DARPA خواستار پیشنهادات هوش مصنوعی برای تسریع در تحقیقات ریاضی • ثبت نام

آژانس پروژه های تحقیقاتی پیشرفته دفاعی ایالات متحده ، با نام مستعار DARPA ، معتقد است که ریاضیات به اندازه کافی سریع پیشرفت نمی کند.

بنابراین برای تسریع – یا “Exponentiate” – میزان تحقیقات ریاضی ، DARPA این هفته یک رویداد روز پیشنهادی را برای تعامل با جامعه فنی برگزار کرد به این امید که شرکت کنندگان پس از اعلام اعلامیه واقعی آژانس گسترده (BAA) ، پیشنهاداتی را برای ارسال ارائه دهند. اوه ، در آنجا آهسته ، عمو سام.

پروژه DARPA ، با نام Expmath ، قصد دارد با کمک هوش مصنوعی یا یادگیری ماشین برای کسانی که اصطلاح کم بار را ترجیح می دهند ، نوآوری ریاضی را آغاز کند.

این آژانس در وب سایت خود توضیح می دهد: “هدف از ریاضیات نمایشی (ExpMath) تسریع اساسی سرعت پیشرفت در ریاضیات خالص با توسعه یک نویسنده هوش مصنوعی است که قادر به ارائه و اثبات انتزاعات مفید است.”

پاتریک شفتو ، مدیر برنامه DARPA ، در این رویداد ، که در مرکز همایش DARPA در آرلینگتون ، ویرجینیا برگزار شد ، با نشان دادن اینکه چگونه به آرامی ریاضی بین سالهای 1878 و 2018 پیشرفت کرده است ، این پرونده را برای تسریع در تحقیقات ریاضی ایجاد کرد.

این زمینه ها تغییراتی را تجربه کرده اند اما ریاضیات این کار را نکرده است ، و آنچه ما می خواهیم انجام دهیم این است که این تغییر را به ریاضیات وارد کند

در آن دوره ، پیشرفت ریاضی – که با ورود به سیستم سالانه انتشارات علمی اندازه گیری می شود – با نرخ کمتر از 1 درصد رشد کرد.

این مبتنی بر تحقیقات انجام شده در سال 2021 توسط لوتز بورنمن ، رابین هونشیلد و رودیگر موتز است که میزان کلی رشد علمی را در رشته های مختلف محاسبه کرده است. 4.10 درصد است.

تحقیقات علمی همچنین نوآوری را به همراه می آورد. به عنوان مثال ، در علوم زندگی ، دوران ژان باپتیست لامارک (1829-1744) و چارلز داروین (1809-1882) ، دوره بین 1806 تا 1848 شاهد رشد رشد 8.18 درصد بود. و در علوم فیزیکی و فنی ، رشد 25.41 درصدی بین سالهای 1793 و 1810 ثبت شد ، دوره ای که همزمان با کار مهم جوزف-لوئیس لاگرانژ (1836-1736) بود.

شفتو در هنگام ارائه گفت: “بنابراین این زمینه ها تغییراتی را تجربه کرده اند اما ریاضیات چنین نیست ، و آنچه ما می خواهیم انجام دهیم این است که این تغییر را به ریاضیات وارد کند.”

شتاب دهنده نوآوری پیشنهادی DARPA هوش مصنوعی است. اما مشکل این است که هوش مصنوعی خیلی باهوش نیست. این می تواند ریاضی در سطح دبیرستان را انجام دهد اما ریاضی سطح بالایی نیست.

همانطور که در یکی از اسلایدهای Shafto ذکر شد ، “Openai O1 (توت فرنگی) با وجود ادعاهای توانایی های استدلال ، همچنان در ریاضیات اساسی شکست می خورد.”

