DeepMind 的最新壮举：可与国际数学奥林匹亚金牌得主竞争的 AI
▼
Google DeepMind 的 AlphaGeometry 挑战了国际数学奥林匹亚（IMO）冠军的智力，以接近人类金牌得主的能力，解决了复杂的几何问题，这是 AI 前所未有的惊人能力。但随着 AI 越来越接近人类智力，AlphaGeometry 将如何重塑数学领域和甚至加速其他领域（例如物理或工程）的研究格局？
AlphaGeometry 带来的革命性突破
在快速发展的AI领域，革命性的突破往往重塑了我们对AI的想像。最近一个里程碑来自Google 的DeepMind，他们最近在着名的《nature》杂志上发表的论文介绍了AlphaGeometry──这是一个具有处理复杂几何和数学问题能力的AI系统。
数学领域中的几何问题，对AI系统是严峻挑战。与具有明确规则和有限可能性的数学问题不同，几何问题、特别是奥林匹克等级的数学问题，需要将创造性直觉和逻辑推理相结合。它们需要对抽象概念的理解，以及在大量潜在解决方案中找到最佳解答的能力。
这一AI系统挑战长期以来的信念，即人类智力的某些方面，例如解决高级数学问题，是AI能力范围无法达到的。其次，它展示AI系统为需要深度智慧和创造性能力的领域做出有意义贡献的潜力。
AI 将帮助数学家探索新的推测
传统的AI系统虽然在规则明确的结构化环境中表现出色，但在面对复杂而抽象的高等数学时却陷入了困境。问题的核心在于两个主要障碍：深度推理能力的必要性，还有资料稀缺所带来的限制。
尤其是IMO等级的数学，需要细致入微的理解和无限可能性的推演能力，这项任务需要的不仅仅是计算能力；它需要一个能够像最聪明的人类思维一样思考、推理和演绎的AI。
AlphaGeometry成功的核心是将神经语言模型（NLL）与强大的推理引擎（Deduction Engine）进行创新整合。这种整合使AI能够直观地建议可能的解决路径或结构，然后探索这些建议的逻辑是否正确。经过海量资料集训练的神经语言模型擅长辨别模式和产生假设，模仿人类思维的直觉面。NLL在一个庞大的几何问题的资料库进行训练，这类似于让一位数学专家头脑去思考解决方法，而另一位数学专家细致地去验证每个想法的数学正确性。
该系统能够透过创建综合几何问题来产生自己的训练数据，这也代表着它摆脱了对人类生成数据资料库的传统依赖。这种方法不仅解决了资料稀缺的问题，而且展示了AI自主学习和改进的潜力，这是迈向通用人工智慧（AGI）发展所必需的能力。
此外，AlphaGeometry的成功意义深远，或许未来AI可以为推进人类在数学和其他科学领域的知识做出贡献。透过数学定理的证明和发现的过程，AI可以帮助数学家探索新的推测和解决长期存在的问题，加快数学研究的研究步伐。
AI 可以跨学科进行推理、自我学习和解决问题
AlphaGeometry在IMO上的测试表现，成功在30个问题中，回答了25个正确答案，几乎与人类数学奥运金牌得主的水准相当，人类平均解决了25.9个问题。证明AI在理解和驾驭复杂的几何方面，取得极大进展。
AlphaGeometry在 IMO中达到金牌等级的表现，代表了AI能力超越了常规任务和简单计算，能够处理就复杂的抽象推理和问题解决。这或许代表着在创建更先进、更通用的AI系统方面向前迈出了重要一步，这些AI系统可以跨学科进行推理、自我学习和解决问题。
这个AI系统的潜力，远远超出了数学竞赛的范围。在解决复杂问题领域，这项发展为AI在各个领域的应用开启了新的想像。AI自主产生假设、推导解决方案和验证数学定律的能力，将可以显着加快科学技术的研发步伐。从理论物理到工程上的挑战，这个AI系统的原则和方法可以适应并应用于广泛的复杂问题，为发现和创新提供新工具。
AlphaGeometry在IMO竞赛中的出色表现，不仅证明AI解决复杂数学问题的能力，也为数学领域的未来发展带来希望，并为AI在跨学科应用开辟新的可能。未来AI和人类智慧将合作解锁更宽广的研究领域。
- Solving olympiad geometry without human demonstrations
（首图来源：Image by benzoix on Freepik）
延伸阅读：
- AI 教育转型：节省时间与创新教学
- 迎战 AI 时代：企业如何借由培训确保人才不被淘汰
- AI 创新的背后：隐藏成本与能源难题
- 科学界的新伙伴：AI 如何引领科学突破
- AI 真能抢走饭碗吗？回顾 Microsoft Excel、银行 ATM 一窥端倪
▼
特别声明 本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。
