L’AI AlphaGeometry di DeepMind risolve I problemi di geometria

L’intelligenza artificiale sta facendo rapidi progressi in molti settori, e uno dei più recenti sviluppi è l’IA di DeepMind, un laboratorio di ricerca e sviluppo di Google. DeepMind ha presentato AlphaGeometry, un sistema che afferma di poter risolvere problemi di geometria con la stessa abilità di un medaglia d’oro alle Olimpiadi Matematiche Internazionali.

AlphaGeometry: Risoluzione dei problemi di geometria

DeepMind ha sviluppato AlphaGeometry come parte dei suoi sforzi per sviluppare sistemi di intelligenza artificiale sempre più avanzati. Secondo gli scienziati di ricerca di Google AI, Trieu Trinh e Thang Luong, risolvere problemi di geometria di livello olimpico è un passo importante per sviluppare un ragionamento matematico approfondito e avanzare verso sistemi di intelligenza artificiale più avanzati e generali.

Il team di DeepMind ha affrontato una sfida unica nello sviluppo di AlphaGeometry. La traduzione delle dimostrazioni matematiche in un formato comprensibile dalle macchine è complessa, e ci sono pochi dati di addestramento disponibili per la geometria. Inoltre, molti dei modelli generativi di IA attuali mancano della capacità di ragionare logicamente attraverso i teoremi.

Per superare queste sfide, AlphaGeometry combina un “modello neurale del linguaggio” con un “motore di deduzione simbolica“. Il modello neurale guida il motore di deduzione simbolica attraverso le possibili soluzioni ai problemi di geometria, consentendo al sistema di fare deduzioni logiche sulla base dei dati di addestramento.

Creazione di dati di addestramento sintetici

Dato che c’era una carenza di dati di addestramento disponibili per la geometria, DeepMind ha creato i propri dati di addestramento sintetici. Il team ha generato 100 milioni di “teoremi sintetici” e dimostrazioni di complessità variabile. AlphaGeometry è stato quindi addestrato da zero su questi dati sintetici e valutato su problemi di geometria delle Olimpiadi.

I problemi di geometria delle Olimpiadi si basano su diagrammi che richiedono l’aggiunta di “costruzioni” prima di poter essere risolti, come punti, linee o cerchi. Utilizzando il modello neurale, AlphaGeometry fa previsioni su quali costruzioni potrebbero essere utili da aggiungere a un dato problema di geometria. Il motore di deduzione simbolica utilizza queste previsioni per fare deduzioni sui diagrammi e identificare soluzioni simili.

Unione di approcci simbolici e reti neurali

L’approccio di AlphaGeometry combina elementi simbolici e reti neurali, simile ad altri successi di DeepMind come AlphaFold 2 e AlphaGo. Questa combinazione di approcci potrebbe essere la strada migliore per raggiungere l’obiettivo di sviluppare un’intelligenza artificiale generalizzabile.

Le reti neurali, che si basano sull’apprendimento statistico e sull’elaborazione di enormi quantità di dati, sono state adottate per molti compiti di intelligenza artificiale. Tuttavia, i sostenitori dell’IA simbolica sostengono che i sistemi simbolici potrebbero essere migliori nell’incorporare conoscenze e ragionare in modo logico attraverso scenari complessi.

AlphaGeometry dimostra che l’approccio ibrido, che combina manipolazione di simboli e reti neurali, potrebbe essere la migliore strada da percorrere nella ricerca di un’intelligenza artificiale generalizzabile. L’obiettivo a lungo termine di DeepMind è quello di costruire sistemi di intelligenza artificiale in grado di generalizzare su diverse discipline matematiche, sviluppando un ragionamento e una risoluzione dei problemi sofisticati che saranno fondamentali per i sistemi di intelligenza artificiale generali.