A DeepMind apresentou nesta quarta-feira (17) o AlphaGeometry – uma inteligência artificial que o laboratório afirma ser capaz de resolver tantos problemas de geometria quanto um medalhista de ouro da Olimpíada Internacional de Matemática.
PUBLICIDADE
O AlphaGeometry, cujo código foi disponibilizado como open source, resolve 25 problemas de geometria da Olimpíada dentro do limite de tempo padrão, superando os 10 do sistema anterior de última geração.
“Resolver problemas de geometria de nível olímpico é um marco importante no desenvolvimento do raciocínio matemático profundo no caminho para sistemas de IA mais avançados e gerais”, escrevem Trieu Trinh e Thang Luong, cientistas de pesquisa de IA do Google, em um post no blog. “Esperamos que … o AlphaGeometry ajude a abrir novas possibilidades em matemática, ciência e IA.”
A empresa afirma que comprovar teoremas matemáticos exige tanto raciocínio quanto a capacidade de escolher entre uma variedade de passos possíveis em direção a uma solução. Essa abordagem de resolução de problemas pode – se a DeepMind estiver certa – ser útil em sistemas de IA de propósito geral em algum momento.
PUBLICIDADE
“A demonstração de que uma conjectura específica é verdadeira ou falsa estende as habilidades até dos sistemas de IA mais avançados de hoje”, dizem os materiais de imprensa da DeepMind. “Em direção a esse objetivo, ser capaz de provar teoremas matemáticos … é um marco importante, pois destaca o domínio do raciocínio lógico e a capacidade de descobrir novos conhecimentos.”
Mas treinar um sistema de IA para resolver problemas de geometria apresenta desafios únicos.
Devido à complexidade de traduzir provas para um formato que as máquinas possam entender, há uma escassez de dados de treinamento de geometria utilizáveis. E muitos dos modelos de IA generativos de ponta de hoje, embora excepcionais na identificação de padrões e relacionamentos em dados, carecem da capacidade de raciocinar logicamente através de teoremas.
PUBLICIDADE
Os resultados da resolução de problemas do AlphaGeometry, publicados em um estudo na revista Nature nesta semana, provavelmente alimentarão o longo debate sobre se os sistemas de IA devem ser construídos com base em manipulação de símbolos – ou seja, manipulação de símbolos que representam conhecimento usando regras – ou nas redes neurais, que são supostamente mais parecidas com o cérebro.
“Nosso objetivo de longo prazo continua sendo construir sistemas de IA que possam generalizar por campos matemáticos, desenvolvendo o raciocínio e a resolução de problemas sofisticados de que os sistemas de IA generalizados dependerão, ao mesmo tempo que estendem as fronteiras do conhecimento humano”, escrevem Trinh e Luong. “Essa abordagem pode moldar como os sistemas de IA do futuro descobrem novos conhecimentos, na matemática e além.”
Leia também:
