Apa itu DeepMind AlphaGeometry?

Kita berada di masa yang menarik bagi AI. Setelah rilis ChatGPT pada akhir 2022, industri AI memulai perjalanan yang dengan cepat mengubah cara kita hidup dan bekerja. Perusahaan Big Tech, seperti Google, Microsoft, Meta, Apple, dan Amazon, memainkan peran penting dalam revolusi AI yang sedang berlangsung. Berkat anggaran, sumber daya komputasi, dan talenta yang besar, perusahaan-perusahaan ini terus memajukan riset mutakhir dalam upaya memimpin perlombaan AI.

Sejauh ini, terobosan AI paling signifikan pada 2024, selain Sora dari OpenAI, adalah AlphaGeometry dari DeepMind. Dirancang oleh DeepMind, divisi Google yang bertanggung jawab mengembangkan AI serbaguna, AlphaGeometry adalah sistem AI inovatif yang memadukan model bahasa neural dan mesin deduksi simbolik untuk menyelesaikan masalah geometri yang kompleks. Model ini, yang digambarkan sebagai sistem AI setingkat Olimpiade untuk geometri, merupakan kontribusi penting menuju tujuan jangka panjang menciptakan sistem AI canggih yang dapat melakukan generalisasi lintas bidang matematika.

Dalam artikel ini, kami akan memperkenalkan AlphaGeometry. Kami akan menganalisis motivasi di balik AlphaGeometry, cara kerjanya, dan kasus penggunaan paling relevan dari AlphaGeometry. Kami akan mengakhiri dengan beberapa petunjuk tentang implikasi AlphaGeometry bagi masa depan riset AI.

Apa itu AlphaGeometry?

AlphaGeometry adalah sistem AI generasi berikutnya yang dibangun untuk menyelesaikan geometri kompleks. Sistem ini mengadopsi pendekatan desain baru untuk penalaran logis yang memungkinkannya melampaui hasil tercanggih pada tugas-tugas terkait geometri.

Dengan demikian, berbeda dengan alat AI seperti ChatGPT dari OpenAI dan Gemini dari Google yang dapat dianggap sebagai model AI serbaguna, AlphaGeometry adalah model AI khusus domain.

Kode dan modelnya, serta metodologi yang digunakan dalam pembuatan data sintetis dan pelatihan (lihat bagian berikutnya), dirilis di bawah lisensi open-source.

Untuk menguji kinerja AlphaGeometry, para peneliti Google DeepMind menyiapkan himpunan tolok ukur masalah geometri yang dikompilasi dari berbagai edisi International Mathematical Olympiads (IMO) antara 2000 dan 2022.

IMO adalah kejuaraan tahunan yang mengumpulkan siswa sekolah menengah berbakat dari berbagai negara untuk menyelesaikan masalah matematika, termasuk di bidang geometri.

AlphaGeometry mampu menyelesaikan 25 dari 30 soal terpilih dalam batas waktu kompetisi, melampaui hasil tercanggih dari sistem AI sebelumnya dan mendekati nilai rata-rata peraih medali emas manusia, seperti terlihat pada gambar berikut. Desain dan hasil uji tolok ukur tersebut dapat ditemukan dalam makalah khusus yang diterbitkan di Nature.

Sumber: Google

Bagaimana Cara Kerja AlphaGeometry?

Kunci keberhasilan AlphaGeometry terletak pada pendekatan hibrid untuk pemecahan masalah (geometri). Sementara model bahasa besar (LLM) modern, seperti ChatGPT dari OpenAI dan Gemini dari Google, unggul dalam mendeteksi pola, sering kali mereka tidak dapat melakukan penalaran secara presisi.

Google DeepMind mencoba mengatasi keterbatasan ini dengan menggabungkan model bahasa neural dengan mesin deduksi simbolik yang mengkhususkan diri pada penalaran aljabar dan geometri. Model bahasa neural membantu memberikan ide dan solusi yang cepat dan intuitif. Sebaliknya, model simbolik, yang berbasis pada pernyataan logika formal yang mudah dijelaskan dan diverifikasi, memberikan keputusan yang lebih saksama dan rasional berdasarkan gagasan awal yang dihasilkan oleh model pertama.

Untuk lebih memahami cara kerja AlphaGeometry, kita terlebih dahulu harus memahami sifat dari masalah geometri IMO. Masalah-masalah ini berbasis diagram yang memerlukan penambahan konstruksi geometri baru, seperti titik, garis, dan lingkaran, sebelum dapat diselesaikan.

