這一突破引發(fā)了對(duì)AI發(fā)展路徑的深入思考,。傳統(tǒng)上,,AI領(lǐng)域存在兩種主要方法:基于符號(hào)操作的方法和類(lèi)似人腦的神經(jīng)網(wǎng)絡(luò)方法。AlphaGeometry2采用混合架構(gòu),,其Gemini模型采用神經(jīng)網(wǎng)絡(luò)架構(gòu),,而符號(hào)引擎則基于規(guī)則運(yùn)算。根據(jù)Deepmind的論文,,在測(cè)試中,,同樣采用神經(jīng)網(wǎng)絡(luò)架構(gòu)的OpenAI o1模型無(wú)法解決任何AlphaGeometry2成功解答的IMO問(wèn)題。
卡內(nèi)基梅隆大學(xué)AI專(zhuān)家Vince Conitzer指出,,雖然在基準(zhǔn)測(cè)試上取得了顯著進(jìn)展,,但包括最新的“推理型”在內(nèi)的語(yǔ)言模型仍在一些簡(jiǎn)單的常識(shí)問(wèn)題上舉步維艱。這表明我們?nèi)匀粺o(wú)法準(zhǔn)確預(yù)測(cè)下一個(gè)系統(tǒng)的具體行為,,考慮到這些系統(tǒng)可能產(chǎn)生的重大影響,,迫切需要更好地理解它們及其潛在風(fēng)險(xiǎn)。
不過(guò),,研究團(tuán)隊(duì)發(fā)現(xiàn)初步證據(jù)表明,,AlphaGeometry2的語(yǔ)言模型部分已顯示出無(wú)需符號(hào)引擎輔助也能生成部分解決方案的潛力。但在模型運(yùn)算速度得到根本改善,、“幻覺(jué)”問(wèn)題徹底解決之前,符號(hào)運(yùn)算等外部工具仍將在數(shù)學(xué)應(yīng)用中扮演不可或缺的角色,。
一種名為PatternBoost的新方法在數(shù)學(xué)問(wèn)題中尋找有趣的結(jié)構(gòu),這種方法結(jié)合了局部搜索和全局搜索
2024-11-14 16:07:30Transformer打破三十年數(shù)學(xué)猜想