Google DeepMind dhe fituesi i Medaljes Fields, Terence Tao, zbulojnë zbulime matematikore të fuqizuara nga inteligjenca artificiale (AI) me AlphaEvolve

Një punim i ri nga bashkëpunëtorë, përfshirë matematikanin dhe fituesin e medaljes Fields, Terence Tao, tregon se si inteligjenca artificiale AlphaEvolve e Google DeepMind po përshpejton kërkimin matematik në shkallë të gjerë.

IA AlphaEvolve e Google DeepMind po përshpejton kërkimin matematikor në një shkallë të paparë, sipas një dokumenti të ri të botuar këtë javë nga bashkëpunëtorë, përfshirë matematikanin e njohur Terence Tao.

Hulumtimi tregon se si agjenti i inteligjencës artificiale trajtoi 67 probleme sfiduese, duke rizbuluar zgjidhjet kryesore dhe duke gjetur konstruksione të reja për disa sfida afatgjata.

Puna demonstron një metodë të re të fuqishme për bashkëpunimin njeri-IA në matematikën e pastër. Ajo përdor aftësinë e IA-së për të kërkuar hapësira të gjera problemesh për të gjeneruar njohuri që plotësojnë intuitën njerëzore, duke përshpejtuar potencialisht rrugën drejt zgjidhjes së hamendësimeve të famshme të vështira.

Duke vepruar ndryshe nga chatbot-et me qëllim të përgjithshëm që shpesh kanë vështirësi me rigorozitetin logjik, AlphaEvolve përdor një kornizë të strukturuar evolucionare.

Funksionon si një “agjent gjenerik kodimi evolucionar”, duke përdorur modele të mëdha gjuhësore si Gemini për të propozuar, testuar dhe rafinuar në mënyrë iterative zgjidhje algoritmike. Kjo punë bazohet në zbulimin fillestar të mjetit nga DeepMind në maj 2025.

Sipas punimit kërkimor, “…AlphaEvolve është një mjet i ri i fuqishëm për zbulimin matematik, i aftë të eksplorojë hapësira të gjera kërkimi për të zgjidhur probleme komplekse optimizimi në shkallë të gjerë.”

Në një postim të detajuar në blog, Tao shpjegoi se metoda thelbësore e inteligjencës artificiale përfshin zhvillimin e kodit Python që kërkon një zgjidhje, në vend që të krijojë drejtpërdrejt objektin matematik.

Ky “modalitet kërkimi” lejon që një thirrje e vetme dhe e ngadaltë e LLM të shkaktojë një llogaritje masive dhe të lirë, ndërsa heuristika e gjeneruar e kërkimit eksploron miliona mundësi më vete. Një “modalitet përgjithësimi” kontrastues e ngarkon IA-në me gjetjen e formulave që funksionojnë për çdo numër të caktuar, duke synuar një zbatueshmëri më të gjerë.

Fillimi i kërkimit në fusha të reja është jashtëzakonisht efikas me këtë proces. Studiuesit theksojnë se për shumë nga problemet që ata eksploruan, “…mesatarisht koha e zakonshme e përgatitjes për përcaktimin e një problemi duke përdorur AlphaEvolve zgjaste vetëm deri në disa orë”.

Një konfigurim i tillë i shpejtë u lejon matematikanëve të hetojnë sistematikisht klasa të mëdha problemesh që përndryshe do të kërkonin punë të gjerë llogaritëse të personalizuar.

Ndërsa sistemi rizbuloi me sukses zgjidhje të njohura për shumicën e 67 problemeve, kontributet e tij më të rëndësishme erdhën nga gjetja e qasjeve të reja.

Hulumtimi nxjerr në pah një ndërtim të ri dhe premtues për bashkësitë Nikodym, i cili tashmë ka frymëzuar një punim të ardhshëm nga Tao. Përveç kësaj, AlphaEvolve zbuloi ndërtime të reja me përmirësime të rendit më të ulët për problemin e fushës së fundme Kakeya në dimensionet 3, 4 dhe 5.

