推論の一形態に過ぎないが、検証が容易であるという利点があると述べた。 「数学は真実の言語です」とベトナムの医師は言った。 「AI システムを開発したい場合、特に高い安全性要件が求められるアプリケーションでは、ユーザーが信頼できる真実を見つけることができる、信頼できる AI を構築する必要があります。」
AlphaGeometry は、ニューラル ネットワーク言語モデル (ChatGPT に似ていますが、規模は小さい) とシンボリック エンジン (論理コンピューターのように人工推論に特化) を組み合わせ、幾何学を理解できるように微調整されたシステムです。
このアルゴリズムの特別な点は、何もないところから解決策を生成できる点です。一方、現在の AI モデルは、人間が見つけた既存の解決策や類似の解決策を探す必要があります。
この結果は、人間からのフィードバックなしで 1 億個の幾何学的例に基づいてトレーニングされたニューラル ネットワークに基づいています。問題に取り組み始めるときは、まずシンボリック ツールが機能します。ツールが障害に遭遇した場合、ニューラル アルゴリズムは証明の議論を強化する方法を提案します。このループは、時間切れ（4 時間半）になるか問題が解決されるまで続きます。
コレージュ・ド・フランスの認知神経科学の専門家スタニスラス・ドゥハーン氏は、アルファジオメトリーのパフォーマンスには感銘を受けたが、同システムは「解決しようとしている問題について何も認識していなかった」と語った。言い換えれば、このアルゴリズムは画像の論理的および算術的なエンコードのみを処理します。 「円、線、三角形の空間認識能力がない。」
ルオン・タン博士は、この「感覚」要素は、Google の Gemini AI プラットフォームを使用して今年追加される可能性があると述べた。
（ワシントンポストによると）
[広告2]
ソース
コメント (0)