Maar het nieuws dat ik echt leuk vond, kreeg niet zoveel aandacht als zou moeten. Het heeft het potentieel om krachtigere AI- en wetenschappelijke doorbraken in te luiden dan voorheen mogelijk was.
Afgelopen donderdag maakte Google DeepMind bekend dat het AI-systemen heeft gebouwd die complexe wiskundige problemen kunnen oplossen. De systemen – genaamd AlphaProof en AlphaGeometry 2 – werkten samen om met succes vier van de zes problemen op te lossen tijdens de Internationale Wiskunde Olympiade van dit jaar, een prestigieuze wedstrijd voor middelbare scholieren. Hun prestatie stond gelijk aan het winnen van een zilveren medaille. Het is de eerste keer dat een AI-systeem ooit zo’n hoog succespercentage heeft behaald bij dit soort problemen. Mijn collega Rhiannon Williams heeft hier een update.
Wiskunde! Ik kan me al voorstellen dat je ogen glazig worden. Maar wees geduldig. Deze aankondiging gaat niet alleen over wiskunde. In feite duidt het op een opwindende nieuwe ontwikkeling in het soort AI dat we nu kunnen bouwen. AI-zoekmachines waarmee u kunt praten, kunnen de illusie van intelligentie toevoegen, maar systemen als Google DeepMind kunnen de daadwerkelijke intelligentie van AI verbeteren. Om deze reden is het bouwen van systemen die beter zijn in wiskunde het doel geweest van veel AI-laboratoria, zoals OpenAI.
Dit komt omdat wiskunde een maatstaf is voor redeneren. Om deze oefeningen voor middelbare scholieren te voltooien, moest het kunstmatige intelligentiesysteem zeer complexe dingen doen, zoals plannen maken om abstracte problemen te begrijpen en op te lossen. De systemen waren ook in staat te generaliseren, waardoor ze een hele reeks verschillende problemen in verschillende takken van de wiskunde konden oplossen.
“Hier zagen we dat je kunt combineren [reinforcement learning] dat zo succesvol is geweest met zaken als AlphaGo met grote taalmodellen en iets heeft voortgebracht dat buitengewoon capabel is in de tekstruimte”, zei David Silver, hoofdonderzoeker bij Google DeepMind en een onbetwiste pionier op het gebied van diepgaand versterkend leren, tijdens een briefing voor journalisten. In dit geval werd dat vermogen gebruikt om programma’s te construeren in de Lean-computertaal die wiskundige bewijzen vertegenwoordigen. Hij zegt dat de Internationale Wiskundeolympiade een test is van wat mogelijk is en de weg vrijmaakt voor verdere ontwikkelingen.
Hetzelfde recept zou in elke situatie kunnen worden toegepast met echt duidelijke, bewezen beloningssignalen voor leeralgoritmen voor versterking en een ondubbelzinnige manier om correctheid te meten zoals je kunt in wiskunde, zei Silver. Een mogelijke toepassing zou bijvoorbeeld coderen zijn.
Nu de verplichte realitycheck: AlphaProof en AlphaGeometry 2 kunnen nog steeds alleen de moeilijke problemen op de middelbare school oplossen. Dit zijn verre van de extreem moeilijke problemen die menselijke topwiskundigen kunnen oplossen. Google DeepMind benadrukte dat zijn tool niets heeft toegevoegd aan de hoeveelheid wiskundige kennis die mensen op dit moment hebben gecreëerd. Maar dat was het punt niet.
“Ons doel is om een systeem te bieden dat alles kan bewijzen”, aldus Silver. Denk bijvoorbeeld aan een AI-systeem dat zo betrouwbaar is als een rekenmachine, dat bewijs kan leveren voor veel uitdagende problemen of tests voor computersoftware of wetenschappelijke experimenten kan verifiëren. Of misschien betere AI-docenten bouwen die feedback kunnen geven op examenresultaten of krantenartikelen kunnen factchecken.