Google DeepMind が発表したトレーニング手法「FunSearch」: AI モデルが複雑な離散数学的問題を解決できるようにする

12月15日のニュースによると、Google DeepMindは最近「FunSearch」と呼ばれるモデルトレーニング手法を発表しました。これは、「上限問題」と「ボックス化問題」を計算できると主張しています。一連の「数学とコンピューターサイエンスを含む複雑な問題」。

書き換えが必要な内容は次のとおりです。 ▲ 出典: Google DeepMind (以下、DeepMind)

FunSearch モデルのトレーニングが報告されています。主にAIモデルに手法を導入「評価者」システムを開発 AIモデルは一連の「創造的な問題解決手法」を出力し、出力された問題解決手法を「評価者」が判断する役割を担う反復を繰り返した後、より強力な数学的能力を備えた AI モデルを開発できます。

Google の DeepMind は、PaLM 2 モデルをテストに使用し、コードの形式で一連の質問を入力し、評価プロセスをセットアップするための専用の「コード プール」を確立しました。次に、モデルはコード プールから問題を自動的に選択し、各反復で「創造的な新しい解決策」を生成し、評価のために評価者に送信します。その中で、「最適な解決策」がコード プールに再度追加され、別の反復ラウンドが開始されます。

このサイトでは、

FunSearch トレーニング メソッドが「離散数学 (組み合わせ論)」に特に優れていることに気付きました。 "。トレーニング後、この方法でトレーニングされたモデルは、極値の組み合わせ数学の問題を簡単に解くことができます。。研究者らはプレスリリースで、「上位レベル問題 (カウントと順列を含む数学の中心的な問題)」を計算するプロセスを紹介しました。 )」モデルによります。

さらに、研究チームは、FunSearch トレーニング テクノロジーを使用して、「箱詰め問題」の解決にも成功しました。この問題は、異なるサイズのアイテムを最小数のコンテナに収める方法を指します。 FunSearch はリアルタイム ソリューションを提供し、アイテムの実際の量に基づいて自動的に調整するプログラムを生成します。

研究者らは、

は他のエクスプロイトとは異なると述べました。ニューラル ネットワーク学習の AI トレーニング手法を使用すると、FunSearch トレーニング手法でトレーニングされたモデルの出力コードの確認と展開が容易になり、実際の産業環境への統合が容易になります。

以上がGoogle DeepMind が発表したトレーニング手法「FunSearch」: AI モデルが複雑な離散数学的問題を解決できるようにするの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。