DeepMind mendedahkan kaedah latihan FunSearch, yang membolehkan model AI melakukan pengiraan matematik diskret

Google DeepMind mengumumkan kaedah latihan model yang dipanggil "FunSearch" pada 15 Disember. Dikatakan bahawa model ini boleh menyelesaikan satu siri "masalah kompleks yang melibatkan matematik dan sains komputer", termasuk "masalah peringkat atasan" dan "masalah pembungkusan tong sampah"

Kandungan yang perlu ditulis semula ialah: ▲Sumber imej Google DeepMind (sama di bawah)

Kaedah latihan model FunSearch dilaporkan telah memperkenalkan sistem yang dipanggil "penilai", yang digunakan untuk menilai kaedah penyelesaian masalah kreatif yang dikeluarkan oleh model AI. Melalui lelaran berulang, kaedah ini boleh melatih model AI dengan keupayaan matematik yang lebih kukuh

Google DeepMind menggunakan model PaLM 2 untuk ujian Para penyelidik menubuhkan kumpulan kod khusus, menggunakan satu siri soalan sebagai input kepada model dalam bentuk kod dan menyediakan proses penilaian. Dalam setiap lelaran, model secara automatik memilih masalah daripada kumpulan kod, menjana penyelesaian baharu yang kreatif dan menyerahkannya kepada penilai untuk dinilai. Penyelesaian terbaik akan ditambahkan semula pada kumpulan kod untuk memulakan lelaran seterusnya

Kaedah latihan FunSearch telah disebut dalam laporan IT House bahawa kaedah ini berprestasi baik dalam "matematik diskret (Kombinatorik)", dan model terlatih boleh menyelesaikan masalah matematik gabungan nilai ekstrem dengan mudah. Dalam siaran akhbar, para penyelidik memperkenalkan pendekatan prosedur untuk model pengiraan untuk "masalah peringkat atasan, masalah utama dalam matematik yang melibatkan pengiraan dan pilih atur"

Selain itu, penyelidik juga telah berjaya menggunakan kaedah latihan FunSearch untuk menyelesaikan "Masalah Pembungkusan Tong Sampah", iaitu masalah "memasukkan item yang berbeza saiz ke dalam bilangan bekas minimum". Masalah" Penyelesaian "tepat masa" yang menjana program yang "melaraskan secara automatik kepada volum sedia ada item."

Penyelidik menyebut bahawa berbanding dengan kaedah latihan AI lain yang menggunakan rangkaian saraf untuk belajar, kod output model yang dilatih oleh kaedah latihan FunSearch lebih mudah untuk disemak dan digunakan, yang bermaksud lebih mudah untuk disepadukan ke dalam persekitaran industri sebenar.

Atas ialah kandungan terperinci DeepMind mendedahkan kaedah latihan FunSearch, yang membolehkan model AI melakukan pengiraan matematik diskret. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!