- AlphaGeometry 2 de DeepMind résout 84 % des problèmes de géométrie des OIM en 25 ans, contre 54 % pour son prédécesseur.
- Elle utilise une approche hybride : un moteur symbolique et un modèle de langage Gemini qui génèrent et vérifient automatiquement les solutions géométriques.
- Il surpasse la moyenne des médaillés d'or aux tests, en résolvant 42 problèmes sur 50, mais il a des difficultés avec les inégalités et les équations non linéaires.
Avec AlphaGeometry 2, DeepMind franchit une nouvelle étape dans le développement de l'intelligence artificielle appliquée aux mathématiques .
La version améliorée d'AlphaGeometry affiche déjà des progrès significatifs. Lors de tests récents, l'IA a réussi à résoudre 84 % des problèmes géométriques posés aux OIM ces 25 dernières années , contre 54 % pour sa version précédente.
Une approche hybride de la résolution
AlphaGeometry 2 combine différents systèmes pour atteindre ses hautes performances. Il s'appuie sur un moteur symbolique qui manipule les règles mathématiques, ainsi que sur un modèle de langage basé sur la famille de modèles Gemini de Google. Cette combinaison permet de générer des solutions vérifiables automatiquement.
L'une des caractéristiques essentielles de ce système est sa capacité à raisonner en déplaçant des objets géométriques dans un plan . En déplaçant des points le long de lignes ou en modifiant la hauteur des triangles, AlphaGeometry 2 peut explorer différentes approches de résolution de problèmes de manière plus efficace.
Résultats et limites
Les résultats d'AlphaGeometry 2 sont impressionnants, mais des défis subsistent. Si l'IA s'est montrée capable de résoudre la plupart des problèmes de géométrie des OIM, elle continue d'éprouver des difficultés avec les problèmes impliquant des inégalités et des équations non linéaires.
Lors de tests complémentaires, l'IA a résolu 42 des 50 problèmes sélectionnés des OIM, surpassant ainsi la moyenne des médaillés d'or humains. Cependant, lors d'une seconde série de tests portant sur des problèmes plus complexes proposés par des experts, son taux de réussite a été inférieur.
candidatures futures
DeepMind ne compte pas se limiter à la géométrie olympique, car le potentiel d'AlphaGeometry 2 va bien au-delà. L'entreprise explore déjà comment étendre cette technologie à des domaines tels que l' optimisation des structures mathématiques , l'ingénierie avancée et même la cryptographie.
De plus, la combinaison de modèles symboliques et de réseaux neuronaux pourrait jeter les bases d'une nouvelle génération d'intelligence artificielle. Cette approche hybride facilite la création de systèmes qui non seulement imitent la pensée humaine, mais expliquent et valident logiquement leurs propres solutions.
Le développement d'AlphaGeometry 2 représente une étape majeure dans l'application de l'intelligence artificielle aux mathématiques. Sa capacité à résoudre des problèmes complexes avec précision ouvre de nouvelles perspectives de collaboration entre l'humain et l'intelligence artificielle, et favorise les innovations futures dans de nombreuses disciplines scientifiques et techniques.
