DeepMind研究人员开发了AlphaGeometry，这是一个具有前所未有的解决奥运级别几何问题的能力的人工智能系统。
奥林匹克数学题是复杂的数学问题，通常在国际数学竞赛中提出，如国际数学奥林匹克(IMO)。
这些问题需要深刻理解数学概念，创造性的解决问题的技能和严格的逻辑推理，涵盖了代数，组合学和几何等领域，这是本研究的目标。
的 深思熟虑 研究发表在《自然》杂志上，标志着人工智能在数学领域解决问题的能力取得了里程碑式的进步。
这个名为AlphaGeography的模型系统成功解决了国际数学奥林匹克竞赛中的30个问题中的25个，这比之前最先进的人工智能系统有了巨大的进步，后者只解决了10个问题。
AlphaSymmetrix打破了以前的人工智能模型，但仅次于顶级数学家。来源：DeepMind via Nature
这几乎反映了人类金牌得主的表现，他们平均解决了25.9个问题—这是对人类奥运会技能的一个相当了不起的认可。研究作者Trieu H. Trinh在下面描述了这篇文章。
为了实现这一点，人工智能系统将神经语言模型与符号推理引擎相结合。神经模型迅速提出潜在的结构，符号引擎严格推导出解决方案。这种双重方法有助于在解决问题的速度和准确性之间取得平衡。
AlphaSymmetrix成功的关键是生成1亿个独特的合成训练示例。这种方法允许人工智能在没有人工输入的情况下进行训练，克服了一个主要的数据瓶颈。
用于训练AlphaSymmetrix的合成数据示例。来源：DeepMind via Nature
菲尔兹奖牌获得者和IMO金牌获得者Ngó B o Châu表达了他对这一成就的惊讶， 在Google博客文章中，“对我来说，这是非常有意义的，因为人工智能的研究人员正在首先尝试解决IMO几何问题，因为为他们找到解决方案的工作有点像国际象棋，因为我们每一步都有相当少的明智的步骤。但我仍然觉得令人震惊的是，他们能够做到这一点。这是一项令人印象深刻的成就。
数学教练、前奥运金牌得主埃文·陈（Evan Chen）也称赞了AI：“AlphaGeography的输出令人印象深刻，因为它既可验证又干净……它像学生一样使用经典几何规则，带角度和类似的三角形。
看看下面陈在奥运会上的视频，了解这些问题有多困难。
AlphaSymmetrix在奥运会级别上解决复杂几何问题的能力不仅证明了人工智能不断增长的逻辑推理能力，也为数学和人工智能开发开辟了新的可能性。
它有助于DeepMind的几项突破性研究，包括 gnome， RT-2，AutoRT， 搜索引擎， AlphaMisense，以及alphafold仅举近期记忆中的几个例子。
更多关于这项研究的信息
以下是AlphaSymmetrix如何通过五个蒸馏步骤工作：
- 合成定理生成：AlphaGeography首先生成了一组随机几何问题。这是通过创建各种几何语句来完成的，如“点A在线段BC上”或“角度XYZ是45度”。这些陈述构成了潜在定理的前提或起点。
- 符号演绎使用这些前提，人工智能的符号推理引擎开始推理出结论。它应用几何规则和逻辑，从给定的前提中导出新的语句，系统地探索不同的组合和关系。
- 创建辅助结构通常，解决复杂的几何问题需要引入新的元素（如额外的点或线），而这些元素不是原始设置的一部分。这些被称为辅助结构。AlphaSymmetrix的引擎旨在识别何时以及需要哪些辅助构造来朝着解决方案前进。
- 培训语言模型：基于转换器的语言模型是根据上述步骤生成的数据进行训练的。该模型学习理解几何推理中的模式和逻辑。它更擅长预测未来可能需要哪些辅助结构或步骤来解决类似问题。
- 迭代问题求解：在最后一步，AlphaGeometry通过将其语言模型的预测能力与其符号演绎引擎的严谨逻辑相结合，解决了新的几何问题。人工智能提出辅助结构，并检查它们是否导致解决方案，反复这个过程，直到找到有效的证据或用尽其选择。
DeepMind对解决机器学习研究问题的兴趣当然只在增长，这再次说明了人工智能的发展速度。然而，让我们不要忘记，人类数学奥林匹克仍然有优势—只是。
