Programa
Fundamentos da IA
10 h
Estamos vivendo um momento empolgante para a IA. Desde o lançamento do ChatGPT no fim de 2022, o setor de IA entrou em uma jornada que está mudando rapidamente a forma como vivemos e trabalhamos. As big techs, como Google, Microsoft, Meta, Apple e Amazon, têm um papel central nessa revolução. Graças a orçamentos gigantes, recursos computacionais e talentos de ponta, essas empresas avançam continuamente a pesquisa de fronteira na corrida pela liderança em IA.
Até agora, provavelmente o avanço mais marcante em IA em 2024, além do Sora da OpenAI, é o AlphaGeometry do DeepMind. Criado pelo DeepMind, o braço do Google responsável por desenvolver IA de propósito geral, o AlphaGeometry é um sistema de IA inovador que combina um modelo de linguagem neural e um mecanismo de dedução simbólica para resolver problemas complexos de geometria. Apresentado como um sistema de IA em nível de Olimpíada para geometria, o modelo representa uma contribuição importante para o objetivo de longo prazo de criar sistemas de IA avançados capazes de generalizar entre diferentes campos da matemática.
Neste artigo, vamos apresentar o AlphaGeometry. Vamos analisar as motivações por trás do projeto, como ele funciona e os casos de uso mais relevantes. Encerramos com algumas pistas sobre as implicações do AlphaGeometry para o futuro da pesquisa em IA.
O que é o AlphaGeometry?
O AlphaGeometry é um sistema de IA de nova geração criado para resolver geometria complexa. Ele adota uma abordagem inédita de raciocínio lógico que lhe permite superar o estado da arte em tarefas relacionadas à geometria.
Assim, diferentemente de ferramentas de IA como o ChatGPT da OpenAI e o Gemini do Google, que podem ser consideradas modelos de propósito geral, o AlphaGeometry é um modelo de IA específico de domínio.
O código e o modelo, assim como as metodologias usadas na geração de dados sintéticos e no treinamento (veja a próxima seção), foram lançados sob uma licença open source.
Para testar o desempenho do AlphaGeometry, pesquisadores do Google DeepMind prepararam um conjunto de benchmarking com problemas de geometria compilados de edições sucessivas da Olimpíada Internacional de Matemática (IMO) entre 2000 e 2022.
A IMO é um campeonato anual que reúne brilhantes estudantes do ensino médio de vários países para resolver problemas matemáticos, inclusive na área de geometria.
O AlphaGeometry conseguiu resolver 25 das 30 questões selecionadas dentro dos limites de tempo de competição, superando os melhores resultados de sistemas de IA anteriores e se aproximando da pontuação média dos medalhistas de ouro humanos, como mostra a imagem a seguir. O desenho do teste e os resultados estão em um artigo dedicado publicado na Nature.
Fonte: Google
Como o AlphaGeometry funciona?
O segredo do sucesso do AlphaGeometry está na abordagem híbrida para resolver problemas (geométricos). Embora os grandes modelos de linguagem (LLMs) modernos, como o ChatGPT da OpenAI e o Gemini do Google, sejam bons em detectar padrões, muitas vezes não conseguem raciocinar com precisão.
O Google DeepMind busca superar essa limitação combinando um modelo de linguagem neural com um mecanismo de dedução simbólica especializado em raciocínio algébrico e geométrico. O modelo de linguagem neural ajuda a fornecer ideias e soluções rápidas e intuitivas. Já o modelo simbólico, baseado em enunciados de lógica formal que podem ser facilmente explicados e verificados, toma decisões mais deliberadas e racionais a partir das ideias preliminares do primeiro modelo.
Para entender melhor como o AlphaGeometry funciona, é preciso antes compreender a natureza dos problemas de geometria da IMO. Esses problemas se baseiam em diagramas que exigem a adição de novos construtos geométricos, como pontos, retas e círculos, antes de serem solucionados.
