DeepMind a dévoilé la méthode de formation FunSearch, qui permet aux modèles d'IA d'effectuer des calculs mathématiques discrets.

Google DeepMind a annoncé le 15 décembre une méthode de formation modèle appelée « FunSearch ». On dit que ce modèle peut résoudre une série de « problèmes complexes impliquant les mathématiques et l’informatique », notamment des « problèmes de niveau supérieur » et des « problèmes de conditionnement des bacs »

Le contenu qui doit être réécrit est : ▲Source de l'image Google DeepMind (la même ci-dessous)

La méthode de formation du modèle FunSearch aurait introduit un système appelé « évaluateur », qui est utilisé pour juger les méthodes créatives de résolution de problèmes produites par le modèle d'IA. Grâce à des itérations répétées, cette méthode peut entraîner un modèle d'IA doté de capacités mathématiques plus fortes

Google DeepMind a utilisé le modèle PaLM 2 pour les tests. Les chercheurs ont établi un pool de codes dédié, utilisé une série de questions comme entrée du modèle sous forme de code et mis en place un processus d'évaluation. À chaque itération, le modèle sélectionne automatiquement les problèmes dans le pool de codes, génère de nouvelles solutions créatives et les soumet à l'évaluateur pour évaluation. La meilleure solution sera rajoutée au pool de codes pour démarrer la prochaine itération

La méthode de formation FunSearch a été mentionnée dans le rapport de l'IT House selon laquelle cette méthode fonctionne bien en « mathématiques discrètes (combinatoires) », et le modèle formé peut facilement résoudre des problèmes de mathématiques combinatoires de valeurs extrêmes. Dans un communiqué de presse, les chercheurs ont présenté une approche procédurale pour modéliser les calculs pour « le problème de niveau supérieur, un problème central en mathématiques impliquant le comptage et les permutations »

De plus, les chercheurs ont également utilisé avec succès la méthode de formation FunSearch pour résoudre le « problème d'emballage des bacs », qui consiste à « mettre des objets de différentes tailles dans un nombre minimum de conteneurs ». FunSearch fournit une solution au « problème d'emballage des bacs ». Problème » Une solution « juste à temps » qui génère un programme qui « s'ajuste automatiquement au volume existant de l'article ».

Les chercheurs ont mentionné que par rapport à d'autres méthodes de formation à l'IA qui utilisent des réseaux de neurones pour apprendre, le code de sortie du modèle formé par la méthode de formation FunSearch est plus facile à vérifier et à déployer, ce qui signifie qu'il est plus facile à intégrer dans des environnements industriels réels.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!