O segredo revelado pelo Google!

A equipe DeepMind do Google fez um avanço significativo com o desenvolvimento do AlphaGeometry, um sistema de inteligência artificial capaz de resolver problemas geométricos complexos, conforme demonstrado por um artigo de pesquisa publicado na Nature em 17 de janeiro de 2024. O desempenho desta IA superou as expectativas quando abordou com sucesso questões desafiadoras semelhantes às encontradas nas prestigiosas competições das Olimpíadas Internacionais de Matemática, que são conhecidas por estarem entre as competições acadêmicas mais rigorosas e exigentes, projetadas especificamente para estudantes do ensino médio.

Os pesquisadores do Google relataram que durante uma fase de testes envolvendo 30 problemas geométricos complexos no contexto da Olimpíada Internacional de Matemática, sua solução de IA chamada AlphaGeometry conseguiu resolver 25 deles dentro do prazo determinado. Esta é uma melhoria significativa em relação ao desempenho do sistema de IA testado anteriormente, que só conseguiu resolver dez desses mesmos problemas. Deve-se notar que os participantes humanos que ganharam medalhas neste evento de prestígio normalmente demonstram proficiência excepcional, resolvendo em média aproximadamente 26 desses problemas.

Uma associação de duas IAs para “um sistema neuro-simbólico”

Sem dúvida, houve um avanço significativo nos modelos de IA nos últimos anos, com um exemplo digno de nota sendo o desenvolvimento do ChatGPT pela OpenAI, que apresenta um alto nível de proficiência na geração de conteúdo textual. No entanto, apesar destas melhorias, a capacidade da IA ​​para realizar formas complexas de raciocínio, incluindo a resolução de problemas matemáticos, ainda é insuficiente. Felizmente, com a introdução do AlphaGeometry pelo Google DeepMind, os limites do que a IA pode alcançar neste domínio foram consideravelmente expandidos.

Números gerados por pesquisadores do Google DeepMind para treinar AlphaGeometry//Fonte: Google

Trieu Trinh, investigador envolvido na AlphaGeometry, acredita que estamos a aproximar-nos de um marco significativo no domínio da inteligência artificial devido ao papel crucial da matemática como princípio orientador na nossa busca de uma IA geral capaz de um desempenho excepcional em vários domínios.

Em essência, os investigadores do Google DeepMind alcançaram sucesso através da combinação sinérgica de dois sistemas de inteligência artificial – um modelo de linguagem neural dotado de capacidades de previsão distintas e um motor de raciocínio baseado em princípios, conforme indicado pela empresa sediada nos EUA. Esses dois componentes funcionam harmoniosamente para identificar resoluções.

O desenvolvimento do Google pode ser atribuído à sua composição única como um sistema “neurossibólico”. Este sistema consiste em um modelo de linguagem neural, capaz de processar entradas de linguagem natural, e em um mecanismo de dedução simbólica, que utiliza raciocínio lógico para derivar soluções. A sinergia entre esses dois componentes permite que o AlphaGeometry resolva efetivamente problemas geométricos complexos com notável eficiência.

Os modelos de linguagem, como os utilizados pelos sistemas de inteligência artificial, incluindo o ChatGPT, destacam-se no reconhecimento de “padrões e correlações dentro da informação”, mas muitas vezes possuem capacidade limitada para “raciocínio rigoroso” ou para articular a lógica por detrás das suas conclusões.

Os motores de dedução simbólica baseiam-se na lógica formal e empregam regras bem definidas para chegar a conclusões que sejam ao mesmo tempo racionais e explicáveis. No entanto, estes sistemas podem encontrar limitações ao tentar resolver questões complexas e extensas de forma independente, uma vez que podem apresentar um desempenho potencialmente lento e revelar-se impraticáveis ​​em tais contextos.

Para resolver um problema geométrico, ambos os motores contribuem identificando construções potencialmente benéficas para inclusão no modelo de linguagem AlphaGeometry. Este processo envolve estreitar um leque infinito de possibilidades para chegar às soluções mais eficazes. Ao fazer isso, o motor simbólico é capaz de tirar conclusões adicionais com base nessas pistas, aproximando-o progressivamente de encontrar a resposta correta.

Um avanço que abre muitas portas para a IA

a escassez de informações necessárias para a instrução de sistemas de inteligência artificial. Esta questão representou um dos desafios mais formidáveis ​​que a IA encontrou no domínio da matemática, uma vez que exigia que estas máquinas inteligentes fossem treinadas em conjuntos de dados substanciais, a fim de adquirirem proficiência e gerarem resultados pertinentes. Embora existissem amplos repositórios textuais e visuais, tais recursos estavam visivelmente ausentes no campo da matemática.

Os cientistas do Google primeiro tiveram que criar dados para treinar sua IA//Fonte: Canva

Os pesquisadores do Google desenvolveram uma abordagem que lhes permitiu criar conjuntos de treinamento, gerando 100 milhões de instâncias distintas – uma conquista notável por si só. Ao utilizar esses dados, eles conseguiram desenvolver o AlphaGeometry, resultando no desempenho impressionante que apresenta hoje.

Na AlphaGeometry, nossa equipe está entusiasmada em mostrar a crescente capacidade da inteligência artificial de raciocinar logicamente e adquirir novas informações. No entanto, esta notável capacidade de raciocínio também provocou uma apreensão considerável, especialmente em torno da iniciativa Q Star liderada pela OpenAI. Dizia-se que era responsável pela demissão de Sam Altman em novembro de 2023, alegou-se que Q tinha habilidades lógicas avançadas comparáveis ​​​​às dos humanos-embora essas afirmações nunca tenham sido verificadas, elas ainda assim servem como uma prova da apreensão que uma IA altamente potente pode provocar.

Actualmente, parece que o desenvolvimento de capacidades gerais de inteligência artificial (IA) é um objectivo essencial para a equipa de investigação da Google. Na sua opinião, alcançar este objectivo ambicioso exigirá a criação de máquinas com capacidade para resolver problemas complexos e raciocinar de uma forma altamente avançada. Tais capacidades são consideradas fundamentais para concretizar o potencial da tecnologia de IA como um todo.

Conheça este site\+

Você tem interesse em adquirir informações completas sobre o futuro dos transportes, abrangendo temas como veículos elétricos e bicicletas eletrônicas? Convidamos você a assinar nosso boletim informativo para obter informações incomparáveis ​​sobre este assunto.

*️⃣ Link da fonte:

estudo publicado em 17 de janeiro de 2024 na Nature , Olimpíadas Internacionais de Matemática ,