先週、ベトナム人博士課程学生のTrinh Hoang Trieuさんが、ニューヨーク大学でAIによる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Le Viet Quoc博士とLuong Thang博士の2人の研究者の協力を得て、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数学システムの 10 問を大きく上回りました。
Google DeepMindは近年、数学関連のAI研究プロジェクトを数多く進めており、機械学習の評価基準としてオリンピックレベルの問題が用いられています。
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「人間のレベルで自律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、この研究の著者であるチン・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、ベトナム人医師は述べた。「AIシステムを開発したいのであれば、ユーザーが信頼できる真実を見つけられる、信頼できるAIを構築する必要があります」と、特に安全性が求められるアプリケーションにおいては、その重要性は増すだろう。
AlphaGeometry は、ニューラル ネットワーク言語モデル (人工直感に深く関わっており、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ことです。一方、現在のAIモデルは、人間が発見し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、人間の解答がない1億個の幾何学的例を用いて訓練されたニューラルネットワークに基づいている。問題に取り組み始めると、まず記号エンジンが動作する。行き詰まると、ニューラルアルゴリズムが議論を改善する方法を提案する。このループは、時間切れ（4時間半）になるか、問題が解決するまで続けられた。
コレージュ・ド・フランスの認知神経科学者スタニスラス・ドゥアンヌ氏は、AlphaGeometryの性能に感銘を受けたものの、同システムは「解いている問題について何も認識していない」と述べた。言い換えれば、このアルゴリズムは画像の論理的かつ数値的な符号化のみを処理する。「円、線、三角形といった空間的な認識能力は全くないのです」
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。
（ワシントンポスト紙によると）
[広告2]
ソース
コメント (0)