【 以下文字转载自 NewExpress 讨论区 】
发信人: topgenius (87.53%), 信区: NewExpress
标  题: Google推出Alpha Geometry，数学几何能力已接近人类奥赛选手
发信站: 水木社区 (Thu Jan 18 08:32:38 2024), 站内

Google 推出了新的面向数学几何领域的模型 Alpha Geometry，数学几何能力已接近人类奥林匹克金牌选手的水平。

特别值得一提的是：它的训练是基于合成数据而不是现有的数据。

它训练的方式很有特别：先初始生成了十亿个随机几何图形，并全面分析了每个图形中点和线的所有关系。AlphaGeometry 找出了每个图形中所有的证明，并反向追溯出为得到这些证明所需添加的额外几何元素（如果有的话）。

按照谷歌的说法，AlphaGeometry 结合了神经语言模型和符号演绎引擎的优势，形成了一个神经符号系统。这个系统能够共同工作，为复杂的几何定理找到证明。就像“快速思考和慢速思考”理论中所述，一个系统快速提供“直觉”式的想法，而另一个则负责更谨慎、理性的决策。

语言模型擅长快速识别数据中的常规模式和关系，能够迅速预测可能有用的结构，但它们通常缺乏严谨的推理能力和解释决策的能力。而符号演绎引擎则基于正规逻辑，使用明确的规则来得出结论。这些引擎是理性的、可解释的，但在单独处理大型复杂问题时可能显得“慢”且不够灵活。

简单来说就是大语言模型快速思考提出各种可能（包括幻觉）——大胆假设，推理引擎负责慢思考对快速思考的结果进行推理验证——小心求证。

具体到图二这样的一个几何题的例子，大语言模型提出方案，推理引擎验证，验证不通过就继续改进方案或者提出新方案，直到找到最终解决方案。

这无疑将为未来人工智能的发展，尤其是对于解决大语言模型幻觉和语料不足的问题提供新的思路。
--
FROM 117.147.13.*

可以了，一步步来吧。
他们现在的方法可以保证证明准确性吗？

【 在 annals 的大作中提到: 】
: 昨天夜里看了这篇paper,他们选择题目的限制还挺大的,只能是纯粹的平面几何,并且排除了所有包含不等式的命题,以及组合几何,我猜是太难没搞定...
:
--
FROM 202.120.11.*

我以为是给题直接出证明。。。

【 在 annals 的大作中提到: 】
: 正确性是通过交互式证明工具来保证的,大概过程就是用神经网络去猜测一个新结论,然后让这个外部的验证器来确定猜得对不对,直到达成最终目标..所以没做出来的题目属于没有在有限次数内找到路线的
:
--
FROM 202.120.11.*

能解决那种跨领域的题么，类似代数拓扑那种，或由几何转换到代数的那种题能解么
【 在 annals 的大作中提到: 】
: 昨天夜里看了这篇paper,他们选择题目的限制还挺大的,只能是纯粹的平面几何,并且排除了所有包含不等式的命题,以及组合几何,我猜是太难没搞定...
:
--
FROM 106.121.187.*

这就敢说接近imo金牌？看来标题党也不是我国特产，也可能是翻译成我国新闻后加的标题
【 在 annals 的大作中提到: 】
: 昨天夜里看了这篇paper,他们选择题目的限制还挺大的,只能是纯粹的平面几何,并且排除了所有包含不等式的命题,以及组合几何,我猜是太难没搞定...
--
修改:gtgtjing FROM 123.113.84.*
FROM 123.113.84.*