這一突破引發(fā)了對AI發(fā)展路徑的深入思考。傳統(tǒng)上,AI領(lǐng)域存在兩種主要方法:基于符號操作的方法和類似人腦的神經(jīng)網(wǎng)絡(luò)方法。AlphaGeometry2采用混合架構(gòu),其Gemini模型采用神經(jīng)網(wǎng)絡(luò)架構(gòu),而符號引擎則基于規(guī)則運算。根據(jù)Deepmind的論文,在測試中,同樣采用神經(jīng)網(wǎng)絡(luò)架構(gòu)的OpenAI o1模型無法解決任何AlphaGeometry2成功解答的IMO問題。
卡內(nèi)基梅隆大學(xué)AI專家Vince Conitzer指出,雖然在基準(zhǔn)測試上取得了顯著進展,但包括最新的“推理型”在內(nèi)的語言模型仍在一些簡單的常識問題上舉步維艱。這表明我們?nèi)匀粺o法準(zhǔn)確預(yù)測下一個系統(tǒng)的具體行為,考慮到這些系統(tǒng)可能產(chǎn)生的重大影響,迫切需要更好地理解它們及其潛在風(fēng)險。
不過,研究團隊發(fā)現(xiàn)初步證據(jù)表明,AlphaGeometry2的語言模型部分已顯示出無需符號引擎輔助也能生成部分解決方案的潛力。但在模型運算速度得到根本改善、“幻覺”問題徹底解決之前,符號運算等外部工具仍將在數(shù)學(xué)應(yīng)用中扮演不可或缺的角色。
一種名為PatternBoost的新方法在數(shù)學(xué)問題中尋找有趣的結(jié)構(gòu),這種方法結(jié)合了局部搜索和全局搜索
2024-11-14 16:07:30Transformer打破三十年數(shù)學(xué)猜想