Die von Google DeepMind angekündigte Trainingsmethode „FunSearch“ ermöglicht KI-Modellen die Lösung komplexer diskreter mathematischer Probleme

Am 15. Dezember kündigte Google DeepMind kürzlich eine Modelltrainingsmethode namens „FunSearch“ an, die angeblich eine Reihe von „mathematischen Problemen“ berechnen kann, darunter „Obergrenzenprobleme“ und „Boxprobleme“. „Komplexe Probleme in der Informatik“.

Der Inhalt, der neu geschrieben werden muss, ist: ▲ Bildquelle: Google DeepMind (im Folgenden als DeepMind bezeichnet)

Es wird berichtet, dass die FunSearch-Modelltrainingsmethode hauptsächlich ein „Evaluator“-System für die KI einführt Modell, KI-Modell Eine Reihe von „kreativen Problemlösungsmethoden“ wird ausgegeben, und der „Bewerter“ ist für die Beurteilung der vom Modell ausgegebenen Problemlösungsmethoden verantwortlich Nach wiederholten Iterationen kann ein KI-Modell mit stärkeren mathematischen Fähigkeiten erstellt werden trainiert sein.

Googles DeepMind nutzte das PaLM 2-Modell zum Testen und richtete einen speziellen „Code-Pool“ ein, um eine Reihe von Fragen in Form von Code einzugeben und einen Bewertungsprozess einzurichten. Das Modell wählt dann automatisch Probleme aus dem Codepool aus, generiert in jeder Iteration „kreative neue Lösungen“ und übermittelt diese dem Evaluator zur Bewertung. Darunter wird die „beste Lösung“ erneut zum Codepool hinzugefügt und eine weitere Iterationsrunde gestartet

Diese Seite hat festgestellt, dass die FunSearch-Trainingsmethode nach dem Training besonders gut in der „Diskreten Mathematik (Kombinatorik)“ ist , Extremwertige kombinatorische Mathematikprobleme können leicht gelöst werden In einer Pressemitteilung stellten die Forscher die Prozessmethode der Modellberechnung des „Problems der oberen Ebene (ein zentrales Problem im Bereich des Zählens und Permutationens in der Mathematik)“ vor.

Darüber hinaus hat das Forschungsteam mithilfe der FunSearch-Trainingstechnologie auch das „Bin Packing Problem“ erfolgreich gelöst. Bei diesem Problem geht es darum, Gegenstände unterschiedlicher Größe in möglichst wenigen Behältern unterzubringen. FunSearch bietet eine Echtzeitlösung und generiert ein Programm, das sich automatisch an das tatsächliche Volumen des Artikels anpasst Der Ausgabecode des Modells ist einfacher zu überprüfen und bereitzustellen, was bedeutet, dass er einfacher in die tatsächliche Industrieumgebung integriert werden kann

.

Das obige ist der detaillierte Inhalt vonDie von Google DeepMind angekündigte Trainingsmethode „FunSearch“ ermöglicht KI-Modellen die Lösung komplexer diskreter mathematischer Probleme. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!