Quando o AlphaGeometry se depara com um desses problemas, ele utiliza primeiro seu modelo de linguagem para prever quais novos construtos seriam mais úteis entre infinitas possibilidades. Essas pistas ajudam a preencher lacunas e permitem que o motor simbólico faça novas deduções sobre o diagrama e se aproxime da solução. Todo o processo está ilustrado abaixo:
Fonte: Google
Essa abordagem dupla e inovadora permite ao AlphaGeometry não só prever construtos úteis, mas também explicar e validar suas decisões.
Aproveitando dados sintéticos
Um dos maiores desafios durante o desenvolvimento do AlphaGeometry foi o processo de treinamento. Traduzir as propriedades e relações entre objetos geométricos (isto é, espaço, distância, forma, posições relativas) para um formato legível por máquina é uma tarefa complexa, pois as linguagens de programação específicas de geometria são muito restritas e têm dificuldade em capturar demonstrações humanas que usam ferramentas além do escopo da geometria, como números complexos.
Essa situação cria um gargalo de dados que dificulta o uso de técnicas de machine learning para fins de geometria.
Para contornar essa limitação, os pesquisadores do Google DeepMind desenvolveram um método inédito que aproveita técnicas de computação paralela para gerar um grande volume de dados sintéticos de treinamento – totalizando 100 milhões de diagramas únicos de objetos geométricos. Confira nosso artigo separado para descobrir o que são dados sintéticos.
Esses dados de treinamento foram então usados pelo modelo para aprender todas as propriedades e relações, bem como teoremas geométricos e suas demonstrações associadas. Tudo isso sem necessidade de demonstrações humanas. O processo de geração de dados sintéticos está ilustrado na imagem a seguir:
Fonte: Nature
A ampla disponibilidade de dados sintéticos permite que o modelo de linguagem do AlphaGeometry faça boas sugestões de novos construtos ao se deparar com problemas inéditos de geometria.
O que o AlphaGeometry representa para o futuro da pesquisa em IA?
O AlphaGeometry é um modelo de pesquisa criado especificamente para resolver problemas geométricos abstratos. Apesar de seu desempenho sem precedentes, ele foi treinado exclusivamente para lidar com questões da IMO (e apenas parte delas, já que as provas também incluem problemas de outras áreas da matemática, como álgebra, teoria dos números e combinatória).
O AlphaGeometry não tem como objetivo contribuir diretamente em disciplinas em que a geometria é fundamental, como arquitetura, engenharia e arte. Em vez disso, é um exemplo promissor de como modelos neurais de linguagem e modelos simbólicos podem ser combinados para aprimorar a capacidade de raciocínio em futuros sistemas de IA.
O desenvolvimento de novas abordagens para gerar dados sintéticos em larga escala, como demonstrado no treinamento do AlphaGeometry, está nos aproximando dessa nova fronteira da pesquisa em IA.
O objetivo final é construir uma nova geração de sistemas de IA que supere as limitações e deficiências dos atuais grandes modelos de linguagem. Isso será possível ao equipar os novos modelos com habilidades avançadas de raciocínio e resolução de problemas, capazes de generalizar conhecimento entre campos da matemática e além.
Saiba mais
Esperamos que você tenha gostado deste artigo sobre o DeeMind AlphaGeometry. Estamos apenas no começo de uma revolução em IA que está mudando o mundo em ritmo acelerado. O jogo é grande, então é importante se manter por dentro das últimas novidades.
A DataCamp está trabalhando duro para ajudar você a navegar por essa revolução. Confira nossos artigos e cursos dedicados a IA generativa.
- AI Fundamentals Skill Track
- Generative AI Concepts Course
- How to Learn AI From Scratch in 2024: A Complete Expert Guide
- The OpenAI API in Python Cheat Sheet
- Fine-Tuning LLaMA 2: A Step-by-Step Guide to Customizing the Large Language Model
- Mistral 7B Tutorial: A Step-by-Step Guide to Using and Fine-Tuning Mistral 7B
- How to Fine Tune GPT 3.5: Unlocking AI's Full Potential
Tópicos
