Ci ostatni stworzyli narzędzie oparte na sztucznej inteligencji. W takim wariancie zostało ono oddelegowane do rozwiązania zadań pojawiających się na międzynarodowych konkursach geometrycznych. Wynik okazał się naprawdę intrygujący, ponieważ sztuczna inteligencja nie dała ludzkim ekspertom większych szans.
Czytaj też: Sztuczna inteligencja nas ogłupia? Nadmierne poleganie na AI zaburza rozwój krytycznego myślenia
Dzieło pracowników Google należy do drugiej generacji i łączy tzw. silnik symboliczny z modelem językowym. Tym sposobem powstało narzędzie AlphaGeometry2, które było w stanie rozwiązać 84% problemów geometrycznych pochodzących z Międzynarodowej Olimpiady Matematycznej. Dla porównania, jej zwycięzcy uzyskiwali średni wynik na poziomie 81,8%.
Nie jest to rzecz jasna gigantyczna różnica, ale jeśli weźmiemy pod uwagę postępy, jakie dokonały się w dziedzinie sztucznej inteligencji, to muszą one robić wrażenie. Szczególnie, iż opracowana technologia powinna sprawdzić się nie tylko w odniesieniu do opartych na wzorach matematycznych zadań, ale także innych zastosowań, chociażby z zakresu kreatywnego rozwiązywania problemów. Artykuł opisujący ostatnie wydarzenia ma jak na razie formę preprintu.
Narzędzie opracowane przez Google DeepMind, znane jako AlphaGeometry 2, pokonało laureatów Międzynarodowej Olimpiady Matematycznej
Globalne wysiłki na rzecz rozwoju sztucznej inteligencji wydają się nasilać z każdym rokiem. Całe kraje inwestują w tym celu w skali miliardów dolarów, a istotną rolę w tym wyścigu odgrywają też przedstawiciele sektora prywatnego. Google DeepMind wydał pierwszą wersję AlphaGeometry w styczniu ubiegłego roku, a niedawno pojawił się najnowsza wersja tego oprogramowania.
Ta zapewnia rzekomo 30-procentowy wzrost wydajności i jest lepiej przystosowana do rozwiązywania zadań z zakresu geometrii. Nie oznacza to oczywiście, że takie narzędzie – górując nad człowiekiem w tej jednej dziedzinie – będzie także dominowało w innym. Taki poziom mogłaby jednak osiągnąć tzw. silna sztuczna inteligencja, określana też czasami mianem ogólnej. W jej przypadku mielibyśmy do czynienia z istnym geniuszem o ogromnej wszechstronności.
Poza wykorzystaniem modeli językowych istotną rolę w dokonaniach inżynierów z Google DeepMind odgrywają też silniki symboliczne, które opierając się na logice i są zdolne do rozwiązywania problemów przy użyciu symboli oraz parametrów. Założenie jest proste: najpierw model językowy sugeruje konstrukcje geometryczne, a później silnik symboliczny je testuje. Odpowiednia konwersja dostępnych danych umożliwia w ostateczności tworzenie nowych konstrukcji, jeśli wcześniej dostępne okazały się niewystarczające. Już teraz AG2 zapewnia wysoką skuteczność, a możemy się spodziewać, iż sytuacja będzie się dalej poprawiać.