지난주, 베트남 박사과정생인 Trinh Hoang Trieu가 뉴욕 대학교에서 AI 문제 해결 주제로 박사 학위 논문을 성공적으로 옹호했습니다. Google DeepMind의 두 과학자, Le Viet Quoc 박사와 Luong Thang의 기여를 통한 이 연구는 Nature 저널에 게재되었습니다.
알파지오메트리는 2000년부터 2022년까지의 30개 올림픽 기하학 문제를 풀었고, 금메달리스트의 평균 점수 25.9점보다 높은 25개 문제를 풀었으며, 1970년대에 개발된 컴퓨터 수학 시스템의 10개 문제보다 훨씬 뛰어난 성과를 보였습니다.
최근 몇 년 동안, 구글 딥마인드는 수학과 관련된 여러 AI 연구 프로젝트를 추진해 왔습니다. 따라서 올림픽 수준의 문제가 머신 러닝을 평가하는 기준으로 사용됩니다.
에든버러 대학의 수학 역사가인 마이클 바라니에 따르면, AlphaGeometry 연구는 "인간 수준에서 자동으로 추론하는 능력의 이정표"입니다.
12세의 나이로 올림픽 금메달을 딴 캘리포니아대 수학자인 테렌스 타오는 이 AI 시스템을 "환상적인 업적"이라 칭하며 그 결과가 "놀랍다"고 말했다.
한편, 연구 저자인 트린 황 트리외는 수학적 추론은 단지 추론의 한 형태일 뿐이지만 검증하기 쉽다는 장점이 있다고 말했습니다. 베트남 의사는 "수학은 진실의 언어입니다"라고 말했습니다. "AI 시스템을 개발하려면 사용자가 신뢰할 수 있는 진실을 찾을 수 있는 신뢰할 수 있는 AI를 구축해야 합니다." 특히 높은 안전 요구 사항이 필요한 애플리케이션의 경우 더욱 그렇습니다.
AlphaGeometry는 인공적 직관에 특화된 신경망 언어 모델(ChatGPT와 유사하지만 규모가 작음)과 인공적 추론에 특화된 기호 엔진(논리 컴퓨터와 같이)을 결합한 후, 기하학을 이해하도록 미세 조정된 시스템입니다.
이 알고리즘의 특별한 점은 아무것도 없는 상태에서 해결책을 도출해낼 수 있다는 것입니다. 반면, 현재의 AI 모델은 인간이 찾아낸 기존 솔루션이나 유사한 솔루션을 찾아야 할 것입니다.
이 결과는 인간의 피드백 없이 1억 개의 기하학적 예제를 통해 훈련된 신경망을 기반으로 합니다. 문제에 대한 작업을 시작할 때, 상징적 도구가 가장 먼저 작동합니다. 도구가 장애물에 부딪히면 신경 알고리즘은 증명 주장을 강화할 방법을 제안합니다. 이 루프는 시간이 초과될 때까지(4시간 30분) 또는 문제가 해결될 때까지 계속됩니다.
콜레주 드 프랑스의 인지 신경 과학 전문가인 스타니슬라스 드하네는 AlphaGeometry의 성능에 감명을 받았지만 이 시스템은 "자신이 해결하려는 문제에 대해 아무것도 인식하지 못했다"고 말했습니다. 즉, 알고리즘은 이미지의 논리적, 산술적 인코딩만 처리합니다. "원, 선, 삼각형에 대한 공간 인식이 없습니다."
Luong Thang 박사는 이 "감각적" 요소가 올해 Google의 Gemini AI 플랫폼을 사용하여 추가될 수 있다고 말했습니다.
(워싱턴포스트에 따르면)
[광고2]
원천
댓글 (0)