दीपमाइंड के एआई ने आईएमओ स्वर्ण पदक विजेता
Google DeepMind के नवीनतम AI, Alphageometry2 ने अंतर्राष्ट्रीय गणितीय ओलंपियाड (IMO) में ज्यामिति की समस्याओं को हल करने में औसत स्वर्ण पदक विजेता से बेहतर प्रदर्शन करके लहरें बनाई हैं। पहले से जारी अल्फेगोमेट्री का यह उन्नत संस्करण, पिछले जनवरी में शुरू किया गया था, कथित तौर पर आईएमओ प्रतियोगिताओं के पिछले 25 वर्षों से 84% ज्यामिति समस्याओं को हल किया।
आपको आश्चर्य हो सकता है कि डीपमाइंड एक हाई स्कूल गणित प्रतियोगिता पर ध्यान केंद्रित क्यों कर रहा है। खैर, वे मानते हैं कि इन चुनौतीपूर्ण यूक्लिडियन ज्यामिति समस्याओं को क्रैक करना अधिक उन्नत एआई विकसित करने के लिए एक कदम पत्थर हो सकता है। इन समस्याओं को हल करने के लिए तार्किक तर्क और विभिन्न समाधान पथों के माध्यम से नेविगेट करने की क्षमता दोनों की आवश्यकता होती है, कौशल जो भविष्य के सामान्य-उद्देश्य एआई सिस्टम के लिए महत्वपूर्ण हो सकते हैं।
इस गर्मी में, डीपमाइंड ने एक प्रणाली को दिखाया, जिसमें अल्फैगोमेट्री 2 को अल्फप्रोफ के साथ जोड़ा गया, एक और एआई मॉडल जिसे औपचारिक गणित तर्क के लिए डिज़ाइन किया गया था। साथ में, उन्होंने 2024 IMO से छह में से चार समस्याओं का सामना किया। यह दृष्टिकोण संभवतः जटिल इंजीनियरिंग गणना की तरह गणित और विज्ञान के अन्य क्षेत्रों में ज्यामिति से परे हो सकता है।
Alphageometry2 कुछ प्रमुख घटकों द्वारा संचालित है, जिसमें Google के मिथुन परिवार से एक भाषा मॉडल और "प्रतीकात्मक इंजन" शामिल है। मिथुन मॉडल प्रतीकात्मक इंजन की सहायता करता है, जो ज्यामिति प्रमेय के लिए व्यवहार्य प्रमाण बनाने में समाधान खोजने के लिए गणितीय नियमों को लागू करता है।
एक IMO परीक्षा में एक विशिष्ट ज्यामिति समस्या आरेख। image क्रेडिट: Google (एक नई विंडो में खुलता है)
IMO में, ज्यामिति की समस्याओं को अक्सर "निर्माण" जैसे बिंदुओं, रेखाओं, या हलकों को हल करने से पहले आरेखों में जोड़ने की आवश्यकता होती है। Alphageometry2 का मिथुन मॉडल भविष्यवाणी करता है कि कौन से निर्माण सहायक हो सकता है, कटौती करने के लिए प्रतीकात्मक इंजन का मार्गदर्शन करता है।
यहां बताया गया है कि यह कैसे काम करता है: मिथुन मॉडल एक औपचारिक गणितीय भाषा में चरणों और निर्माणों का सुझाव देता है, जिसे इंजन फिर तार्किक स्थिरता के लिए जांचता है। Alphageometry2 एक साथ कई समाधान पथों का पता लगाने के लिए एक खोज एल्गोरिथ्म का उपयोग करता है और एक साझा ज्ञान आधार में संभावित उपयोगी निष्कर्षों को संग्रहीत करता है।
एक समस्या को "हल" माना जाता है जब Alphageometry2 मिथुन मॉडल के सुझावों को एक पूर्ण प्रमाण बनाने के लिए प्रतीकात्मक इंजन के ज्ञात सिद्धांतों के साथ जोड़ता है।
प्रयोग करने योग्य ज्यामिति प्रशिक्षण डेटा की कमी के कारण, डीपमाइंड ने Alphageometry2 के भाषा मॉडल को प्रशिक्षित करने के लिए सिंथेटिक डेटा बनाया, जिससे 300 मिलियन से अधिक प्रमेय और अलग -अलग जटिलता के प्रमाण उत्पन्न हुए।
डीपमाइंड टीम ने 2000 से 2024 तक फैले IMO प्रतियोगिताओं से 45 ज्यामिति समस्याओं पर Alphageometry2 का परीक्षण किया, जिसे उन्होंने 50 समस्याओं में विस्तारित किया। Alphageometry2 ने इनमें से 42 को हल किया, औसत स्वर्ण पदक विजेता स्कोर को 40.9 से पार कर गया।
हालाँकि, Alphageometry2 की अपनी सीमाएँ हैं। यह समस्याओं की एक चर संख्या, nonlinear समीकरणों और असमानताओं से जुड़ी समस्याओं से जूझता है। हालांकि यह ज्यामिति में स्वर्ण पदक-स्तरीय प्रदर्शन तक पहुंचने वाला पहला एआई नहीं है, यह इतनी बड़ी समस्या सेट के साथ ऐसा करने वाला पहला है।
जब 29 आईएमओ-नामांकित समस्याओं के एक कठिन सेट के साथ सामना किया गया है जो अभी तक प्रतियोगिताओं में दिखाई नहीं दिया है, तो Alphageometry2 केवल 20 को हल कर सकता है।
अध्ययन के परिणामों से एआई सिस्टम के निर्माण के लिए सबसे अच्छे दृष्टिकोण के बारे में आगे बहस की संभावना है। क्या हमें प्रतीक हेरफेर पर ध्यान केंद्रित करना चाहिए, जहां एआई ज्ञान का प्रतिनिधित्व करने वाले प्रतीकों में हेरफेर करने के लिए नियमों का उपयोग करता है, या तंत्रिका नेटवर्क पर, जो मानव मस्तिष्क की संरचना की नकल करते हैं और डेटा से सीखते हैं?
