IMO中的問(wèn)題涵蓋了多個(gè)數(shù)學(xué)領(lǐng)域。圖片來(lái)源：《自然》網(wǎng)站
科技日?qǐng)?bào)記者?劉霞
繼擊敗人類(lèi)圍棋大師和戰(zhàn)略棋盤(pán)游戲頂尖高手之后，谷歌“深度思維”公司人工智能（AI）系統(tǒng)在英國(guó)巴斯舉行的2024年國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽（IMO）上，僅以1分之差與金牌失之交臂，獲得了銀牌。這是AI選手首次登上IMO領(lǐng)獎(jiǎng)臺(tái)。
英國(guó)《自然》雜志網(wǎng)站在7月27日的報(bào)道中指出，“深度思維”正與其他公司競(jìng)相解決數(shù)學(xué)領(lǐng)域的疑難問(wèn)題。近年來(lái)，IMO被廣泛認(rèn)為是對(duì)機(jī)器學(xué)習(xí)的一個(gè)挑戰(zhàn)，也是衡量AI系統(tǒng)高級(jí)數(shù)學(xué)推理能力的理想基準(zhǔn)。AI系統(tǒng)在今年IMO中的精彩表現(xiàn)，標(biāo)志著其即將再下一城：在解決數(shù)學(xué)難題方面擊敗世界頂尖學(xué)生。
首登領(lǐng)獎(jiǎng)臺(tái)
“深度思維”公司訓(xùn)練了一個(gè)專(zhuān)門(mén)用于解答數(shù)學(xué)奧賽考題的AI系統(tǒng)，成功解答了6道競(jìng)賽題中的4道，獲得28分（滿分42分），達(dá)到本次比賽銀牌獲得者的水平。
該系統(tǒng)包括解答數(shù)學(xué)推理問(wèn)題的模型AlphaProof和解答幾何問(wèn)題的模型AlphaGeometry的升級(jí)版AlphaGeometry 2。其中，AlphaGeometry 2解決了一個(gè)幾何問(wèn)題，而AlphaProof則解答了兩個(gè)代數(shù)問(wèn)題和一個(gè)數(shù)論問(wèn)題。
今年1月份，AlphaGeometry在解決歐幾里得幾何問(wèn)題上，就已表現(xiàn)出獎(jiǎng)牌級(jí)選手的水平。在今年的IMO比賽前，AlphaGeometry 2已經(jīng)能夠解決過(guò)去25年里83%的IMO幾何問(wèn)題，而其“前身”僅能解決53%。
“深度思維”公司AI科學(xué)副總裁普什米特·科利指出，這是AI系統(tǒng)首次達(dá)到獲IMO獎(jiǎng)牌級(jí)別的性能。IMO主席格雷戈?duì)枴ざ嗬{爾也表示，AI最終將能比人類(lèi)更好地解決大多數(shù)數(shù)學(xué)問(wèn)題，其進(jìn)步速度令人驚嘆。
幾乎同一時(shí)間，軟件公司Numina的科學(xué)家使用語(yǔ)言模型，贏得了AI數(shù)學(xué)奧林匹克獎(jiǎng)（AIMO）的首個(gè)“進(jìn)步獎(jiǎng)”。
但Numina團(tuán)隊(duì)在獲獎(jiǎng)后表示，要解決更難的數(shù)學(xué)問(wèn)題，僅靠語(yǔ)言模型可能還不夠。
與自己對(duì)抗
AlphaProof是一個(gè)自學(xué)習(xí)系統(tǒng)，其核心創(chuàng)新在于結(jié)合預(yù)訓(xùn)練語(yǔ)言模型與AlphaZero強(qiáng)化學(xué)習(xí)算法的策略。強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域一種重要的學(xué)習(xí)范式，系統(tǒng)可通過(guò)多次嘗試找到自己的解題方法。
這種方法需要用AI能理解和驗(yàn)證的語(yǔ)言編寫(xiě)大量問(wèn)題，而大多數(shù)IMO問(wèn)題都是用英語(yǔ)編寫(xiě)的。為解決這個(gè)問(wèn)題，“深度思維”團(tuán)隊(duì)托馬斯·赫伯特及其同事使用谷歌的大語(yǔ)言模型Gemini，將這些問(wèn)題翻譯成一種名為L(zhǎng)ean的編程語(yǔ)言，以供AI進(jìn)行學(xué)習(xí)。
AlphaProof使用經(jīng)過(guò)微調(diào)的Gemini模型，自動(dòng)將數(shù)學(xué)問(wèn)題轉(zhuǎn)換為L(zhǎng)ean語(yǔ)言，從而創(chuàng)建了一個(gè)涵蓋不同難度級(jí)別的大型問(wèn)題庫(kù)。在強(qiáng)化學(xué)習(xí)階段，系統(tǒng)每驗(yàn)證一個(gè)證明，就用它來(lái)強(qiáng)化AlphaProof的語(yǔ)言模型，提高其解決后續(xù)更具挑戰(zhàn)性問(wèn)題的能力。
赫伯特表示，在挑戰(zhàn)圍棋游戲時(shí)，他們也采用了類(lèi)似的方法：AI通過(guò)與自己對(duì)抗，來(lái)學(xué)習(xí)如何更好地玩游戲。結(jié)果顯示，在某些情況下，AlphaProof能夠在無(wú)限多的可能性中邁出正確的一步，展現(xiàn)出“靈光一閃”的能力。
仍有改進(jìn)空間
盡管AlphaProof的表現(xiàn)令人印象深刻，但其速度相對(duì)較慢，解決3個(gè)問(wèn)題耗費(fèi)了3天時(shí)間，而人類(lèi)參賽者僅需4個(gè)半小時(shí)。此外，它也未能回答兩個(gè)與組合數(shù)學(xué)有關(guān)的問(wèn)題。
英國(guó)數(shù)學(xué)家約瑟夫·邁爾斯審查了AI在本次IMO比賽中給出的答案。他指出，AlphaProof采取的這些技術(shù)能否予以完善還有待觀察。
英國(guó)倫敦?cái)?shù)學(xué)科學(xué)研究所何楊輝稱(chēng)，AlphaProof這樣的系統(tǒng)對(duì)于幫助數(shù)學(xué)家證明問(wèn)題很有用，但它無(wú)法幫助研究人員確定需要解決和研究的問(wèn)題。
“深度思維”團(tuán)隊(duì)表示，他們正繼續(xù)探索多種用于推進(jìn)數(shù)學(xué)推理的AI方法。未來(lái)，數(shù)學(xué)研究者將與AI合作，驗(yàn)證假說(shuō)，嘗試新方法來(lái)解決長(zhǎng)期未解決的數(shù)學(xué)難題。他們也希望AlphaProof能夠通過(guò)減少錯(cuò)誤響應(yīng)，幫助改進(jìn)谷歌的大型語(yǔ)言模型。
