Rumah > Artikel > Peranti teknologi > Kaedah latihan 'FunSearch' yang diumumkan oleh Google DeepMind: membolehkan model AI menyelesaikan masalah matematik diskret yang kompleks
Berita pada 15 Disember, Google DeepMind baru-baru ini mengumumkan kaedah latihan model yang dipanggil "FunSearch", yang mendakwa boleh mengira satu siri "masalah berkaitan matematik" termasuk "masalah peringkat atasan" dan "masalah tinju" ,Masalah Kompleks dalam Sains Komputer”.
Kandungan yang perlu ditulis semula ialah: ▲ Sumber: Google DeepMind (selepas ini dirujuk sebagai DeepMind)
Dilaporkan bahawa kaedah latihan model FunSearch terutamanya memperkenalkan sistem "Penilai" untuk model AI , Model AI Satu siri "kaedah penyelesaian masalah kreatif" adalah output, dan "penilai" bertanggungjawab untuk menilai kaedah penyelesaian masalah yang dikeluarkan oleh model Selepas lelaran berulang, model AI dengan keupayaan matematik yang lebih kukuh boleh dibuat terlatih.
Google DeepMind menggunakan model PaLM 2 untuk menguji dan mewujudkan "kumpulan kod" khusus untuk memasukkan satu siri soalan dalam bentuk kod dan menyediakan proses penilai. Model kemudian secara automatik memilih masalah daripada kumpulan kod, menjana "penyelesaian baharu kreatif" dalam setiap lelaran dan menyerahkannya kepada penilai untuk dinilai. Antaranya, "penyelesaian terbaik" akan ditambahkan semula pada kumpulan kod dan memulakan satu lagi pusingan lelaran
Tapak ini menyedari bahawa Kaedah latihan FunSearch sangat bagus dalam "Matematik Diskret (Kombinatorik)". , Masalah matematik gabungan nilai ekstrem boleh diselesaikan dengan mudah Dalam siaran akhbar, penyelidik memperkenalkan kaedah proses pengiraan model "masalah peringkat atasan (masalah utama dalam bidang pengiraan dan pilih atur dalam matematik)".
Selain itu, pasukan penyelidik juga berjaya menyelesaikan "Masalah Pembungkusan Tong Sampah" menggunakan teknologi latihan FunSearch. Masalah ini merujuk kepada cara memuatkan item yang berbeza saiz dalam bilangan bekas terkecil. FunSearch menyediakan penyelesaian masa nyata dan menjana program yang melaraskan secara automatik berdasarkan volum sebenar item
Para penyelidik menyebut bahawa Berbanding dengan kaedah latihan AI lain yang menggunakan rangkaian saraf untuk pembelajaran, FunSearch Selepas kaedah latihan , kod keluaran model lebih mudah untuk diperiksa dan digunakan, yang bermaksud lebih mudah untuk disepadukan ke dalam persekitaran industri sebenar.
Atas ialah kandungan terperinci Kaedah latihan 'FunSearch' yang diumumkan oleh Google DeepMind: membolehkan model AI menyelesaikan masalah matematik diskret yang kompleks. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!