DeepMind AlphaGeometry là gì?

Chúng ta đang sống trong một thời kỳ đầy hứng khởi của AI. Kể từ sau khi ChatGPT ra mắt cuối năm 2022, ngành AI đã bước vào một hành trình đang nhanh chóng thay đổi cách chúng ta sống và làm việc. Các tập đoàn công nghệ lớn như Google, Microsoft, Meta, Apple và Amazon đang đóng vai trò then chốt trong cuộc cách mạng AI hiện nay. Nhờ ngân sách khổng lồ, tài nguyên tính toán và nhân tài, họ liên tục thúc đẩy nghiên cứu tiên tiến nhằm dẫn đầu cuộc đua AI.

Cho đến nay, có lẽ đột phá AI đáng chú ý nhất năm 2024, bên cạnh Sora của OpenAI, là AlphaGeometry của DeepMind. Được thiết kế bởi DeepMind, nhánh của Google phụ trách phát triển AI đa năng, AlphaGeometry là một hệ thống AI sáng tạo kết hợp mô hình ngôn ngữ thần kinh với động cơ suy diễn ký hiệu để giải các bài toán hình học phức tạp. Mô hình này, được mô tả là một hệ thống AI ở tầm Olympic cho hình học, thể hiện đóng góp quan trọng cho mục tiêu dài hạn xây dựng các hệ thống AI tiên tiến có khả năng khái quát hóa trên nhiều lĩnh vực toán học.

Trong bài viết này, chúng tôi sẽ giới thiệu AlphaGeometry. Chúng tôi sẽ phân tích động lực đằng sau AlphaGeometry, cách nó hoạt động, và các trường hợp sử dụng liên quan nhất. Cuối bài, chúng tôi sẽ đưa ra một vài gợi ý về những hàm ý của AlphaGeometry đối với tương lai nghiên cứu AI.

AlphaGeometry là gì?

AlphaGeometry là một hệ thống AI thế hệ mới được xây dựng để giải các bài toán hình học phức tạp. Hệ thống áp dụng một cách tiếp cận thiết kế mới cho lập luận logic, cho phép vượt qua các kết quả tối tân trong những nhiệm vụ liên quan đến hình học.

Vì vậy, trái với những công cụ AI như ChatGPT của OpenAI và Gemini của Google có thể xem là các mô hình AI đa dụng, AlphaGeometry là một mô hình AI chuyên biệt theo miền.

Mã nguồn và mô hình, cũng như các phương pháp tạo dữ liệu tổng hợp và huấn luyện (xem phần tiếp theo), được phát hành theo giấy phép mã nguồn mở.

Để kiểm tra hiệu năng của AlphaGeometry, các nhà nghiên cứu của Google DeepMind đã chuẩn bị một bộ đánh giá chuẩn gồm các bài toán hình học tổng hợp từ nhiều kỳ Olympic Toán học Quốc tế (IMO) từ năm 2000 đến 2022.

IMO là giải đấu thường niên quy tụ các học sinh trung học xuất sắc trên khắp thế giới để giải các bài toán toán học, bao gồm cả hình học.

AlphaGeometry đã giải được 25 trong số 30 câu hỏi được chọn trong giới hạn thời gian thi đấu, vượt qua các kết quả tối tân từ những hệ thống AI trước đó và tiến gần điểm trung bình của các thí sinh giành huy chương vàng, như thể hiện trong hình dưới. Thiết kế và kết quả của bài đánh giá chuẩn được trình bày trong một bài báo đăng trên Nature.

Nguồn: Google

AlphaGeometry hoạt động như thế nào?

Chìa khóa thành công của AlphaGeometry nằm ở cách tiếp cận lai trong việc giải quyết vấn đề (hình học). Trong khi các mô hình ngôn ngữ lớn (LLM) hiện đại như ChatGPT của OpenAI và Gemini của Google giỏi phát hiện mẫu, chúng thường không thể suy luận một cách chính xác.

Google DeepMind tìm cách vượt qua hạn chế này bằng cách kết hợp mô hình ngôn ngữ thần kinh với một động cơ suy diễn ký hiệu chuyên về lập luận đại số và hình học. Mô hình ngôn ngữ thần kinh giúp đưa ra các ý tưởng và giải pháp nhanh, trực giác. Ngược lại, mô hình ký hiệu, dựa trên các mệnh đề logic hình thức có thể dễ dàng giải thích và kiểm chứng, cung cấp các quyết định cân nhắc, lý tính hơn dựa trên các ý tưởng sơ bộ do mô hình đầu tiên đưa ra.

Để hiểu rõ AlphaGeometry hoạt động ra sao, trước hết chúng ta cần nắm bản chất của các bài toán hình học IMO. Những bài toán này dựa trên các sơ đồ cần bổ sung các cấu trúc hình học mới như điểm, đường thẳng và đường tròn trước khi có thể giải được.

