- AlphaGeometry 2 DeepMind menyelesaikan 84% masalah geometri IMO dalam 25 tahun, berbanding 54% untuk pendahulunya.
- Ia menggunakan pendekatan hibrid: enjin simbolik dan model bahasa Gemini yang menjana dan mengesahkan penyelesaian geometri secara automatik.
- Dia mengatasi purata pemenang pingat emas dalam ujian, menyelesaikan 42 daripada 50, tetapi menghadapi kesukaran dengan ketaksamaan dan persamaan tak linear.
DeepMind telah mengambil langkah baharu dalam pembangunan kecerdasan buatan yang digunakan untuk matematik dengan AlphaGeometry 2.
Versi AlphaGeometry yang dipertingkatkan sudah menunjukkan kemajuan yang ketara. Dalam ujian baru-baru ini, AI telah berjaya menyelesaikan 84% masalah geometri yang telah muncul di IMO dalam tempoh 25 tahun yang lalu , berbanding 54% yang dicapai oleh pendahulunya.
Pendekatan hibrid kepada resolusi
AlphaGeometry 2 menggabungkan sistem yang berbeza untuk mencapai prestasi tingginya. Ia bergantung pada enjin simbolik yang bertanggungjawab untuk memanipulasi peraturan matematik, bersama-sama dengan model bahasa berdasarkan keluarga model Gemini Google. Gabungan ini membolehkan penjanaan penyelesaian yang boleh disahkan secara automatik.
Salah satu ciri utama sistem ini ialah keupayaannya untuk membuat penaakulan dengan menggerakkan objek geometri dalam satah . Dengan menggerakkan titik di sepanjang garis atau mengubah suai ketinggian segi tiga, AlphaGeometry 2 boleh meneroka pendekatan penyelesaian masalah yang berbeza dengan lebih cekap.
Keputusan dan batasan
Keputusan daripada AlphaGeometry 2 memang mengagumkan, tetapi cabaran masih ada. Walaupun AI telah terbukti mampu menyelesaikan kebanyakan masalah geometri IMO, ia terus bergelut dengan masalah yang melibatkan ketaksamaan dan persamaan tak linear.
Dalam ujian selanjutnya, AI menyelesaikan 42 daripada 50 masalah IMO terpilih, mengatasi purata pemenang pingat emas manusia. Walau bagaimanapun, dalam pusingan kedua ujian dengan masalah yang lebih kompleks yang dicadangkan oleh pakar, kadar kejayaannya adalah lebih rendah.
Aplikasi masa hadapan
DeepMind tidak akan berhenti setakat geometri Olimpik, kerana potensi AlphaGeometry 2 jauh melangkaui itu. Syarikat itu sedang meneroka cara untuk memperluaskan teknologi ini ke dalam bidang seperti pengoptimuman struktur matematik , kejuruteraan lanjutan dan juga kriptografi.
Tambahan pula, gabungan model simbolik dan rangkaian saraf boleh meletakkan asas untuk generasi baharu kecerdasan buatan. Pendekatan hibrid ini memudahkan penciptaan sistem yang bukan sahaja meniru pemikiran manusia tetapi juga menerangkan dan mengesahkan penyelesaiannya sendiri secara logik .
Kemajuan AlphaGeometry 2 merupakan satu peristiwa penting dalam kecerdasan buatan yang diaplikasikan kepada matematik. Keupayaannya untuk menyelesaikan masalah kompleks dengan tepat membuka kemungkinan baharu untuk kerjasama antara manusia dan kecerdasan buatan, sekali gus membuka jalan untuk inovasi masa hadapan dalam pelbagai disiplin saintifik dan teknikal.