Saat AlphaGeometry menemui salah satu masalah ini, ia terlebih dahulu menggunakan model bahasanya untuk memprediksi konstruksi baru mana yang paling berguna untuk ditambahkan dari jumlah kemungkinan yang tak terbatas. Petunjuk ini membantu mengisi celah dan memungkinkan mesin simbolik membuat deduksi lebih lanjut tentang diagram tersebut dan mendekati solusi. Seluruh proses digambarkan di bawah ini:

Sumber: Google

Pendekatan ganda yang inovatif ini memungkinkan AlphaGeometry tidak hanya memprediksi konstruksi yang berguna, tetapi juga menjelaskan dan memvalidasi keputusannya.

Memanfaatkan data sintetis

Salah satu tantangan paling signifikan selama pengembangan AlphaGeometry adalah proses pelatihannya. Menerjemahkan sifat dan hubungan dalam objek geometri (yaitu ruang, jarak, bentuk, posisi relatif) ke format yang dapat dibaca mesin merupakan pekerjaan yang kompleks, karena bahasa pemrograman khusus geometri didefinisikan secara sempit dan kesulitan menangkap pembuktian manusia yang diturunkan dengan alat di luar cakupan geometri, seperti bilangan kompleks.

Situasi ini menciptakan kemacetan data yang menghambat penggunaan teknik pembelajaran mesin untuk keperluan geometri.

Untuk mengatasi keterbatasan ini, peneliti Google DeepMind mengembangkan metode baru yang memanfaatkan teknik komputasi paralel untuk menghasilkan kumpulan besar data pelatihan sintetis – mencakup 100 juta diagram unik objek geometri. Baca artikel terpisah kami untuk mengetahui apa itu data sintetis.

Data pelatihan tersebut kemudian digunakan oleh model untuk mempelajari semua sifat dan hubungan, serta teorema geometri beserta pembuktiannya. Semua ini tanpa perlu demonstrasi manusia. Proses pembuatan data sintetis digambarkan pada gambar berikut:

Sumber: Nature

Ketersediaan data sintetis yang luas memungkinkan model bahasa AlphaGeometry memberikan saran yang baik untuk konstruksi baru saat menghadapi masalah geometri baru.

Apa Arti AlphaGeometry bagi Masa Depan Riset AI?

AlphaGeometry adalah model riset yang secara khusus dirancang untuk menyelesaikan masalah geometri abstrak. Terlepas dari kinerjanya yang belum pernah terjadi sebelumnya, AlphaGeometry hanya dilatih untuk menangani soal IMO (dan hanya sebagian darinya, karena ujian IMO juga mencakup masalah dari bidang matematika lain, seperti aljabar, teori bilangan, dan kombinatorika).

AlphaGeometry tidak ditujukan untuk memberikan kontribusi pada disiplin di mana geometri memainkan peran fundamental, seperti arsitektur, teknik, dan seni. Sebaliknya, ini adalah contoh menjanjikan tentang bagaimana model bahasa neural dan simbolik dapat digabungkan untuk meningkatkan kemampuan penalaran dalam sistem AI di masa depan.

Pengembangan pendekatan baru untuk menghasilkan data sintetis berskala besar, seperti yang ditunjukkan selama pelatihan AlphaGeometry, membawa kita semakin dekat ke batas baru riset AI ini.

Tujuan akhirnya adalah membangun generasi baru sistem AI yang dapat melampaui keterbatasan dan kekurangan model bahasa besar saat ini. Hal ini akan dimungkinkan dengan membekali model-model baru dengan keterampilan penalaran dan pemecahan masalah tingkat lanjut yang dapat membantu menggeneralisasi pengetahuan lintas bidang matematika dan seterusnya.

Pelajari Lebih Lanjut

Kami harap Anda menikmati artikel tentang DeeMind AlphaGeometry ini. Kita baru berada di awal revolusi AI yang dengan cepat mengubah dunia kita. Taruhannya besar, jadi penting untuk tetap selaras dengan perkembangan terbaru.

DataCamp bekerja keras untuk membantu Anda menavigasi revolusi AI. Lihat artikel dan kursus khusus kami tentang AI generatif.

• AI Fundamentals Skill Track
• Kursus Konsep AI Generatif
• Cara Belajar AI dari Nol pada 2024: Panduan Lengkap dari Ahli
• Cheat Sheet OpenAI API di Python
• Fine-Tuning LLaMA 2: Panduan Langkah demi Langkah untuk Menyesuaikan Large Language Model
• Tutorial Mistral 7B: Panduan Langkah demi Langkah untuk Menggunakan dan Melakukan Fine-Tuning Mistral 7B
• Cara Fine-Tune GPT 3.5: Membuka Potensi Penuh AI