เมื่อสัปดาห์ที่แล้ว นักศึกษาปริญญาเอกชาวเวียดนาม Trinh Hoang Trieu ได้ปกป้องวิทยานิพนธ์ระดับปริญญาเอกในหัวข้อการแก้ปัญหาด้าน AI ที่มหาวิทยาลัยนิวยอร์กได้สำเร็จ งานวิจัยดังกล่าวพร้อมกับผลงานจาก นักวิทยาศาสตร์ สองคนจาก Google DeepMind ได้แก่ ดร. Le Viet Quoc และ Luong Thang ได้รับการตีพิมพ์ในวารสาร Nature

AlphaGeometry สามารถแก้โจทย์เรขาคณิตของโอลิมปิกได้ 25 ข้อโดยใช้ชุดโจทย์จำนวน 30 ข้อตั้งแต่ปี 2000 ถึงปี 2022 เมื่อเทียบกับคะแนนเฉลี่ยของผู้ได้รับเหรียญทองซึ่งอยู่ที่ 25.9 คะแนน ซึ่งสูงกว่าโจทย์ระบบคณิตศาสตร์คอมพิวเตอร์จำนวน 10 ข้อที่พัฒนาขึ้นในช่วงทศวรรษ 1970 อย่างมาก

ภาพหน้าจอ 2024 01 18 ที่ 134500.png
สมาชิก AlphaGeometry จากซ้ายไปขวา ได้แก่ Yuhuai Wu, Trinh Hoang Trieu, Le Viet Quoc และ Luong Thang ภาพ: WashingtonPost

ในช่วงไม่กี่ปีที่ผ่านมา Google DeepMind ได้ดำเนินโครงการวิจัยด้าน AI ที่เกี่ยวข้องกับคณิตศาสตร์จำนวนหนึ่ง ดังนั้น ปัญหาในระดับโอลิมเปียดจึงถูกนำมาใช้เป็นเกณฑ์ในการประเมินการเรียนรู้ของเครื่องจักร

Michael Barany นักประวัติศาสตร์ด้านคณิตศาสตร์จากมหาวิทยาลัยเอดินบะระ กล่าวว่า การศึกษา AlphaGeometry "ถือเป็นก้าวสำคัญในความสามารถในการใช้เหตุผลโดยอัตโนมัติในระดับมนุษย์"

เทอเรนซ์ เต๋า นักคณิตศาสตร์จากมหาวิทยาลัยแคลิฟอร์เนีย ผู้ชนะเหรียญทองโอลิมปิกเมื่ออายุ 12 ปี เรียกระบบ AI ว่าเป็น “ความสำเร็จที่น่าอัศจรรย์” และกล่าวว่าผลลัพธ์ที่ได้นั้น “น่าประหลาดใจ”

ภาพหน้าจอ 2024 01 18 ที่ 134155.png
งานวิจัยเกี่ยวกับ AlphaGeometry ได้รับการตีพิมพ์ในวารสารวิทยาศาสตร์ Nature

ในขณะเดียวกัน ผู้เขียนผลการศึกษา Trinh Hoang Trieu กล่าวว่าการใช้เหตุผลทางคณิตศาสตร์เป็นเพียงรูปแบบหนึ่งของการใช้เหตุผล แต่มีข้อดีคือสามารถตรวจสอบได้ง่าย “คณิตศาสตร์เป็นภาษาแห่งความจริง” แพทย์ชาวเวียดนามกล่าว “หากคุณต้องการพัฒนาระบบ AI คุณต้องสร้าง AI ที่เชื่อถือได้ซึ่งสามารถค้นหาความจริงที่ผู้ใช้ไว้วางใจได้” โดยเฉพาะอย่างยิ่งในแอปพลิเคชันที่ต้องมีข้อกำหนดด้านความปลอดภัยสูง

AlphaGeometry เป็นระบบที่รวมเอาโมเดลภาษาเครือข่ายประสาท (ซึ่งเจาะลึกในสัญชาตญาณเทียม คล้ายกับ ChatGPT แต่เล็กกว่า) เข้ากับกลไกเชิงสัญลักษณ์ (ซึ่งเชี่ยวชาญด้านการใช้เหตุผลเทียม เช่น คอมพิวเตอร์ตรรกะ) ก่อนจะปรับแต่งให้เข้าใจรูปทรงเรขาคณิตได้ดีขึ้น

สิ่งพิเศษเกี่ยวกับอัลกอริทึมคือมันสามารถสร้างโซลูชันจากศูนย์ได้ ในทางกลับกัน โมเดล AI ในปัจจุบันต้องค้นหาโซลูชันที่มีอยู่หรือโซลูชันที่มนุษย์ค้นพบ

ผลลัพธ์ที่ได้นั้นมาจากเครือข่ายประสาทเทียมที่ฝึกมาจากตัวอย่างทางเรขาคณิต 100 ล้านตัวอย่างโดยไม่มีคำตอบจากมนุษย์ เมื่อเริ่มมีปัญหา เอ็นจิ้นเชิงสัญลักษณ์จะทำงานก่อน หากเกิดปัญหาขึ้น อัลกอริทึมของประสาทเทียมจะเสนอแนะวิธีปรับปรุงอาร์กิวเมนต์ ลูปนี้จะดำเนินต่อไปจนกว่าเวลาจะหมดลง (สี่ชั่วโมงครึ่ง) หรือจนกว่าปัญหาจะได้รับการแก้ไข

Stanislas Dehaene นักประสาทวิทยาการรับรู้จาก College de France กล่าวว่าเขาประทับใจกับประสิทธิภาพของ AlphaGeometry แต่ระบบ "ไม่มีการรับรู้ถึงปัญหาที่กำลังแก้ไข" กล่าวอีกนัยหนึ่ง อัลกอริทึมจะประมวลผลเฉพาะการเข้ารหัสเชิงตรรกะและตัวเลขของภาพเท่านั้น "ไม่มีการรับรู้เชิงพื้นที่ของวงกลม เส้นตรง หรือสามเหลี่ยม"

ดร.เลือง ถัง กล่าวว่าองค์ประกอบ “ทางประสาทสัมผัส” นี้อาจถูกเพิ่มเข้ามาในปีนี้ โดยใช้แพลตฟอร์ม Gemini AI ของ Google

(ตามรายงานของวอชิงตันโพสต์)

Generative AI ครองหัวข้อการอภิปรายที่เมืองดาวอส การพัฒนาอย่างรวดเร็วของปัญญาประดิษฐ์ (AI) ครองหัวข้อการอภิปรายแบบส่วนตัวและสาธารณะที่ World Economic Forum โดยบริษัทเทคโนโลยีรายใหญ่ที่สุด เช่น Salesforce, Microsoft และ Google ต่างแสดงศักยภาพของตนให้เห็น