DeepMind揭示了AlphaGeometry：AI系统解决奥林匹克几何问题

快速导读：DeepMind，谷歌的AI研发实验室，推出了AlphaGeometry，这是一个能够解决复杂几何问题的AI系统。AlphaGeometry通过在标准时间限制内解决了25个奥林匹克几何问题，超越了先前的最先进系统。AlphaGeometry的代码已经开源，希望能为数学、科学和AI的进步做出贡献。DeepMind认为几何的重点是至关重要的，因为它需要推理和选择多个步骤，这对未来的通用AI系统可能很有用。

几何在AI发展中的重要性

DeepMind强调，证明数学定理并逻辑上解释其真实性需要推理和选择适当的解决步骤。这种问题解决方法被视为未来通用AI系统的潜在优势。DeepMind的目标是通过证明数学定理来展示逻辑推理的掌握和发现新知识的能力。然而，训练AI系统解决几何问题面临着独特的挑战，因为缺乏可用的训练数据，并且将证明转化为机器可读的格式很困难。

AlphaGeometry的设计：一种混合方法

为了克服这些挑战，DeepMind设计了AlphaGeometry，将类似于ChatGPT的“神经语言”模型与“符号演绎引擎”相结合，后者利用数学规则推断解决方案。DeepMind生成了包含1亿个“合成定理”和不同复杂性证明的合成数据来训练AlphaGeometry。神经模型指导演绎引擎通过几何问题的潜在答案。AlphaGeometry的神经模型预测要添加到图表中的有用结构，而符号引擎则进行推理以识别解决方案。这种混合的符号-神经网络系统表明，结合两种方法可能是发展可推广AI的最佳路径。

符号AI与神经网络之争

AlphaGeometry的问题解决能力的结果发表在《自然》杂志上，为符号AI和神经网络之间的持续辩论做出了贡献。神经网络的支持者认为智能行为可以从大量数据和计算中产生，而符号AI的支持者则认为符号系统更擅长高效地编码知识并通过复杂情景进行推理。AlphaGeometry的混合方法表明，结合符号操作和神经网络可能会推动通用AI系统的进步。DeepMind的长期目标是开发能够在数学领域中进行泛化并拓展人类知识边界的AI系统。