DeepMind lancia un nuovo strumento AI specializzato in soluzioni matematiche

DeepMind, laboratorio di ricerca e sviluppo AI di Google, ha annunciato di aver sviluppato un nuovo strumento noto come AlphaEvolve, in grado di affrontare problemi scientifici e matematici di alto livello di difficoltà con soluzioni “valutabili dalle macchine”.

I temi trattati all’interno dell’articolo

Le caratteristiche del nuovo strumento

L’azienda ha anche affermato di essere al lavoro per lo sviluppo di un’interfaccia utente che permetta di interagire con AlphaEvolve e per lanciare un programma di accesso anticipato per docenti universitari selezionati. Grazie ad AlphaEvolve, DeepMind conta anche sulla possibilità di poter contribuire a ottimizzare parte dell’infrastruttura utilizzata da Google per addestrare i suoi modelli di intelligenza artificiale.

La particolarità di AlphaEvolve è quella di introdurre un meccanismo avanzato per ridurre le allucinazioni dei modelli, un problema comune evidenziato di recente che caratterizza alcuni degli ultimi strumenti portandoli a produrre dei risultati errati e presentarli con grande sicurezza. Per affrontare questo rischio AlphaEvolve utilizza modelli per generare, criticare e arrivare a un insieme di possibili risposte a una domanda, valutando e assegnando automaticamente un punteggio alle risposte per verificarne l’accuratezza.

Per l’utilizzo di AlphaEvolve gli utenti devono proporre al sistema un problema che includa dettagli come istruzioni, equazioni, frammenti di codice e letteratura pertinente e un meccanismo per valutare automaticamente le risposte del sistema sotto forma di formula.

Accuratezza, precisione e duttilità

Nei test svolti da DeepMind, AlphaEvolve ha risposto con grande accuratezza e particolare efficienza. Su 50 problemi matematici selezionati che spaziano dalla geometria alla combinatoria, il nuovo strumento è stato in grado di scovare le soluzioni ai problemi nel 75% dei casi e a scoprire soluzioni migliorate nel 20% dei casi.

Ma le applicazioni di AlphaEvolve secondo le previsioni di DeepMind non si limitano a questo aspetto. Esso potrebbe anche essere utilizzano per la risoluzione o l’ottimizzazione di problemi pratici come ad esempio l’aumento dell’efficienza dei data center di Google o l’accelerazione dei tempi di addestramento dei modelli oppure, più semplicemente, può far risparmiare tempo, liberando al contempo gli esperti che possono concentrarsi su altri lavori più importanti.