Siga o Olhar Digital no Google Discover
A DeepMind, divisão de inteligência artificial (IA) do Google, criou um sistema de IA capaz de resolver problemas complexos de geometria. É um passo significativo em direção a máquinas com habilidades de raciocínio mais semelhantes às humanas, segundo especialistas.
Ofertas
Por: R$ 39,90
Por: R$ 678,90
Por: R$ 112,40
Por: R$ 2.288,93
Por: R$ 1.998,89
Por: R$ 2.498,89
Por: R$ 491,92
Por: R$ 129,90
Por: R$ 412,69
Por: R$ 593,00
Por: R$ 3.598,94
Por: R$ 499,00
Por: R$ 369,00
Por: R$ 1.616,02
Por: R$ 179,90
Por: R$ 3.099,00
Por: R$ 199,00
Por: R$ 166,19
Por: R$ 399,00
Por: R$ 132,00
Por: R$ 505,00
Para quem tem pressa:
- A DeepMind, divisão de inteligência artificial (IA) do Google, desenvolveu um sistema de IA, chamado AlphaGeometry, capaz de resolver problemas complexos de geometria – passo significativo em direção a máquinas com raciocínio mais próximo ao humano;
- A DeepMind testou o AlphaGeometry em problemas de geometria do nível da Olimpíada Internacional de Matemática, onde o sistema completou 25 de 30 problemas, resultado impressionante comparado ao sistema anterior, desenvolvido em 1978, que resolveu apenas dez;
- A matemática apresenta desafios únicos para a IA, principalmente pela falta de dados de treinamento e pela necessidade de raciocínio lógico e simbólico; Thang Wang, coautor da pesquisa, explica que esta é uma “arena” importante para medir o avanço da IA;
- O AlphaGeometry combina um modelo de linguagem com um motor simbólico, que utiliza símbolos e regras lógicas para deduzir soluções. Enquanto modelos de linguagem são bons em reconhecer padrões, o motor simbólico oferece o rigor necessário para resolver problemas matemáticos, imitando o processo humano de resolução de problemas geométricos.
Matemática, da qual geometria faz parte, tem desafiado pesquisadores de IA há algum tempo (lembra do auê sobre a “super IA” da OpenAI?). Comparado com modelos de IA baseados em texto, há significativamente menos dados de treinamento para matemática. Isso porque ela é orientada por símbolos e domínio específico, diz Thang Wang, coautor da pesquisa, publicada na revista Nature nesta quarta-feira (17).
Leia mais:
- IA traz riscos a democracias, diz presidente do STF em Davos
- Microsoft Copilot: o que é e como usar inteligência artificial?
- Google Gemini: como usar a nova inteligência artificial
Resolver problemas matemáticos requer raciocínio lógico, algo que a maioria dos modelos de IA atuais não tem. Essa demanda por raciocínio é a razão pela qual a matemática serve como importante “arena” para medir o progresso na inteligência de IA, explica Wang.
Nova IA do Google
O novo programa da DeepMind, chamado AlphaGeometry, combina modelo de linguagem a um tipo de IA chamado motor simbólico, que usa símbolos e regras lógicas para fazer deduções.
Modelos de linguagem – por exemplo: o “motor” do ChatGPT – são excelentes em reconhecer padrões e prever passos subsequentes. Mas seu raciocínio carece do rigor necessário para resolver problemas matemáticos. O motor simbólico, por outro lado, se baseia em lógica formal e regras estritas, o que permite guiá-lo para decisões racionais.
Essas duas abordagens, responsáveis por pensamento criativo e raciocínio lógico respectivamente, trabalham juntas para resolver problemas matemáticos difíceis. Isso imita o raciocínio humano por meio de problemas de geometria, combinando seu entendimento existente com experimentação exploratória.
Teste e treinamento
A DeepMind afirma que testou o AlphaGeometry em 30 problemas de geometria no mesmo nível de dificuldade encontrado na Olimpíada Internacional de Matemática, competição para os melhores estudantes de matemática do ensino médio. Ele completou 25 dentro do prazo. O sistema de última geração anterior, desenvolvido pelo matemático chinês Wen-Tsün Wu em 1978, completou apenas dez.
“Este é mais um exemplo que reforça como a IA pode nos ajudar a avançar na ciência e entender melhor os processos subjacentes que determinam como o mundo funciona”, disse Quoc V. Le, cientista da Google DeepMind e um dos autores da pesquisa, numa coletiva de imprensa.
Para treinar o modelo de linguagem do AlphaGeometry, os pesquisadores tiveram que criar seus próprios dados de treinamento para compensar a escassez de dados geométricos existentes. Eles geraram quase meio bilhão de diagramas geométricos aleatórios e os alimentaram ao motor simbólico. O “motor” analisou cada diagrama e produziu declarações sobre suas propriedades. Essas declarações foram organizadas em 100 milhões de provas sintéticas para treinar o modelo de linguagem.
Como a nova IA do Google funciona
O novo programa da DeepMind funciona assim:
- Quando apresentado a um problema de geometria, o AlphaGeometry primeiro tenta gerar uma prova usando seu motor simbólico, baseado em lógica;
- Se não conseguir fazer isso usando apenas o motor simbólico, o modelo de linguagem adiciona um novo ponto ou linha ao diagrama. Isso abre possibilidades adicionais para o motor simbólico continuar procurando por uma prova;
- Este ciclo continua, com o modelo de linguagem adicionando elementos úteis e o motor simbólico testando novas estratégias de prova, até que uma solução verificável seja encontrada.
Wang diz que o objetivo é aplicar uma abordagem semelhante a campos de matemática mais amplos. “Geometria é apenas um exemplo para demonstrar que estamos à beira da IA ser capaz de raciocinar profundamente”, diz ele.
Tags: