Che cos'è DeepMind AlphaGeometry?

Stiamo vivendo un periodo entusiasmante per l’IA. Dopo il lancio di ChatGPT alla fine del 2022, il settore dell’IA ha intrapreso un percorso che sta cambiando rapidamente il nostro modo di vivere e lavorare. Le Big Tech, come Google, Microsoft, Meta, Apple e Amazon, svolgono un ruolo fondamentale nella rivoluzione in corso. Grazie a budget enormi, risorse di calcolo e talenti, queste aziende portano avanti costantemente la ricerca all’avanguardia nel tentativo di guidare la corsa all’IA.

Finora, probabilmente la svolta più importante dell’IA nel 2024, oltre a Sora di OpenAI, è AlphaGeometry di DeepMind. Progettato da DeepMind, il ramo di Google dedicato allo sviluppo di IA generaliste, AlphaGeometry è un sistema di IA innovativo che combina un modello linguistico neurale e un motore di deduzione simbolica per risolvere problemi complessi di geometria. Il modello, descritto come un sistema di livello Olimpico per la geometria, rappresenta un importante contributo all’obiettivo a lungo termine di creare sistemi di IA avanzati in grado di generalizzare tra diversi campi della matematica.

In questo articolo ti presenteremo AlphaGeometry. Analizzeremo le motivazioni alla base di AlphaGeometry, come funziona e i casi d’uso più rilevanti. Concluderemo con alcune riflessioni sulle implicazioni di AlphaGeometry per il futuro della ricerca in IA.

Che cos’è AlphaGeometry?

AlphaGeometry è un sistema di IA di nuova generazione creato per risolvere problemi complessi di geometria. Il sistema adotta un approccio progettuale inedito al ragionamento logico che gli consente di superare i risultati allo stato dell’arte nei compiti legati alla geometria.

Diversamente da strumenti di IA come ChatGPT di OpenAI e Gemini di Google, che possono essere considerati modelli di IA generalisti, AlphaGeometry è un modello di IA specifico per dominio.

Il codice e il modello, così come le metodologie usate per la generazione di dati sintetici e l’addestramento (vedi sezione successiva), sono rilasciati con licenza open-source.

Per testare le prestazioni di AlphaGeometry, i ricercatori di Google DeepMind hanno preparato un set di benchmark di problemi di geometria compilati dalle edizioni successive delle Olimpiadi Internazionali di Matematica (IMO) tra il 2000 e il 2022.

Le IMO sono un campionato annuale che riunisce brillanti studenti delle scuole superiori di tutto il mondo per risolvere problemi matematici, anche nel campo della geometria.

AlphaGeometry è riuscito a risolvere 25 delle 30 domande selezionate entro i limiti di tempo della competizione, superando i risultati allo stato dell’arte dei precedenti sistemi di IA e avvicinandosi al punteggio medio dei medagliati d’oro umani, come mostrato nell’immagine seguente. La progettazione e i risultati del test di benchmark sono descritti in un articolo dedicato pubblicato su Nature.

Fonte: Google

Come funziona AlphaGeometry?

La chiave del successo di AlphaGeometry risiede nel suo approccio ibrido alla risoluzione di problemi (geometrici). Sebbene i moderni large language model (LLM), come ChatGPT di OpenAI e Gemini di Google, siano bravi a individuare schemi, spesso non riescono a ragionare con precisione.

Google DeepMind cerca di superare questo limite combinando un modello linguistico neurale con un motore di deduzione simbolica specializzato nel ragionamento algebrico e geometrico. Il modello linguistico neurale aiuta a fornire idee e soluzioni rapide e intuitive. Al contrario, il modello simbolico, basato su enunciati di logica formale facilmente spiegabili e verificabili, fornisce decisioni più ponderate e razionali a partire dalle idee preliminari restituite dal primo modello.

Per capire meglio come funziona AlphaGeometry, dobbiamo prima comprendere la natura dei problemi di geometria delle IMO. Questi problemi si basano su diagrammi a cui vanno aggiunte nuove costruzioni geometriche, come punti, linee e cerchi, prima di poter essere risolti.

Quando AlphaGeometry si imbatte in uno di questi problemi, impiega innanzitutto il suo modello linguistico per prevedere quali nuove costruzioni sarebbe più utile aggiungere tra un numero infinito di possibilità. Questi indizi aiutano a colmare le lacune e consentono al motore simbolico di trarre ulteriori deduzioni sul diagramma e avvicinarsi alla soluzione. L’intero processo è illustrato di seguito:

Fonte: Google

Questo approccio duale innovativo consente ad AlphaGeometry non solo di prevedere costruzioni utili, ma anche di spiegare e validare le proprie decisioni.

Sfruttare i dati sintetici

Una delle sfide più significative durante lo sviluppo di AlphaGeometry è stato il processo di addestramento. Tradurre le proprietà e le relazioni all’interno degli oggetti geometrici (cioè spazio, distanza, forma, posizioni relative) in un formato leggibile dalla macchina è un’impresa complessa, poiché i linguaggi di programmazione specifici per la geometria sono definiti in modo ristretto e faticano a catturare dimostrazioni umane derivate con strumenti che vanno oltre l’ambito della geometria, come i numeri complessi.

Questa situazione crea un collo di bottiglia dei dati che ostacola l’uso di tecniche di machine learning per scopi geometrici.

Per superare questo limite, i ricercatori di Google DeepMind hanno sviluppato un metodo innovativo che sfrutta tecniche di calcolo parallelo per generare un vasto insieme di dati di addestramento sintetici – composto da 100 milioni di diagrammi unici di oggetti geometrici. Dai un’occhiata al nostro articolo dedicato per scoprire che cosa sono i dati sintetici.

Tali dati di addestramento sono stati poi utilizzati dal modello per apprendere tutte le proprietà e le relazioni, nonché i teoremi geometrici e le relative dimostrazioni. Il tutto senza bisogno di dimostrazioni umane. Il processo di generazione dei dati sintetici è illustrato nell’immagine seguente:

Fonte: Nature

La vasta disponibilità di dati sintetici consente al modello linguistico di AlphaGeometry di suggerire buone nuove costruzioni quando si imbatte in nuovi problemi di geometria.

Cosa significa AlphaGeometry per il futuro della ricerca in IA?

AlphaGeometry è un modello di ricerca specificamente progettato per risolvere problemi geometrici astratti. Nonostante le sue prestazioni senza precedenti, AlphaGeometry è addestrato esclusivamente per affrontare domande delle IMO (e solo una parte di esse, dato che le IMO comprendono anche problemi di altri ambiti della matematica, come algebra, teoria dei numeri e combinatoria).

AlphaGeometry non è pensato per apportare contributi in discipline in cui la geometria svolge un ruolo fondamentale, come architettura, ingegneria e arte. Piuttosto, è un esempio promettente di come modelli linguistici neurali e modelli simbolici possano essere combinati per potenziare le capacità di ragionamento nei futuri sistemi di IA.

Lo sviluppo di nuovi approcci per generare dati sintetici su larga scala, come dimostrato durante l’addestramento di AlphaGeometry, ci sta avvicinando a questa nuova frontiera della ricerca in IA.

L’obiettivo finale è costruire una nuova generazione di sistemi di IA in grado di superare i limiti e le carenze degli attuali large language model. Ciò sarà possibile dotando i nuovi modelli di capacità avanzate di ragionamento e problem solving che aiutino a generalizzare la conoscenza tra i campi della matematica e oltre.

Per saperne di più

Speriamo che questo articolo su DeeMind AlphaGeometry ti sia piaciuto. Siamo solo all’inizio della rivoluzione dell’IA che sta cambiando rapidamente il nostro mondo. La posta in gioco è alta, quindi è importante restare al passo con gli ultimi sviluppi.

DataCamp sta lavorando sodo per aiutarti a orientarti nella rivoluzione dell’IA. Dai un’occhiata ai nostri articoli e corsi dedicati sull’IA generativa.

• Percorso di competenze: Fondamenti di IA
• Corso: Concetti di IA generativa
• Come imparare l’IA da zero nel 2024: guida completa degli esperti
• Cheat sheet: l’API di OpenAI in Python
• Fine-tuning di LLaMA 2: guida passo passo alla personalizzazione del large language model
• Mistral 7B: guida passo passo all’uso e al fine-tuning di Mistral 7B
• Come effettuare il fine-tuning di GPT-3.5: sbloccare tutto il potenziale dell’IA