谷歌背後的人工智慧 (AI) 巨頭 DeepMind 的研究人員表示,人工智慧在解決複雜難題方面已經超越了人類智能,這是一項突破性的進展。這一結果植根於類似於驅動 ChatGPT 等聊天機器人的語言模型,標誌著人類和機器之間智力能力平衡的潛在轉變。
揭示人工智慧穿透性問題解決的有趣研究
DeepMind 進入未知領域的冒險被稱為“FunSearch”,標誌著語言模型產生新科學發現的第一個例子。該專案使用大型語言模型(LLM)和評估器來解決電腦程式中的問題。這種創新方法使人工智慧能夠超越人類生成的解決方案的限制。
上限設定問題和明顯的AI優勢
FunSearch 推出了兩個難題,第一個是上限設定問題。這項數學挑戰涉及識別空間中最大的點集,其中沒有三個點對齊在一條直線上。值得注意的是,基於人工智慧的系統生成的程式解決了這個問題,並且優於人類數學家之前設計的最佳解決方案。
人工智慧的應用超越了容器包裝問題的常規界限
第二個難題是箱式包裝問題,深入研究優化容器內各種尺寸物品的排列。雖然數學原理適用於實體場景(例如在貨櫃中進行高效包裝),但也可以擴展到不同的領域,例如在資料中心調度 IT 作業。 FunSearch 透過解決這個複雜問題並提供超越傳統人類生成策略的解決方案,展現了其多功能性。
人工智慧新功能的關鍵在於支撐現代聊天機器人的複雜語言模型(LLM)。這些神經網路從大型資料集中學習語言模型,包括電腦程式碼。自 ChatGPT 推出以來,這些模型已經表現出了從軟體調試到創建文章、旅行路線和詩歌等各種內容的熟練程度。然而,到目前為止,模型一直被認為是重新包裝資訊而不是生成原始知識。
計畫的演變以及新的有趣的研究方法和知識的發現
為了支援 FunSearch,DeepMind 巧妙地使用 LLM 來產生解決某些問題的電腦程式。然後對這些課程進行績效評估,並將表現最好的課程合併並重新納入法學碩士課程。這個迭代過程將次優程序轉變為越來越強大的程序,從而發現了以前未知的知識。
FunSearch 在解決複雜難題方面的成功應用表明,由高階語言模型驅動的人工智慧有可能在某些領域超越人類解決問題的能力。隨著人工智慧的不斷發展,它可能會重新定義曾經被認為是人類專屬智力領域的邊界。
其意義不僅僅是謎題,因為 FunSearch 使用的方法可以適應各個領域,為人工智慧驅動的多個科學學科的進步鋪平道路。人工智慧產生新解決方案和發現的前景為研究和創新開闢了新途徑。
展望人工智慧驅動的發現的未來
DeepMind 最近的揭露凸顯了人工智慧的變革力量,特別是在解決問題領域。 FunSearch 成功超越了人類生成的謎題解決方案,這表明未來由高階語言模型驅動的人工智慧可以在科學發現中發揮關鍵作用。
雖然目前的里程碑主要集中在謎題上,但這種人工智慧驅動方法的更廣泛應用尚未得到充分探索。隨著研究人員更深入研究可能性,人類智力和人工智慧之間的協同作用可能會帶來前所未有的進步,這標誌著我們對問題解決和發現的理解發生範式轉移。