ChatGPT rozwiązał ważny problem matematyczny. Udało się po raz pierwszy w historii!

Dotychczasowe wykorzystanie dużych modeli językowych (czyli LLM-ów) takich jak ChatGPT od OpenAI czy google'owski Bard koncentrowało się głównie na przetwarzaniu i generowaniu informacji z dostępnych danych, a także na tworzeniu rozbudowanych chatbotów. Jednak teraz okazuje się, że te modele mają potencjał do czegoś znacznie więcej. Mogą generować nową, wcześniej nieznaną wiedzę naukową.

Projekt "FunSearch" przetestował zdążył już to przetestować. Wykorzystując LLM-y, naukowcy z DeepMind stworzyli programy komputerowe, które były zdolne do rozwiązywania skomplikowanych problemów matematycznych i technicznych. Programy następnie były oceniane przez specjalny "ewaluator", który klasyfikował je pod względem wydajności. Najlepsze programy były modyfikowane i wprowadzane z powrotem do modeli językowych, co pozwoliło na doskonalenie podawanych rozwiązań i rozwijanie ich możliwości.

Pierwszym wyzwaniem, jakie stanęło przed FunSearch, było tzw. "cap set problem", który od dawna nastręczał wiele problemów matematykom. Jednak FunSearch wygenerował programy, które stworzyły nowe zbiory - przewyższając tym samym dotychczasowe osiągnięcia w dziedzinie zbiorów. Osiągnięcia LLM-ów pod tym kątem wskazują na wysoki potencjał sztucznej inteligencji do rozwiązywania trudnych problemów matematycznych.

Drugim testem była optymalizacja pakowania przedmiotów w pojemniki (co mogłoby odzwierciedlać typowe problemy w logistyce), planowaniu zadań obliczeniowych i wielu innych dziedzinach. Tutaj także FunSearch osiągał zadowalające wyniki - znajdując bardziej efektywne rozwiązania niż dotychczasowe metody.

Czytaj dalej poniżej

Nigdy się nie domyślisz, po co założyli myszom gogle VR Patryk Koncewicz

Przezroczyste drewno zamiast szkła w smartfonie? Naukowcy mówią: "czemu nie?" Jakub Szczęsny

To, do czego doszli naukowcy ma ogromny potencjał dla matematyki - ale nie tylko, bo także dla informatyki. Przez dziesięciolecia ludzie tworzyli specjalistyczne algorytmy, jednak dopiero teraz AI może pomóc w tworzeniu bardziej zaawansowanych rozwiązań. Otwiera to nowe perspektywy w interakcjach człowiek-maszyna umożliwiając tworzenie programów, które nie tylko generują rozwiązania, ale także pomagają ludziom zrozumieć, jak te rozwiązania działają.

Niestety, ale są w tym pewne ograniczenia. Problemy, które mogą być rozwiązane za pomocą FunSearch, muszą mieć automatycznie weryfikowalne rozwiązania, co wyklucza wiele zagadnień z biologii, które wymagają eksperymentów laboratoryjnych. Mimo to, osiągnięcia naukowców otwierają nową erę w dziedzinie sztucznej inteligencji i może to przynieść niespodziewane przełomy w różnych dziedzinach nauki i technologii. Jest to istotny krok w przodu w rozwijaniu potencjału sztucznej inteligencji i jej zdolności do generowania nowej wiedzy naukowej.