GPT-4는 97차례의 대화를 통해 글로벌 문제를 탐구하고 P≠NP라는 결론에 도달합니다.

과학 연구 분야에 종사하는 사람들이라면 P/NP 문제에 대해 들어본 적이 있을 것입니다. 이 문제는 Clay Institute of Mathematics의 Millennium Prize 문제에 포함되어 있습니다. 여기에는 7가지 주요 문제가 있습니다. 여러분 잘 알려진 푸앵카레 추측, 리만 가설 등이 포함되어 있습니다. 그리고 이 조직에서는 문제를 해결할 수 있는 연구자들에게 수백만 달러의 상금을 제공했습니다.

P/NP 문제는 Stephen A. Cook과 Leonid Levin이 각각 1971년에 처음 제안했습니다. 수년에 걸쳐 많은 사람들이 이 문제를 연구하는 데 전념해 왔습니다. 하지만 어떤 사람들은 P=NP 문제를 해결하는 데 보수적으로 추정하면 100년이 걸릴 수도 있다고 말합니다

최근 몇 년 동안 어떤 사람들은 P가 NP와 같다거나 같지 않다는 것을 증명했다고 주장했지만, 이러한 증명 과정에 오류가 있습니다. 그러나 지금까지 누구도 명확한 답을 내리지 못했습니다

인공지능 기술의 발전, 특히 지난 1년간 대규모 언어 모델의 급속한 업데이트로 인해 연구자들은 인공지능 기술을 활용하려는 시도를 시작했습니다. 일부 글로벌 문제를 해결하기 위해

Microsoft Research, Peking University, Beihang University 및 기타 기관의 연구원들은 P 대 NP 문제에 대한 연구를 강화하고 가속화하기 위해 LLM(대형 언어 모델)을 사용할 것을 제안했습니다.

이 기사에서는 A를 제안했습니다. 공통 프레임워크인 소크라테스 추론은 LLM이 깊이 생각하고 복잡한 문제를 해결하도록 유도하는 데 사용됩니다. 이 프레임워크를 기반으로 LLM은 문제를 반복적으로 발견, 해결 및 통합하는 동시에 자체 평가 및 개선도 수행할 수 있습니다.

P 대 NP 문제에 대한 이 논문의 파일럿 연구는 GPT-4가 성공적으로 97회의 대화 라운드에서 모델을 증명하고 엄격한 추론을 수행하여 "P≠ NP"라는 결론에 도달하며 이는 (Xu 및 Zhou, 2023)의 결론과 일치합니다.

논문을 보려면 다음 링크를 클릭하십시오: https://arxiv.org/pdf/2309.05689.pdf

이 백서의 주요 기여는 다음과 같이 요약될 수 있습니다:

• LLM을 인간 협력 파트너로 통합하여 복잡한 과학적 과제를 해결하고 "과학을 위한 LLM(LLM4Science)" 패러다임을 제안합니다.
• LLM이 추론, 변환, 분해 및 기타 모드를 사용하여 비판적 사고를 자극하도록 장려하는 "소크라테스 추론"이라는 프레임워크를 도입합니다.
• 이론 컴퓨터 과학에서 P 대 NP 문제를 해결하기 위해 GPT-4 및 소크라테스 추론 프레임워크를 사용하여 파일럿 연구를 수행합니다.
• GPT-4는 성공적으로 증명 패턴을 생성하고 97개의 대화 턴에서 엄격한 추론을 수행하여 Xu 및 Zhou(2023)의 최근 연구와 일치하는 P ≠ NP라는 결론에 도달했습니다.
• 이 연구는 인간과 협력하여 새로운 지식을 추론하고 복잡한 전문가 수준의 문제를 탐구하는 GPT-4와 같은 LLM의 잠재적 능력을 보여줍니다.
• 이 기사에서는 특정 작업에 맞춰진 이전의 전문 AI 모델과 달리 LLM이 여러 분야의 일반적인 혁신 리더임을 강조합니다.
• LLM 자연어와 수학적 언어를 유창하게 사용하는 능력은 학제간 발견에 필수적입니다.
• 이 작업은 LLM을 파트너로 활용하여 다양한 분야의 과학 연구 프로세스를 향상하고 가속화할 수 있는 방법을 보여줍니다.

재작성된 내용: 이 단락에서는 고대 그리스 철학자 소크라테스에게서 영감을 받아 프레임워크를 "소크라테스 추론"이라고 명명했다고 언급합니다. 소크라테스는 "나는 누구에게도 아무것도 가르칠 수 없다. 나는 오직 그들에게 생각을 하게 할 수 있을 뿐이다."라고 말했습니다. 그리고 프레임워크의 전반적인 디자인 아이디어는 LLM을 사용할 수 있는 일반적인 문제 해결 프레임워크입니다. 광범위한 솔루션 공간을 탐색하고 효율적으로 답변에 도달합니다.

표 1에는 "소크라테스 추론"의 5가지 프롬프트 모드(연역, 변환, 분해, 검증 및 융합)가 나열되어 있습니다. 이러한 패턴은 새로운 통찰력과 관점을 발견하고, 복잡한 문제를 하위 문제 또는 작은 단계로 분해하고, 답변에 도전하고 응답하여 스스로를 개선하는 데 사용됩니다

더 작은 문제(원자적 문제)의 경우 LLM은 추론 결과를 직접 제공할 수 있습니다. , LLM이 결론을 직접 도출하도록 안내하기 위해 연역 모드(예: "단계별로 생각해보자..."라는 프롬프트)가 사용됩니다.

더 복잡한 문제의 경우 이 기사에서는 먼저 LLM이 문제를 새로운 문제로 변환하거나 여러 하위 문제로 분해하도록 요구합니다. 그런 다음 이러한 패턴은 원자 ji 문제에 도달할 때까지 재귀적으로 실행됩니다.

새로운 문제가 발생하거나 새로운 결론이 도출되면 검증 모드를 채택하고 LLM의 자체 평가 기능을 검증 및 개선에 사용해야 합니다

마지막으로 융합 모드에서는 LLM이 하위 문제의 결과를 바탕으로 결론을 종합해야 합니다.

일련의 대화를 통해 LLM에게 재귀적으로 동기를 부여하여 목표 문제가 해결될 때까지 위 프로세스를 계속합니다

이 작품에서 "Sucra "소크라테스 추론"은 어려운 문제에 대한 체계적인 프롬프트 프레임워크를 제공합니다.

아래 그림은 "소크라테스 추론"에서 P 대 NP 문제를 해결하는 데 사용되는 대화의 예입니다. 사례 연구에서는 GPT-4 API를 사용했으며, 추가적으로 라운드 인덱스를 기준으로 프로세스를 정렬했습니다.

이 기사에서는 탐색 과정에서 확률 이론에 능숙한 수학자 등 보조 증명자로서의 다섯 가지 역할을 소개합니다. 실험은 이전 14라운드, 이후 83라운드로 나누어 총 97라운드를 진행했습니다.

예를 들어 첫 번째 라운드 프롬프트는 다음과 같습니다. 컴퓨터 이론이 아닌 철학적 관점에서 P!=NP를 찾을 수 있습니다. 관점. 근본적인 문제는 무엇입니까?示 다음은 다른 팁입니다.

대화가 지속적으로 진행되고 있으며 마지막 대화의 마지막 라운드는 다음과 같습니다. 마지막으로 결론 p

np

관심이 있습니다. 독자는 원본 논문을 보고 자세히 알아볼 수 있습니다.

위 내용은 GPT-4는 97차례의 대화를 통해 글로벌 문제를 탐구하고 P≠NP라는 결론에 도달합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!