Letzte Woche verteidigte der vietnamesische Doktorand Trinh Hoang Trieu erfolgreich seine Doktorarbeit zum Thema KI-Problemlösung an der New York University. Die Forschungsarbeit wurde zusammen mit Beiträgen von zwei Wissenschaftlern von Google DeepMind, Dr. Le Viet Quoc und Luong Thang, in der Fachzeitschrift Nature veröffentlicht.

Mit einem Satz von 30 olympischen Geometrieproblemen aus den Jahren 2000 bis 2022 löste AlphaGeometry 25 Probleme. Die durchschnittliche Punktzahl der Goldmedaillengewinner lag bei 25,9, und übertraf damit bei weitem die 10 Probleme von Computermathematiksystemen, die in den 1970er Jahren entwickelt wurden.

Screenshot 2024 01 18 um 134500.png
Zu den AlphaGeometry-Mitgliedern (von links) gehören Yuhuai Wu, Trinh Hoang Trieu, Le Viet Quoc und Luong Thang. Foto: WashingtonPost

Google DeepMind hat in den letzten Jahren zahlreiche KI-Forschungsprojekte mit mathematischem Bezug durchgeführt. Daher werden olympiareife Probleme als Kriterien für die Bewertung des maschinellen Lernens verwendet.

Laut Michael Barany, einem Mathematikhistoriker an der Universität Edinburgh, ist die AlphaGeometry-Studie „ein Meilenstein in der Fähigkeit, auf menschlicher Ebene automatisch zu denken.“

Terence Tao, ein Mathematiker der University of California, der im Alter von 12 Jahren eine olympische Goldmedaille gewann, bezeichnete das KI-System als „fantastische Leistung“ und sagte, die Ergebnisse seien „überraschend“.

Screenshot 2024 01 18 um 134155.png
Forschungsergebnisse zu AlphaGeometry wurden in der wissenschaftlichen Zeitschrift Nature veröffentlicht.

Studienautor Trinh Hoang Trieu erklärte, mathematisches Denken sei nur eine Form des Denkens, habe aber den Vorteil, leicht überprüfbar zu sein. „Mathematik ist die Sprache der Wahrheit“, sagte der vietnamesische Arzt. „Wenn man ein KI-System entwickeln will, muss man eine vertrauenswürdige KI bauen, die die Wahrheit findet, der die Nutzer vertrauen können“, insbesondere bei Anwendungen mit hohen Sicherheitsanforderungen.

AlphaGeometry ist ein System, das ein neuronales Netzwerk-Sprachmodell (tief in künstlicher Intuition, ähnlich wie ChatGPT, aber kleiner) mit einer symbolischen Engine (spezialisiert auf künstliches Denken, wie ein Logikcomputer) kombiniert, bevor es für das Verständnis von Geometrie feinabgestimmt wird.

Das Besondere an dem Algorithmus ist, dass er eine Lösung aus dem Nichts generieren kann. Aktuelle KI-Modelle müssen dagegen nach vorhandenen oder von Menschen gefundenen Lösungen suchen.

Die Ergebnisse basierten auf einem neuronalen Netzwerk, das mit 100 Millionen geometrischen Beispielen ohne menschliche Antworten trainiert wurde. Bei einem Problem arbeitet zunächst die symbolische Engine. Bleibt sie hängen, schlägt der neuronale Algorithmus Verbesserungsmöglichkeiten vor. Diese Schleife läuft so lange, bis die Zeit abgelaufen ist (viereinhalb Stunden) oder das Problem gelöst ist.

Stanislas Dehaene, ein kognitiver Neurowissenschaftler am College de France, sagte, er sei von der Leistung von AlphaGeometry beeindruckt, doch das System „hat kein Bewusstsein für das Problem, das es löst“. Mit anderen Worten: Der Algorithmus verarbeitet lediglich die logischen und numerischen Kodierungen von Bildern. „Er hat kein räumliches Bewusstsein für Kreise, Linien oder Dreiecke.“

Dr. Luong Thang sagte, dieses „sensorische“ Element könnte noch in diesem Jahr mithilfe der Gemini-KI-Plattform von Google hinzugefügt werden.

(Laut Washington Post)

Generative KI dominiert Diskussionen in Davos Die rasante Entwicklung der künstlichen Intelligenz (KI) dominierte die privaten und öffentlichen Diskussionen beim Weltwirtschaftsforum , als die größten Technologieunternehmen, darunter Salesforce, Microsoft und Google, ihre Muskeln spielen ließen.