DeepMind，谷歌母公司Alphabet旗下的英国人工智能实验室，开发了一种名为AlphaGeometry的人工智能系统，可以解决接近人类奥林匹克金牌得主水平的复杂几何问题。
在《自然》杂志上的一篇新论文中，DeepMind透露，AlphaGeometry能够在标准时间限制内解决过去国际数学奥林匹克竞赛（IMO）中的30个基准几何问题中的25个。这几乎与人类金牌得主在同一测试中解决的26个问题的平均分数相匹配。
该人工智能系统将神经语言模型与基于规则的推理引擎相结合，提供了一种协同作用，使系统能够找到复杂几何定理的解决方案。
AlphaGeometry采用了一种革命性的合成数据生成方法，创建了十亿个几何对象的随机图，并推导出每个图中点和线之间的关系。这个过程被称为“符号推导和回溯”，最终形成了一个包含1亿个独特示例的训练数据集，为训练人工智能系统提供了丰富的资源。
根据DeepMind的说法，AlphaGeometry代表了人工智能在数学推理方面的突破，使其更接近人类数学家的水平。发展这些技能被认为对于推进人工通用智能至关重要。
数学教练和前奥林匹克金牌得主Evan Chen评估了AlphaGeometry的一些解决方案。他说，它的输出不仅是正确的，而且还是干净的、可读的证明，使用标准几何技术，而不是人工智能系统在暴力解决数学问题时经常产生的混乱的数值解。
尽管AlphaGeometry目前只处理奥林匹克测试中的几何部分，但它的技能单独就足以在一些过去的考试中获得铜牌。DeepMind希望继续改进其数学推理能力，使其能够通过整个多学科奥林匹克考试。
推进人工智能对数学和逻辑的理解是DeepMind和谷歌的一个重要目标。研究人员认为，掌握奥林匹克问题使他们更接近能够自动发现新知识的更广义人工智能。
（照片由Dustin Humes提供，来自Unsplash）
另请参阅：Stability AI发布了Stable Code 3B以提供增强的编码辅助功能
想要从行业领导者那里了解更多关于人工智能和大数据的知识吗？请查看在阿姆斯特丹、加利福尼亚和伦敦举办的AI & Big Data Expo。这个全面的活动与Digital Transformation Week和Cyber Security & Cloud Expo同期举办。
探索由TechForge提供支持的其他即将举行的企业技术活动和网络研讨会这里。