Alphageometry2 एक हाइब्रिड दृष्टिकोण लेता है, जो नियम-आधारित प्रतीकात्मक इंजन के साथ मिथुन मॉडल के तंत्रिका नेटवर्क वास्तुकला का संयोजन करता है।
तंत्रिका नेटवर्क के समर्थकों का तर्क है कि बुद्धिमान व्यवहार बड़ी मात्रा में डेटा और कंप्यूटिंग शक्ति से उभर सकता है। इसके विपरीत, प्रतीकात्मक एआई समर्थकों का मानना है कि यह ज्ञान को एन्कोडिंग, जटिल परिदृश्यों के माध्यम से तर्क देने और समाधानों की व्याख्या करने के लिए बेहतर अनुकूल है।
एआई में विशेषज्ञता वाले एक कार्नेगी मेलन यूनिवर्सिटी कंप्यूटर साइंस के प्रोफेसर विंस कॉनिट्जर ने आईएमओ जैसे बेंचमार्क पर प्रभावशाली प्रगति और सरल कॉमन्सस समस्याओं के साथ भाषा मॉडल के चल रहे संघर्षों के बीच विपरीत पर टिप्पणी की। उन्होंने इन प्रणालियों और उनके द्वारा किए गए जोखिमों को बेहतर ढंग से समझने की आवश्यकता पर जोर दिया।
Alphageometry2 का सुझाव है कि प्रतीक हेरफेर और तंत्रिका नेटवर्क का संयोजन सामान्य रूप से एआई की तलाश में एक आशाजनक तरीका हो सकता है। दिलचस्प बात यह है कि दीपमाइंड टीम ने पाया कि Alphageometry2 का भाषा मॉडल प्रतीकात्मक इंजन की मदद के बिना समस्याओं के आंशिक समाधान उत्पन्न कर सकता है, भविष्य में आत्मनिर्भर बनने के लिए भाषा मॉडल के लिए क्षमता पर संकेत देता है।
हालांकि, टीम ने कहा कि जब तक भाषा मॉडल की गति में सुधार नहीं होता है और मतिभ्रम हल नहीं हो जाते हैं, तब तक प्रतीकात्मक इंजन जैसे उपकरण गणित के अनुप्रयोगों के लिए आवश्यक रहेंगे।
संबंधित लेख
억만장자들이 이번 주 AI 업데이트에서 일자리 자동화에 대해 논의하다
안녕하세요, TechCrunch의 AI 뉴스레터에 다시 오신 것을 환영합니다! 아직 구독하지 않으셨다면, 매주 수요일마다 받은 편지함으로 바로 배달받을 수 있도록 여기를 클릭해 구독하세요.지난주에는 잠시 쉬었지만, 그럴만한 이유가 있었습니다—중국의 AI 회사 DeepSeek의 갑작스러운 급부상 덕분에 AI 뉴스 사이클이 뜨거웠습니다. 정신없는 시간이였지만,
NotebookLM 앱 출시: AI 기반 지식 도구
NotebookLM 모바일 출시: 이제 Android와 iOS에서 만나는 AI 연구 보조 도구NotebookLM에 대한 여러분의 뜨거운 반응에 깊이 감사드립니다. 수백만 사용자가 복잡한 정보를 이해하는 필수 도구로 NotebookLM을 선택해주셨습니다. 하지만 가장 많이 받은 요청은 바로 "언제 모바일에서 사용할 수 있나
Imagen 4: 구글 최신 AI 이미지 생성기
구글이 최신 이미지 생성 AI 모델 '이마젠 4(Imagen 4)'를 공개하며 전작 대비 향상된 시각적 경험을 약속했습니다. 이번 주 초 구글 I/O 2025에서 발표된 이 신형 모델은 품질과 다용도성 측면에서 큰 도약으로 평가받고 있습니다. 구글에 따르면 이마젠 4는 직물 표면, 물방울, 동물 털 같은 정교한 디테일 구
सूचना (25)
0/200
![HarryPerez]()
HarryPerez
12 अप्रैल 2025 12:00:00 पूर्वाह्न GMT
DeepMind's AlphaGeometry2 beating IMO gold medalists is mind-blowing! It's amazing to see AI tackling such complex problems. But, does it really understand geometry, or is it just pattern matching? Either way, it's a huge step forward for AI in education!