Përtej këtyre fushave shumë abstrakte, agjenti demonstroi gjithashtu shkathtësinë e tij në enigma gjeometrike më të prekshme. Ai rizbuloi me sukses “divanin Gerver” optimal për problemin klasik të “divanit në lëvizje” dhe “divanin Romik” për variantin e tij ambidekstral.

Për një version më kompleks 3D të problemit, AlphaEvolve prodhoi një ndërtim të ri me një vëllim të verifikuar rigorozisht prej të paktën 1.81, të cilin studiuesit besojnë se i tejkalon kandidatët e njohur më parë.

Këto suksese shfaqin një rrjedhë pune të fuqishme që kombinon sisteme të shumëfishta të specializuara të IA-së. AlphaEvolve së pari gjen një ndërtim premtues, të cilin një agjent si Deep Think, e njëjta teknologji pas fitimit të medaljes së artë të IMO-s nga DeepMind , mund ta analizojë më pas për të nxjerrë një provë të saktësisë së tij.

I gjithë ky proces mund të kulmojë në verifikim formal, me një mjet si AlphaProof që përkthen provën e gjuhës natyrore në një format të kontrollueshëm nga makina si Lean.

Megjithatë, procesi kërkon ekspertizë të konsiderueshme njerëzore për të udhëhequr inteligjencën artificiale dhe për të validuar rezultatet e saj. Postimi në blog i Tao-s thekson se mjeti nuk është një matematikan autonom dhe është i prirur të gjejë zgjidhje të zgjuara. “…një sasi jo e vogël përpjekjesh njerëzore duhet të shkojë në hartimin e një verifikuesi jo të shfrytëzueshëm”, shkroi ai.

Në fund të fundit, studiuesit e pozicionojnë AlphaEvolve jo si një zëvendësim për matematikanët njerëzorë, por si një lloj të ri të fuqishëm partneri kërkimor. Aftësia e tij për të testuar me shpejtësi idetë e bën atë një mjet ideal për eksplorim fillestar.

Siç vëren Tao, “Mund t’i imagjinoj këto mjete si një “kontroll të shëndoshë mendore” të dobishëm kur propozoj ndonjë supozim të ri.” Kërkimi sistematik i kundërshembujve “të dukshëm” ndihmon në vërtetimin ose hedhjen e dyshimeve mbi idetë e reja përpara se të investohet një përpjekje e konsiderueshme njerëzore.

Edhe dështimet e sistemit ofrojnë informacione të vlefshme. Punimi vëren se në të 67 problemet, “…ne nuk hodhëm poshtë asnjë supozim të madh të hapur. Sigurisht, një shpjegim i mundshëm i dukshëm për këtë është se këto supozime janë në fakt të vërteta.”

Kjo qasje rigoroze dhe e bazuar në prova bie ndesh ashpër me ciklin e ekzagjerimit të inteligjencës artificiale, i ilustruar së fundmi nga pretendimet e tërhequra të OpenAI për zgjidhjen e problemeve të mëdha të Erdős.

Ky gabim publik shkaktoi kritika të ashpra nga konkurrentët, me CEO-n e Google DeepMind, Demis Hassabis, i cili e quajti incidentin “të turpshëm”.

I bazuar në bashkëpunim me ekspertë të fushës, kuadri i DeepMind duket se është projektuar për të shmangur gracka të tilla. Puna me AlphaEvolve vjen pas një sërë përparimesh të ligjshme në zbatimin e inteligjencës artificiale në matematikë, duke përfshirë sistemin AlphaGeometry2 që i tejkaloi ekspertët njerëzorë në problemet e gjeometrisë së Olimpiadës.

Duke u përqendruar në rritjen e intuitës njerëzore në vend që të pretendojë zgjidhjen e problemeve në mënyrë autonome, AlphaEvolve harton një rrugë më të qëndrueshme dhe të besueshme për rolin e IA-së në zbulimin shkencor.