La méthode de formation « FunSearch » annoncée par Google DeepMind : permet aux modèles d'IA de résoudre des problèmes mathématiques discrets complexes

Le 15 décembre, Google DeepMind a récemment annoncé une méthode de formation de modèles appelée "FunSearch", qui prétend être capable de calculer une série de "problèmes liés aux mathématiques", notamment les "problèmes de limite supérieure" et les "problèmes de boxe". ,Problèmes complexes en informatique ».

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

Il est rapporté que la méthode de formation du modèle FunSearch introduit principalement un système « Évaluateur » pour l'IA modèle, Modèle d'IA Une série de « méthodes créatives de résolution de problèmes » sont produites, et « l'évaluateur » est chargé de juger les méthodes de résolution de problèmes produites par le modèle Après des itérations répétées, un modèle d'IA avec des capacités mathématiques plus fortes peut. être formé.

DeepMind de Google a utilisé le modèle PaLM 2 pour les tests et a établi un « pool de codes » dédié pour saisir une série de questions sous forme de code et mettre en place le processus d'évaluation. Le modèle sélectionne ensuite automatiquement les problèmes dans le pool de codes, génère de « nouvelles solutions créatives » à chaque itération et les soumet à l'évaluateur pour évaluation. Parmi eux, la "meilleure solution" sera réajoutée au pool de codes et lancera un autre cycle d'itération

Ce site a remarqué que la méthode de formation FunSearch est particulièrement efficace pour les "Mathématiques discrètes (combinatoires)". , Les problèmes mathématiques combinatoires de valeurs extrêmes peuvent être facilement résolus Dans un communiqué de presse, les chercheurs ont présenté la méthode de calcul du modèle du « problème de niveau supérieur (un problème central dans le domaine du comptage et de la permutation en mathématiques) ».

De plus, l'équipe de recherche a également résolu avec succès le « problème d'emballage des bacs » en utilisant la technologie de formation FunSearch. Ce problème concerne la manière de placer des objets de différentes tailles dans le plus petit nombre de conteneurs. FunSearch fournit une solution en temps réel et génère un programme qui s'ajuste automatiquement en fonction du volume réel de l'article

Les chercheurs ont mentionné que Par rapport à d'autres méthodes de formation d'IA qui utilisent des réseaux neuronaux pour l'apprentissage, FunSearch Après la méthode de formation , le code de sortie du modèle est plus facile à vérifier et à déployer, ce qui signifie qu'il est plus facile à intégrer dans l'environnement industriel réel.

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!