Googles afdeling med fokus på kunstig intelligens, DeepMind, udvikler ikke kun kunstig intelligens til at spille Go.
En ny sprogmodel har vist sig at være i stand til at knække et berømt matematikproblem, som tidligere var betragtet som uløseligt. Det viser, at kunstig intelligens kan generere nye indsigter - ikke kun bruge eksisterende data. Det skriver mediet FutureZone.
DeepMinds program FunSearch er dog ikke et vidunder, når det kommer til kunstig intelligens. Mange af de løsninger, det genererede, måtte forkastes. Programmet er designet til at finde matematiske funktioner, hvilket forklarer navnet.
Det er ikke den første matematiske kunstig intelligens fra Google, men en af de få, der bruger en sprogmodel (LLM) til at finde løsninger. Det bygger på Googles 'PaLM 2'-model, som er forberedt til at håndtere computerkode. Hvordan den kunstige intelligens kom til sin løsning, er uklart.
"Ærligt talt, så har vi hypoteser, men ved ikke præcist, hvorfor det virker. Vi vidste ikke, om det ville fungere," sagde Alhussein Fawzi fra Google DeepMind til MIT Technology Review.
Forskerne beskrev problemet i Python, men udelod dele af koden, som ville løse problemet. De bad FunSearch om at udfylde hullerne. En anden algoritme vurderede derefter, om forslagene fra den kunstige intelligens var fornuftige.
Mange forslag gav ikke mening, nogle var fornuftige, og et par var 'virkelig inspirerende', ifølge studiets medforfatter Pushmeet Kohli. Med disse 'inspirerende' resultater blev den kunstige intelligens videreudviklet, og efter nogle dage fandt den en løsning på 'Cap Set'-problemet.
For at teste FunSearchs alsidighed fik den kunstige intelligens også til opgave at løse Bin-Packing-problemet, hvor man skal pakke objekter i så få containere som muligt.
Dette er vigtigt for mange IT-områder, der omfatter alt fra datacenteradministration til e-handel. FunSearch fandt en løsning, der er hurtigere end menneskeskabte metoder.