Khi AlphaGeometry gặp một trong những bài toán này, trước tiên nó sử dụng mô hình ngôn ngữ để dự đoán những cấu trúc mới nào sẽ hữu ích nhất trong vô số khả năng. Những manh mối này giúp lấp đầy khoảng trống và cho phép động cơ ký hiệu tiếp tục suy luận về sơ đồ và tiến gần lời giải. Toàn bộ quy trình được minh họa dưới đây:

Nguồn: Google

Cách tiếp cận kép đổi mới này cho phép AlphaGeometry không chỉ dự đoán các cấu trúc hữu ích mà còn giải thích và kiểm chứng các quyết định của mình.

Khai thác dữ liệu tổng hợp

Một trong những thách thức đáng kể nhất trong quá trình phát triển AlphaGeometry là khâu huấn luyện. Việc chuyển các thuộc tính và mối quan hệ trong các đối tượng hình học (tức không gian, khoảng cách, hình dạng, vị trí tương đối) sang định dạng máy có thể đọc được là một nhiệm vụ phức tạp, bởi các ngôn ngữ lập trình chuyên biệt cho hình học có phạm vi hẹp và khó nắm bắt các chứng minh của con người vốn được xây dựng bằng những công cụ vượt ngoài phạm vi hình học, như số phức.

Tình trạng này tạo ra điểm nghẽn dữ liệu, cản trở việc sử dụng kỹ thuật học máy cho mục đích hình học.

Để vượt qua hạn chế này, các nhà nghiên cứu Google DeepMind đã phát triển một phương pháp mới tận dụng kỹ thuật tính toán song song để tạo ra một kho dữ liệu huấn luyện tổng hợp khổng lồ – bao gồm 100 triệu sơ đồ độc nhất của các đối tượng hình học. Xem thêm bài viết riêng của chúng tôi để khám phá dữ liệu tổng hợp là gì.

Bộ dữ liệu huấn luyện này sau đó được mô hình sử dụng để học tất cả các thuộc tính và mối quan hệ, cũng như các định lý hình học và chứng minh đi kèm. Tất cả đều không cần các ví dụ minh họa từ con người. Quy trình tạo dữ liệu tổng hợp được minh họa trong hình sau:

Nguồn: Nature

Nguồn dữ liệu tổng hợp dồi dào cho phép mô hình ngôn ngữ của AlphaGeometry đưa ra các gợi ý tốt về cấu trúc mới khi gặp những bài toán hình học mới.

AlphaGeometry có ý nghĩa gì với tương lai nghiên cứu AI?

AlphaGeometry là một mô hình nghiên cứu được thiết kế riêng để giải các bài toán hình học trừu tượng. Bất chấp hiệu năng chưa từng có, AlphaGeometry chỉ được huấn luyện để xử lý các câu hỏi IMO (và chỉ một phần, vì đề IMO còn bao gồm các bài toán thuộc những lĩnh vực toán học khác như đại số, lý thuyết số và tổ hợp).

AlphaGeometry không nhằm mục đích đóng góp trực tiếp cho các ngành mà hình học đóng vai trò nền tảng, như kiến trúc, kỹ thuật và nghệ thuật. Thay vào đó, đây là một ví dụ đầy hứa hẹn về cách có thể kết hợp mô hình ngôn ngữ thần kinh và mô hình ký hiệu để tăng cường năng lực suy luận trong các hệ thống AI tương lai.

Sự phát triển những cách tiếp cận mới để tạo dữ liệu tổng hợp quy mô lớn, như đã minh chứng trong quá trình huấn luyện AlphaGeometry, đang đưa chúng ta đến gần hơn ranh giới mới của nghiên cứu AI.

Mục tiêu tối hậu là xây dựng thế hệ hệ thống AI mới có thể vượt qua những hạn chế và thiếu sót của các mô hình ngôn ngữ lớn hiện tại. Điều này sẽ khả thi bằng cách trang bị cho các mô hình mới năng lực suy luận và giải quyết vấn đề nâng cao, giúp khái quát hóa tri thức trên các lĩnh vực toán học và hơn thế nữa.

Tìm hiểu thêm

Hy vọng bạn thấy hữu ích bài viết về DeeMind AlphaGeometry. Chúng ta mới chỉ ở điểm khởi đầu của cuộc cách mạng AI đang nhanh chóng thay đổi thế giới. Mức độ hệ trọng là rất lớn, vì vậy việc theo sát những phát triển mới nhất là rất quan trọng.

DataCamp đang nỗ lực để giúp bạn định hướng giữa làn sóng AI. Hãy xem các bài viết và khóa học chuyên đề của chúng tôi về AI tạo sinh.

• Lộ trình Kỹ năng Nền tảng AI
• Khóa học Khái niệm về AI Tạo sinh
• Cách học AI từ con số 0 năm 2024: Hướng dẫn toàn diện từ chuyên gia
• Cheat Sheet OpenAI API trong Python
• Fine-tune LLaMA 2: Hướng dẫn từng bước để tùy biến Mô hình Ngôn ngữ Lớn
• Hướng dẫn Mistral 7B: Từng bước sử dụng và fine-tune Mistral 7B
• Cách Fine-tune GPT 3.5: Khai mở toàn bộ tiềm năng của AI