人工知能科学者がチャットボットを使用して数学的問題を解決することで「エキサイティングな」発見をする | 科学

AI 研究者らは、大規模言語モデルを使用して世界初の科学的発見を行ったと主張しており、この偉業は、ChatGPT や同様のプログラムの背後にあるテクノロジーが人知を超えた情報を生成できることを示唆しています。

これらの発見は、Google DeepMind から明らかになったもので、科学者たちは、OpenAI の ChatGPT や Google の Bard などの最新のチャットボットを強化する大規模言語モデルが、トレーニングで学習した情報を単に再結合して新しい洞察を生み出す以上のことができるかどうかを調査しています。

「私たちがプロジェクトを開始したとき、それが本当に新しいものを生み出すという兆候はありませんでした」と、DeepMind の科学向け AI 責任者のプッシュミート・コーリ氏は述べています。 「私たちの知る限り、大規模な言語モデルを使って真に新しい科学的発見がなされたのはこれが初めてです。」

大規模言語モデル (LLM) は、膨大な量のテキストやその他のデータからコンピューター コードを含む言語のパターンを学習する強力なニューラル ネットワークです。 ChatGPT が昨年急速に登場して以来、この技術は欠陥のあるソフトウェアをデバッグし、大学のエッセイや旅行の旅程から、シェイクスピア風の気候変動に関する詩に至るまで、あらゆるものを作成してきました。

しかし、チャットボットは非常に人気があることが証明されていますが、新しい知識は生成されず、捏造されやすいため、最高のパブと一致するスムーズでもっともらしい回答が得られますが、大きな欠陥があります。

「関数空間検索」の略である「FunSearch」を構築するために、DeepMind は LLM を利用して、コンピューター プログラムの形式で問題の解決策を作成しました。 LLM は、プログラムのパフォーマンスを自動的に評価する「評価者」と組み合わされています。 次に、最良のプログラムが結合され、改善のために LLM に戻されます。 これにより、システムは弱いプログラムを、新しい知識を発見できるより強力なプログラムに着実に開発します。

研究者らは 2 つのパズルに関して FunSearch を開始しました。 1 つ目は、純粋数学における長年のややあいまいな課題であり、 カバーの装着に問題がある。 空間内で 3 つの点が直線を形成しない最大の点のセットを見つけることです。 FunSearch は、数学者の最高の研究を超える新しい大規模なセットを生成するソフトウェアを開発しました。

2つ目のパズルは、 ビンの梱包の問題、さまざまなサイズのアイテムをコンテナに詰め込む最適な方法を探します。 これは、輸送用コンテナ内に箱を配置する最も効率的な方法などの物理的なオブジェクトに適用されますが、同じ数学は、データ センターでのコンピューティング タスクのスケジューリングなど、他の領域にも適用されます。 この問題は通常、スペースのある最初の箱にアイテムを梱包するか、アイテムがまだ収まる空きスペースが最も少ない箱にアイテムを梱包することで解決します。 で発表された結果によると、FunSearch は、埋められる可能性の低い小さなギャップを残すことを避ける、より良いアプローチを発見しました。 自然。

「最後に 二 または 三つ 年 この研究には関与していないケンブリッジ大学の数学教授ティム・ガワーズ卿は、「人間の数学者が人工知能と協力して未解決の問題を前進させた興味深い例がいくつかある」と述べた。 「この研究は、そのようなコラボレーションのための別の非常に興味深いツールを提供する可能性があり、数学者が賢くて予想外の構造を効率的に探索できるようにします。さらに良いことに、これらの構造は人間の解釈に適しています。」

研究者たちは現在、FunSearch で対処できるさまざまな科学的問題を調査しています。 主な制限要因は、問題には自動的に検証できる解決策が必要であるため、実験室での実験を通じて仮説を検証する必要がある生物学における多くの疑問が排除されることです。

最も直接的な影響はコンピュータープログラマーに及ぶかもしれません。 過去 50 年にわたり、人間がより専門化したアルゴリズムを作成することで、プログラミング プロセスは大幅に改善されました。 「これは実際、人々がコンピューターサイエンスに取り組み、アルゴリズムを発見する方法に変革をもたらすでしょう」とコーリ氏は語った。 「私たちは初めて、MBA がアルゴリズムを引き継ぐだけでなく、アルゴリズムで可能なことの限界を押し上げるのに確実に貢献しているのを目の当たりにしています。」

ウィスコンシン大学マディソン校の数学教授で論文の共著者であるジョーダン・エレンバーグ氏は、「私たちの具体的な研究結果よりも、本当に興味深いのは、研究結果が示唆する世界の将来の見通しです」と述べた。 数学における人間と機械の相互作用。

「解決策を見つけるのではなく、FunSearch は解決策を見つけるソフトウェアを作成します。特定の問題を解決しても、他の関連する問題を解決する方法は分からないかもしれません。しかし、解決策を見つけるソフトウェアは、人間が読んで解釈できるものであり、次の問題、次の問題、そしてまた次の問題。