2 月 8 日消息，谷歌旗下人工智能研究實驗室 DeepMind 開發(fā)的人工智能系統(tǒng) AlphaGeometry2 在解決國際數(shù)學奧林匹克競賽（IMO）幾何問題方面取得了突破性進展，其表現(xiàn)甚至超過了平均金牌得主。

AlphaGeometry2 是 DeepMind 在今年 1 月發(fā)布的 AlphaGeometry 系統(tǒng)的改進版本。根據(jù) DeepMind 研究人員最新發(fā)表的論文，該 AI 系統(tǒng)能夠解決過去 25 年國際數(shù)學奧林匹克競賽中 84% 的幾何問題。國際數(shù)學奧林匹克競賽是一項面向高中生的數(shù)學競賽，而 DeepMind 認為，發(fā)現(xiàn)解決復雜幾何問題（特別是歐幾里得幾何問題）的新方法可能是實現(xiàn)更強大人工智能的關(guān)鍵。

證明數(shù)學定理或邏輯解釋定理（例如勾股定理）為何成立，需要推理能力以及從多種可能的步驟中選擇解決方案的能力。如果 DeepMind 的觀點正確，這些解決問題的技能將成為未來通用人工智能模型的重要組成部分。

IT之家注意到，去年夏天，DeepMind 展示了一個將 AlphaGeometry2 與 AlphaProof（一種用于形式化數(shù)學推理的 AI 模型）相結(jié)合的系統(tǒng)，成功解決了 2024 年國際數(shù)學奧林匹克競賽中的 6 個問題中的 4 個。除了幾何問題，類似的方法還可以擴展到數(shù)學和科學的其他領域，例如輔助復雜的工程計算。

AlphaGeometry2 包含幾個核心要素，其中包括谷歌 Gemini 系列 AI 模型中的語言模型和一個“符號引擎”。Gemini 模型協(xié)助符號引擎，后者利用數(shù)學規(guī)則推導問題的解決方案，并為給定的幾何定理提供可行的證明。

由于將證明轉(zhuǎn)化為 AI 可理解的格式存在復雜性，可用的幾何訓練數(shù)據(jù)匱乏。因此，DeepMind 為 AlphaGeometry2 的語言模型創(chuàng)建了自己的合成數(shù)據(jù)，生成了超過 3 億個不同復雜度的定理和證明。

研究團隊從過去 25 年（2000 年至 2024 年）的國際數(shù)學奧林匹克競賽中挑選了 45 個幾何問題，包括線性方程和需要在平面上移動幾何對象的方程，并將其“翻譯”成一個更大的 50 個問題的集合（由于技術(shù)原因，某些問題需要拆分為兩個）。根據(jù)論文，AlphaGeometry2 解決了其中的 42 個問題，超過了平均金牌得主 40.9 的得分。

不過，該系統(tǒng)也存在局限性。一個技術(shù)問題導致 AlphaGeometry2 無法解決涉及可變數(shù)量點、非線性方程和不等式的問題。此外，盡管 AlphaGeometry2 不是第一個達到幾何問題金牌水平表現(xiàn)的 AI 系統(tǒng)，但它是在如此規(guī)模的問題集上實現(xiàn)這一目標的首個系統(tǒng)。

在另一組更具挑戰(zhàn)性的國際數(shù)學奧林匹克競賽問題上，AlphaGeometry2 的表現(xiàn)也不盡如人意。DeepMind 團隊額外挑選了 29 個由數(shù)學專家為競賽提名但尚未出現(xiàn)在比賽中的問題，AlphaGeometry2 只能解決其中的 20 個。

【來源：IT之家】