Google DeepMind的AlphaGeometry挑戰了國際數學奧林匹亞（IMO）冠軍的智力，以接近人類金牌得主的能力，解決了復雜的幾何問題，這是AI前所未有的驚人能力。但隨著AI越來越接近人類智力，AlphaGeometry將如何重塑數學領域和甚至加速其他領域（例如物理或工程）的研究格局？
AlphaGeometry帶來的革命性突破
在快速發展的AI領域，革命性的突破往往重塑了我們對AI的想象。最近一個裏程碑來自Google的DeepMind，他們最近在著名的【nature】雜誌上釋出的論文介紹了AlphaGeometry──這是一個具有處理復雜幾何和數學問題能力的AI系統。
數學領域中的幾何問題，對AI系統是嚴峻挑戰。與具有明確規則和有限可能性的數學問題不同，幾何問題、特別是奧林匹克等級的數學問題，需要將創造性直覺和邏輯推理相結合。它們需要對抽象概念的理解，以及在大量潛在解決方案中找到最佳解答的能力。
這一AI系統挑戰長期以來的信念，即人類智力的某些方面，例如解決高級數學問題，是AI能力範圍無法達到的。其次，它展示AI系統為需要深度智慧和創造效能力的領域做出有意義貢獻的潛力。
AI將幫助數學家探索新的推測
傳統的AI系統雖然在規則明確的結構化環境中表現出色，但在面對復雜而抽象的高等數學時卻陷入了困境。問題的核心在於兩個主要障礙：深度推理能力的必要性，還有數據稀缺所帶來的限制。
尤其是IMO等級的數學，需要細致入微的理解和無限可能性的推演能力，這項任務需要的不僅僅是計算能力；它需要一個能夠像最聰明的人類思維一樣思考、推理和演繹的AI。
AlphaGeometry成功的核心是將神經語言模型（NLL）與強大的推理引擎（Deduction Engine）進行創新整合。這種整合使AI能夠直觀地建議可能的解決路徑或結構，然後探索這些建議的邏輯是否正確。經過海量數據集訓練的神經語言模型擅長辨別模式和產生假設，模仿人類思維的直覺面。NLL在一個龐大的幾何問題的資料庫進行訓練，這類似於讓一位數學專家頭腦去思考解決方法，而另一位數學專家細致地去驗證每個想法的數學正確性。
該系統能夠透過建立綜合幾何問題來產生自己的訓練數據，這也代表著它擺脫了對人類生成數據檔庫的傳統依賴。這種方法不僅解決了數據稀缺的問題，而且展示了AI自主學習和改進的潛力，這是邁向通用人工智慧（AGI）發展所必須的能力。
此外，AlphaGeometry的成功意義深遠，或許未來AI可以為推進人類在數學和其他科學領域的知識做出貢獻。透過數學定理的證明和發現的過程，AI可以幫助數學家探索新的推測和解決長期存在的問題，加快數學研究的研究步伐。
AI可以跨學科進行推理、自我學習和解決問題
AlphaGeometry在IMO上的測試表現，成功在30個問題中，回答了25個正確答案，幾乎與人類數學奧運金牌得主的水準相當，人類平均解決了25.9個問題。證明AI在理解和駕馭復雜的幾何方面，取得極大進展。
（Source：Google DeepMind）
AlphaGeometry在IMO中達到金牌等級的表現，代表了AI能力超越了常規任務和簡單計算，能夠處理就復雜的抽象推理和問題解決。這或許代表著在建立更先進、更通用的AI系統方面向前邁出了重要一步，這些AI系統可以跨學科進行推理、自我學習和解決問題。
這個AI系統的潛力，遠遠超出了數學競賽的範圍。在解決復雜問題領域，這項發展為AI在各個領域的套用開啟了新的想象。AI自主產生假設、推導解決方案和驗證數學定律的能力，將可以顯著加快科學技術的研發步伐。從理論物理到工程上的挑戰，這個AI系統的原則和方法可以適應並套用於廣泛的復雜問題，為發現和創新提供新工具。
AlphaGeometry在IMO競賽中的出色表現，不僅證明AI解決復雜數學問題的能力，也為數學領域的未來發展帶來希望，並為AI在跨學科套用開辟新的可能。未來AI和人類智慧將合作解鎖更寬廣的研究領域。
（首圖來源：Image by benzoixon Freepik）
