Исследователи совместили AlphaProof с крупными языковыми моделями, чтобы находить решения для сложных задач и проверять математические доказательства.
Исследователи из Google DeepMind улучшили систему математического искусственного интеллекта AlphaProof, обучив её более эффективно находить решения для неразрешённых математических задач и формировать доказательства, которые могут быть проверены автоматически. С помощью обновлённой системы учёные решили девять открытых проблем, поставленных венгерским математиком Палом Эрдешом. Результаты исследования опубликованы в журнале Science.
«Мы разработали агентную систему, способную самостоятельно находить решения для сложных математических задач и формулировать строгие доказательства на языке Lean. Она смогла решить девять из 353 открытых математических проблем, предложенных Эрдешом, а также доказать 44 из 492 гипотез, связанных с Онлайн-энциклопедией целочисленных последовательностей», — сообщается в публикации.
Научный сотрудник Google DeepMind Сварат Чадхури возглавил разработку. В основу исследования легла AlphaProof — система, которая способна решать сложные математические задачи на уровне участников Международной математической олимпиады. Её уникальность заключается в применении языка Lean, позволяющего формализовать математические доказательства и проверять их корректность.
Для расширения возможностей AlphaProof учёные объединили её с крупными языковыми моделями Google. Новая система анализирует условие задачи, представленное на языке Lean, и распределяет поиск решения между множеством независимых ИИ-агентов. Они предлагают различные идеи, формулируют их в виде математических конструкций и проверяют полученные результаты.
Такой подход помогает преодолеть одну из основных проблем языковых моделей — склонность к галлюцинациям и логическим ошибкам. Вместо того чтобы полагаться исключительно на способность нейросети генерировать правдоподобные рассуждения, система применяет формальные методы для проверки каждого доказательства.
Исследователи протестировали разработку на открытых задачах Эрдеша, математических гипотезах из Онлайн-энциклопедии целочисленных последовательностей и других проблемах. Кроме поиска новых решений, объединение нескольких технологий позволило сократить количество попыток и вычислительные затраты, необходимые для построения доказательств, по сравнению с использованием больших языковых моделей без AlphaProof.
По мнению авторов исследования, подобные системы могут быть полезны не только в математике. Тот же подход потенциально применим к научным задачам в квантовой оптике, теории графов и других областях, где требуется проверка сложных логических построений.
Фото: hi-tech.mail.ru