站長之家（ChinaZ.com）1月18日 消息:谷歌推出了新的面向數(shù)學幾何領(lǐng)域的模型 Alpha Geometry，數(shù)學幾何能力已接近人類奧林匹克金牌選手的水平。特別值得一提的是:它的訓練是基于合成數(shù)據(jù)而不是現(xiàn)有的數(shù)據(jù)。

它訓練的方式很有特別:先初始生成了十億個隨機幾何圖形，并全面分析了每個圖形中點和線的所有關(guān)系。AlphaGeometry 找出了每個圖形中所有的證明，并反向追溯出為得到這些證明所需添加的額外幾何元素（如果有的話）。

按照谷歌的說法，AlphaGeometry 結(jié)合了神經(jīng)語言模型和符號演繹引擎的優(yōu)勢，形成了一個神經(jīng)符號系統(tǒng)。這個系統(tǒng)能夠共同工作，為復(fù)雜的幾何定理找到證明。就像“快速思考和慢速思考”理論中所述，一個系統(tǒng)快速提供“直覺”式的想法，而另一個則負責更謹慎、理性的決策。

語言模型擅長快速識別數(shù)據(jù)中的常規(guī)模式和關(guān)系，能夠迅速預(yù)測可能有用的結(jié)構(gòu)，但它們通常缺乏嚴謹?shù)耐评砟芰徒忉寷Q策的能力。而符號演繹引擎則基于正規(guī)邏輯，使用明確的規(guī)則來得出結(jié)論。這些引擎是理性的、可解釋的，但在單獨處理大型復(fù)雜問題時可能顯得“慢”且不夠靈活。

簡單來說就是大語言模型快速思考提出各種可能（包括幻覺）——大膽假設(shè)，推理引擎負責慢思考對快速思考的結(jié)果進行推理驗證——小心求證。

具體到下圖這樣的一個幾何題的例子，大語言模型提出方案，推理引擎驗證，驗證不通過就繼續(xù)改進方案或者提出新方案，直到找到最終解決方案。

這無疑將為未來人工智能的發(fā)展，尤其是對于解決大語言模型幻覺和語料不足的問題提供新的思路。

（舉報）