Heim > Artikel > Technologie-Peripheriegeräte > GPT-4 untersucht globale Probleme in 97 Dialogrunden und kommt zu dem Schluss, dass P≠NP
Für diejenigen, die auf dem Gebiet der wissenschaftlichen Forschung tätig sind, haben Sie mehr oder weniger vom P/NP-Problem gehört. Dieses Problem wurde vom Clay Institute of Mathematics in die Millennium Prize Problems aufgenommen. Alle bekannten Poincaré-Vermutungen, Riemann-Hypothese usw. sind enthalten. Und die Organisation hat Forschern, die das Problem lösen können, Preise in Millionenhöhe ausgelobt.
Das P/NP-Problem wurde erstmals 1971 von Stephen A. Cook und Leonid Levin vorgeschlagen. Im Laufe der Jahre haben sich viele Menschen der Erforschung dieses Problems gewidmet. Einige Leute sagen jedoch, dass es bei einer konservativen Schätzung von 100 Jahren dauern könnte, das P=NP-Problem zu lösen sind Fehler in diesen Beweisverfahren. Bisher konnte jedoch niemand eine eindeutige Antwort geben
Mit der Entwicklung der Technologie der künstlichen Intelligenz, insbesondere der schnellen Aktualisierung großer Sprachmodelle im vergangenen Jahr, haben Forscher begonnen, zu versuchen, die Technologie der künstlichen Intelligenz einzusetzen um einige globale Probleme zu lösen
Forscher von Microsoft Research, der Peking University, der Beihang University und anderen Institutionen haben vorgeschlagen, große Sprachmodelle (LLM) zu verwenden, um die Forschung zu P- und NP-Problemen zu verbessern und zu beschleunigen
Dieser Artikel schlägt A Der gemeinsame Rahmen, das sokratische Denken, wird verwendet, um LLM dazu zu bringen, tiefgründig nachzudenken und komplexe Probleme zu lösen. Auf der Grundlage dieses Frameworks ist LLM in der Lage, Probleme rekursiv zu entdecken, zu lösen und zu integrieren und gleichzeitig eine Selbstbewertung und Verbesserung durchzuführen Beweisen Sie das Modell und führen Sie in 97 Dialogrunden eine gründliche Argumentation durch, um zu der Schlussfolgerung zu gelangen, dass „P≠ NP“, was mit der Schlussfolgerung von (Xu und Zhou, 2023) übereinstimmt.
Bitte klicken Sie auf den folgenden Link, um das Papier anzuzeigen: https://arxiv.org/pdf/2309.05689.pdf
Der Hauptbeitrag dieses Papiers kann wie folgt zusammengefasst werden:
Integration von LLM als Mensch. Kooperationspartner, um komplexe wissenschaftliche Herausforderungen anzugehen und das „LLM for Science (LLM4Science)“-Paradigma vorzuschlagen.
Einführung eines Rahmenwerks namens „Socratic Reasoning“, um LLM dazu zu ermutigen, Deduktion, Transformation, Zerlegung und andere Methoden zu verwenden, um kritisches Denken anzuregen.
Bei komplexeren Problemen erfordert dieser Artikel zunächst, dass LLM das Problem in ein neues Problem umwandelt oder es in mehrere Unterprobleme zerlegt. Diese Muster werden dann rekursiv ausgeführt, bis das atomare Ji-Problem erreicht ist.
Wenn neue Probleme auftreten oder neue Schlussfolgerungen gezogen werden, sollte der Verifizierungsmodus übernommen und die Selbstbewertungsfähigkeiten von LLM zur Verifizierung und Verbesserung genutzt werden
Schließlich erfordert der Fusionsmodus, dass das LLM Schlussfolgerungen basierend auf den Ergebnissen der Unterprobleme synthetisiert
Motivieren Sie das LLM rekursiv durch eine Reihe von Gesprächen, den oben genannten Prozess fortzusetzen, bis das Zielproblem gelöst ist
In dieser Arbeit bietet „Sucra „Socratic Reasoning“ einen systematischen Prompt-Rahmen für herausfordernde Probleme
Das Bild unten ist ein Beispiel für einen Dialog, der zur Lösung von P- vs. NP-Problemen in „Socratic Reasoning“ verwendet wird. In der Fallstudie wird die GPT-4-API verwendet. Darüber hinaus sortiert der Artikel die Prozesse basierend auf dem Rundenindex.
Während des Explorationsprozesses werden in diesem Artikel fünf verschiedene Rollen als Hilfsbeweiser vorgestellt, beispielsweise Mathematiker, die sich mit Wahrscheinlichkeitstheorie auskennen. Das Experiment führte insgesamt 97 Dialogrunden durch, aufgeteilt in 14 Runden davor und 83 Runden danach.
Zum Beispiel die Eingabeaufforderung der ersten Runde: Sie können P!=NP aus einer philosophischen Perspektive und nicht aus einer Computertheorie finden Perspektive. Das zugrunde liegende Problem?示 Im Folgenden sind weitere Tipps:
Der Dialog wird ständig unterzogen, und die letzte Runde des Dialogs lautet wie folgt: Schließlich Schlussfolgerung P
np
ist interessiert. Leser können sich das Originalpapier ansehen, um mehr zu erfahren.
Das obige ist der detaillierte Inhalt vonGPT-4 untersucht globale Probleme in 97 Dialogrunden und kommt zu dem Schluss, dass P≠NP. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!