Tutto su Google
Tutto su intelligenza artificiale
La settimana scorsa, l’intelligenza artificiale (AI) di Google DeepMind ha rubato la scena risolvendo quattro problemi di matematica delle Olimpiadi internazionali di matematica (IMO) 2024 su un totale di sei.
Questo evento è considerato la principale competizione matematica per i “matematici più intelligenti” del mondo. Le prestazioni dell’IA, ottenute da due modelli, hanno portato ad un punteggio di 28 punti, degno di una medaglia d’argento – questa è la prima volta che l’IA raggiunge una tale prestazione.
Alex Davies, leader dell’iniziativa matematica Google DeepMind, ha descritto questo risultato come un “grande progresso” nel ragionamento matematico da parte di un sistema di intelligenza artificiale. Pushmeet Kohli, vicepresidente della ricerca dell’azienda, ha dichiarato: New York TimesIl sistema “non è perfetto e non abbiamo risolto tutto”. Vogliamo essere perfetti.”
L’intelligenza artificiale di Google è brava in matematica
- Il colosso della ricerca ha chiesto a due esperti indipendenti di giudicare le prestazioni del suo sistema;
- Il matematico Timothy Gowers e lo sviluppatore di software Joseph Myers. Entrambi hanno vinto medaglie nei precedenti IMO.
- Myers ha affermato di “aver faticato a valutare i tentativi di intelligenza artificiale in modo coerente con il modo in cui sono stati giudicati quest’anno i tentativi umani”;
- Gowers ha dichiarato di essere “certamente impressionato” e “le mie aspettative erano molto alte”, poiché il laboratorio aveva già intenzione di mettere l’intelligenza artificiale nella competizione;
- Ha anche affermato che “il programma li ha raggiunti e, in uno o due casi, li ha notevolmente superati”;
- Il sistema di Google risolveva due problemi di algebra, uno di geometria e uno di teoria dei numeri, ma non era in grado di risolvere due problemi di combinatoria;
- Mentre gli studenti avevano a disposizione 4,5 ore per ogni problema, il sistema poteva impiegare tutto il tempo che voleva e per uno di essi poteva impiegare fino a tre giorni.
Il team dietro l’intelligenza artificiale ritiene che la velocità di precisione sia uno svantaggio del successo complessivo, e il dottor Silver sottolinea che “è solo una questione di quanta potenza di calcolo sei disposto a investire in queste cose”.
Il fatto che siamo arrivati fin qui, dove è addirittura possibile affrontare questi problemi, rappresenta un cambiamento radicale nella storia della matematica. Spero che non si tratti solo di un cambiamento epocale, secondo me, ma che segni anche il punto in cui passiamo dalla capacità dei computer di dimostrare cose molto, molto semplici, alla capacità dei computer di dimostrare cose che gli esseri umani non possono.
David Silver, ricercatore, in un’intervista con New York Times
Per saperne di più:
Applicazioni sportive nel sistema Google
Per anni DeepMind ha mirato a portare l’intelligenza artificiale nella matematica, collaborando con matematici di livello mondiale. “La matematica richiede questa interessante combinazione di pensiero astratto, preciso e creativo”, ha osservato Davies.
Riconosce, in parte, che il suddetto repertorio di competenze è importante per raggiungere l’intelligenza generale artificiale (AGI), con il potenziale di trascendere le capacità umane. Aziende come OpenAI, Meta AI e xAI stanno perseguendo questo obiettivo.
Mostra forza
A gennaio, un altro sistema di Google DeepMind, chiamato AlphaGeometry, ha risolto modelli di problemi di geometria dei Giochi Olimpici a livello di medaglia d’oro.
“AlphaGeometry 2 ha ora superato le medaglie d’oro dell’IMO nella risoluzione dei problemi”, ha affermato il ricercatore capo Thang Luong in un’e-mail a . volte.
Da segnalare la soluzione del quarto problema proposto: il sistema lo ha risolto in soli 19 secondi.
Google DeepMind ha diviso i suoi sforzi in due team, uno guidato da Thomas Hubert, un ingegnere ricercatore a Londra, e l’altro guidato dal Dr. Leung e Kwok Lee a Mountain View, ciascuno con circa 20 ricercatori.
Il Dr. Hubert ha creato un modello simile ma più generale chiamato AlphaProof. Il sistema è progettato per coprire una vasta gamma di argomenti matematici. Sia AlphaGeometry (il più vecchio) che AlphaProof utilizzavano diverse tecniche di intelligenza artificiale.
Un approccio utilizzato è stato un sistema di inferenza informale, espresso in linguaggio naturale. Questo sistema ha sfruttato Gemini, il sistema di intelligenza artificiale di punta di Google. Ha utilizzato la serie inglese di problemi pubblicati, dimostrazioni e simili come dati di addestramento.
Il sistema informale identifica i modelli e suggerisce cosa fare dopo; Creativo e parla di idee in modo comprensibile. Vale la pena notare che i grandi modelli linguistici possono inventare cose, il che non è vero per la matematica. Tuttavia, in questo caso, questo modello linguistico di grandi dimensioni (LLM) era più restrittivo. Non era immune alle allucinazioni, ma la loro frequenza era inferiore.
Un altro approccio utilizzato era un sistema di inferenza formale, basato sulla logica ed espresso in simboli. Per la dimostrazione sono stati utilizzati un teorema e un programma ausiliario chiamato Lean.
Garantisce che se il sistema dice che le prove sono valide, in realtà sono vere. “Possiamo verificare esattamente se le prove sono valide o meno. Ci assicuriamo che ogni passo sia logicamente valido”, ha affermato il dottor Hubert.
Un altro elemento chiave è stato l’algoritmo di apprendimento per rinforzo nella stirpe di AlphaGo e AlphaZero. Il dottor Silver ha osservato che questo tipo di intelligenza artificiale apprende da sola e si espande indefinitamente.
Poiché un algoritmo non ha bisogno che un essere umano lo insegni, può “imparare e continuare ad apprendere e continuare ad apprendere finché non riesce finalmente a risolvere i problemi più difficili che gli esseri umani possono risolvere”. Forse un giorno lo supereranno, ha spiegato.
Il medico ha detto che il sistema può riscoprire la conoscenza da solo. È quello che è successo con Alvazzero (che gioca a scacchi), che ha iniziato senza alcuna conoscenza “e solo giocando e vedendo chi vince e chi perde può riscoprire tutta la conoscenza legata agli scacchi”. Ci è voluto meno di un giorno per riscoprire tutta la nostra conoscenza negli scacchi e circa una settimana per riscoprire tutta la nostra conoscenza nel Go, quindi abbiamo pensato di poter applicare questo alla matematica.
D’altra parte, il dottor Gowers non è preoccupato per le conseguenze a lungo termine. “È possibile immaginare una situazione in cui i matematici non abbiano nulla da fare. Questo sarebbe il caso se i computer diventassero molto migliori e molto più veloci in tutto ciò che fanno i matematici oggi.
Sembra che ci sia ancora molta strada da fare prima che i computer possano eseguire calcoli a livello di ricerca. È una scommessa abbastanza sicura che se Google DeepMind può risolvere almeno alcuni dei problemi difficili, secondo me, un utile strumento di ricerca non sarà fuori portata.
Timothy Gowers, matematico, in un’intervista con New York Times
