DeepMind hat die FunSearch-Trainingsmethode veröffentlicht, die es KI-Modellen ermöglicht, diskrete mathematische Berechnungen durchzuführen

Google DeepMind hat am 15. Dezember eine Modelltrainingsmethode namens „FunSearch“ angekündigt. Es wird gesagt, dass dieses Modell eine Reihe „komplexer Probleme im Zusammenhang mit Mathematik und Informatik“ lösen kann, darunter „Probleme der oberen Ebene“ und „Bin-Packing-Probleme“

Der Inhalt, der neu geschrieben werden muss, ist: ▲Bildquelle Google DeepMind (dasselbe unten)

Es wird berichtet, dass die FunSearch-Modelltrainingsmethode ein System namens „Evaluator“ eingeführt hat, mit dem die vom KI-Modell ausgegebenen kreativen Problemlösungsmethoden beurteilt werden. Durch wiederholte Iterationen kann diese Methode ein KI-Modell mit stärkeren mathematischen Fähigkeiten trainieren

Google DeepMind nutzte das PaLM 2-Modell zum Testen. Die Forscher richteten einen speziellen Codepool ein, verwendeten eine Reihe von Fragen als Eingabe für das Modell in Form von Code und richteten einen Bewertungsprozess ein. In jeder Iteration wählt das Modell automatisch Probleme aus dem Codepool aus, generiert kreative neue Lösungen und übermittelt sie dem Evaluator zur Bewertung. Die beste Lösung wird dem Codepool wieder hinzugefügt, um die nächste Iteration zu starten

FunSearch-Trainingsmethode wurde im IT House-Bericht erwähnt, dass diese Methode in der „diskreten Mathematik (Kombinatorik)“ gut funktioniert und das trainierte Modell problemlos kombinatorische Mathematikprobleme mit extremen Werten lösen kann. In einer Pressemitteilung stellten die Forscher einen prozeduralen Ansatz für Modellberechnungen für „das Problem der oberen Ebene vor, ein zentrales Problem in der Mathematik, bei dem es um Zählen und Permutationen geht“

Darüber hinaus haben Forscher die FunSearch-Trainingsmethode auch erfolgreich zur Lösung des „Bin Packing-Problems“ eingesetzt, bei dem es sich um das Problem handelt, „Artikel unterschiedlicher Größe in eine minimale Anzahl von Behältern zu packen“. FunSearch bietet eine Lösung für das „Bin Packing“. Problem“ Eine „Just-in-Time“-Lösung, die ein Programm generiert, das sich „automatisch an das vorhandene Volumen des Artikels anpasst“.

Forscher erwähnten, dass im Vergleich zu anderen KI-Trainingsmethoden, die neuronale Netze zum Lernen nutzen, der Ausgabecode des mit der FunSearch-Trainingsmethode trainierten Modells einfacher zu überprüfen und bereitzustellen ist, was bedeutet, dass er einfacher in tatsächliche Industrieumgebungen integriert werden kann.

Das obige ist der detaillierte Inhalt vonDeepMind hat die FunSearch-Trainingsmethode veröffentlicht, die es KI-Modellen ermöglicht, diskrete mathematische Berechnungen durchzuführen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!