Google DeepMind FunSearch – Opdagelser inden for matematik og datavidenskab

Hvad er FunSearch

Udgivet af Google DeepMind den 14. december 2023: FunSearch, en banebrydende metode udviklet af Google DeepMind, transformerer den måde, vi tilgår problemløsning i matematiske videnskaber på. FunSearch, står for “søgning i funktionsrummet”, parrer en forudtrænet Large Language Model (LLM) med en automatisk evaluator. LLM har til opgave at generere kreative løsninger i form af computerkode, mens evaluatoren sikrer, at disse løsninger er fri for fejl og hallucinationer. Denne innovative tilgang har ført til de første nogensinde opdagelser i åbne problemer i matematiske videnskaber ved hjælp af LLM’er.

Hvordan FunSearch fungerer

FunSearch fungerer gennem en evolutionær metode drevet af LLM’er. Det starter med et brugerdefineret problem beskrives i kode, herunder en procedure til at evaluere programmer og et startprogram til at starte processen. Systemet vælger derefter nogle programmer fra den nuværende pulje, som fodres til en LLM. LLM bygger kreativt videre på disse, genererer nye programmer, der automatisk evalueres. De bedste tilføjes tilbage til puljen, hvilket skaber en selvforbedrende løkke. Denne proces faciliteres af Googles PaLM 2, men er kompatibel med andre LLM’er trænet på kode.

Gennembrud i matematik og computing

FunSearch har gjort betydelige fremskridt i løsningen af komplekse problemer:

• Cap Set-problemet: I samarbejde med matematikeren Jordan Ellenberg tog FunSearch fat på denne langvarige matematiske udfordring og genererede løsninger, der opdagede de største cap-set, der nogensinde er fundet, hvilket markerer store fremskridt i feltet.
• Bin Packing-problemet: Demonstrerer dets praktiske anvendelighed, metoden udviklede mere effektive algoritmer til dette problem, afgørende i applikationer som optimering af datacenter effektivitet.

Fordele ved FunSearch

• Gennemsigtighed og forståelighed: I modsætning til traditionelle computersøgeteknikker, udskriver FunSearch programmer, der forklarer, hvordan løsninger er afledt, ikke kun løsningerne selv. Denne gennemsigtighed er i tråd med, hvordan forskere typisk arbejder, hvilket gør værktøjet mere brugervenligt og indsigtsfuldt.
• Kompakthed og skalerbarhed: Metoden foretrækker løsninger repræsenteret af kompakte programmer, hvilket gør det muligt at tackle store problemer effektivt og gør dets output lettere for forskere at forstå og anvende.

Indvirkning og fremtidige udsigter

FunSearch repræsenterer et betydeligt spring i AI-drevet opdagelse og viser, at beskyttede LLM’er ikke kun kan producere nye matematiske opdagelser, men også afsløre indflydelsesrige løsninger på virkelige problemer. Efterhånden som LLM’er fortsætter med at udvikle sig, forventes den at udvide sine kapaciteter og adressere en række videnskabelige og tekniske udfordringer, og dermed forme fremtiden for problemløsning i forskellige områder.

Vigtige pointer om FunSearch

• FunSearch er et banebrydende værktøj fra Google DeepMind, der bruger LLM’er til at løse komplekse problemer i matematik og datalogi.
• Det har opnået bemærkelsesværdig succes i løsningen af cap set- og bin packing-problemerne, hvilket demonstrerer både teoretiske og praktiske anvendelser.
• Værktøjets gennemsigtighed, fortolkbarhed og effektivitet i genereringen af løsninger gør det til en værdifuld ressource for forskere og videnskabsfolk.