با این وجود ، هدف Expmath این است که مدل های هوش مصنوعی را قادر سازد:

1. تجزیه خودکار – به طور خودکار بیانیه های زبان طبیعی را به زبان طبیعی قابل استفاده مجدد Lemmas (بیانیه اثبات شده برای اثبات سایر بیانیه ها) تجزیه می کند. وت
2. رسمی سازی خودکار (در) – زبان طبیعی لیما را به یک اثبات رسمی ترجمه کرده و سپس اثبات را به زبان طبیعی ترجمه کنید.

رابین رووی ، بنیانگذار و مدیرعامل موسسه تحقیقات AI Fountain Abode ، در این رویداد شرکت کرد. همانطور که او توضیح داد ثبت نام، او در رشته ریاضی در کالج فارغ التحصیل شد اما آن را کسل کننده دانست ، بنابراین به علوم کامپیوتر رفت.

با این وجود ، وی گفت ، او جالب است که به نظر می رسد این هدف در حال ایجاد یک ریاضیدان هوش مصنوعی است که می تواند به عنوان یک همکار باشد ، معادل یک دانشجوی فارغ التحصیل که قادر به کمک به اثبات است.

یعنی او اجازه می دهد سطح بالاتری از صلاحیت از آنچه در حال حاضر در مدل های هوش مصنوعی به نمایش گذاشته شده است.

رووی گفت: “ما اکنون زنجیره ای از فکر داریم.” “و بنابراین این مانند زنجیره ای از استروئیدها است.”

برای Rowe ، سؤال این است که چگونه می توان هوش مصنوعی را در Advanced Math بهتر کرد.

“پاتریک شفتو ، که مدیر پروژه برای این کار است ، او مقاله را نوشت [PDF] در مورد القاء بیزی ، این ایده است که می توانید با استفاده از یک مدل بزرگ زبان ، این موضوع را کشف کنید. “

“این راهی نیست که من تکیه می دهم ، اما این راهی است که بسیاری از اتاق ها لاغر می شوند ، زیرا اگر می خواهید از فناوری موجود استفاده کنید ، این یک مرحله بعدی آشکار است.

آنچه من فکر می کنم ما نیاز داریم استدلال ریاضی است

“برای افراد موجود در اتاق ، آنها مانند” اوه ، می دانید ، LLMS در سال گذشته خیلی بهتر شده است. ما فقط ادامه خواهیم داد. ” این نشانگر نگرانی DARPA در مورد این است که چقدر ممکن است این یک برنامه سه ساله باشد.

“اما برای خودم ، آنچه من فکر می کنم ما به آن نیاز داریم استدلال ریاضی است. پیشنهادات هنوز در این زمینه وجود ندارد ، اما این مسیری است که ما قصد داریم از آن استفاده کنیم. اما افراد دیگری نیز در آنجا هستند که نیز متفاوت بودند ، مانند انجام استدلال ریاضی هندسی و مواردی از این دست. احتمالاً دوازده روش مختلف برای انجام این کار وجود دارد.”

به عبارت دیگر ، رووی مطمئن نیست که تمرکز روی زبان طبیعی مسیر درستی است. وی پیشنهاد می کند که مدل های مبتنی بر ورودی بصری یا صوتی در ریاضیات پیشرفته ماهر تر خواهند بود.

رووی پرسید: “آیا ما تصمیم می گیریم که با القاء بیزی در LLMS برویم ، که به نظر می رسد مانند آنچه شما ابتدا فکر می کنید اگر این زمینه شما باشد.” “یا ما با چیزی رادیکال تر مانند مدل سازی هندسی پیش می رویم و به عنوان مثال ، به جای استفاده از کلمات ، آن را بصری انجام می دهیم.

“و در اتاق مورد بحث قرار نگرفت ، اما ریاضیدانان وجود دارند که صدا را در سرشان محاسبه می کنند – آنها به عنوان موسیقی موسیقی احساس می کنند.

گفته می شود ، رووی خوش بین است. “من فکر می کنم ما می خواهیم آن را بکشیم ، صادقانه. ®