0
![JackSanchez]()
JackSanchez
12 अप्रैल 2025 12:00:00 पूर्वाह्न GMT
DeepMindのAlphaGeometry2がIMOの金メダリストを上回るなんて驚きです！AIがこんなに複雑な問題に取り組むのを見るのは素晴らしいです。でも、本当に幾何学を理解しているのか、それともただのパターンマッチングなのか？どちらにしても、教育におけるAIの大きな一歩ですね！
0
![HenryJackson]()
HenryJackson
11 अप्रैल 2025 12:00:00 पूर्वाह्न GMT
DeepMind의 AlphaGeometry2가 IMO 금메달리스트를 능가하다니 놀랍네요! AI가 이렇게 복잡한 문제를 다루는 걸 보는 건 정말 멋져요. 하지만 정말 기하학을 이해하는 건지, 아니면 단순히 패턴 매칭을 하는 건지 궁금해요. 어쨌든 교육에서의 AI 발전에 큰 걸음이에요!
0
![HarryRoberts]()
HarryRoberts
11 अप्रैल 2025 12:00:00 पूर्वाह्न GMT
O AlphaGeometry2 da DeepMind superar os medalhistas de ouro do IMO é impressionante! É incrível ver a IA lidando com problemas tão complexos. Mas, será que ela realmente entende geometria, ou é apenas correspondência de padrões? De qualquer forma, é um grande avanço para a IA na educação!
0
![BillyRoberts]()
BillyRoberts
10 अप्रैल 2025 12:00:00 पूर्वाह्न GMT
¡Que AlphaGeometry2 de DeepMind supere a los medallistas de oro del IMO es alucinante! Es increíble ver a la IA abordando problemas tan complejos. Pero, ¿realmente entiende la geometría, o solo está haciendo coincidencia de patrones? De cualquier manera, es un gran paso adelante para la IA en la educación!
0
![AlbertHarris]()
AlbertHarris
14 अप्रैल 2025 12:00:00 पूर्वाह्न GMT
DeepMind's AlphaGeometry2 is mind-blowing! It's solving geometry problems better than IMO gold medalists. I used it to help with my math homework and it was spot on! The only thing is, it's a bit too advanced for casual users like me. Still, it's a solid 4 out of 5. 📚
0
Google DeepMind के नवीनतम AI, Alphageometry2 ने अंतर्राष्ट्रीय गणितीय ओलंपियाड (IMO) में ज्यामिति की समस्याओं को हल करने में औसत स्वर्ण पदक विजेता से बेहतर प्रदर्शन करके लहरें बनाई हैं। पहले से जारी अल्फेगोमेट्री का यह उन्नत संस्करण, पिछले जनवरी में शुरू किया गया था, कथित तौर पर आईएमओ प्रतियोगिताओं के पिछले 25 वर्षों से 84% ज्यामिति समस्याओं को हल किया।
आपको आश्चर्य हो सकता है कि डीपमाइंड एक हाई स्कूल गणित प्रतियोगिता पर ध्यान केंद्रित क्यों कर रहा है। खैर, वे मानते हैं कि इन चुनौतीपूर्ण यूक्लिडियन ज्यामिति समस्याओं को क्रैक करना अधिक उन्नत एआई विकसित करने के लिए एक कदम पत्थर हो सकता है। इन समस्याओं को हल करने के लिए तार्किक तर्क और विभिन्न समाधान पथों के माध्यम से नेविगेट करने की क्षमता दोनों की आवश्यकता होती है, कौशल जो भविष्य के सामान्य-उद्देश्य एआई सिस्टम के लिए महत्वपूर्ण हो सकते हैं।
इस गर्मी में, डीपमाइंड ने एक प्रणाली को दिखाया, जिसमें अल्फैगोमेट्री 2 को अल्फप्रोफ के साथ जोड़ा गया, एक और एआई मॉडल जिसे औपचारिक गणित तर्क के लिए डिज़ाइन किया गया था। साथ में, उन्होंने 2024 IMO से छह में से चार समस्याओं का सामना किया। यह दृष्टिकोण संभवतः जटिल इंजीनियरिंग गणना की तरह गणित और विज्ञान के अन्य क्षेत्रों में ज्यामिति से परे हो सकता है।
Alphageometry2 कुछ प्रमुख घटकों द्वारा संचालित है, जिसमें Google के मिथुन परिवार से एक भाषा मॉडल और "प्रतीकात्मक इंजन" शामिल है। मिथुन मॉडल प्रतीकात्मक इंजन की सहायता करता है, जो ज्यामिति प्रमेय के लिए व्यवहार्य प्रमाण बनाने में समाधान खोजने के लिए गणितीय नियमों को लागू करता है।
IMO में, ज्यामिति की समस्याओं को अक्सर "निर्माण" जैसे बिंदुओं, रेखाओं, या हलकों को हल करने से पहले आरेखों में जोड़ने की आवश्यकता होती है। Alphageometry2 का मिथुन मॉडल भविष्यवाणी करता है कि कौन से निर्माण सहायक हो सकता है, कटौती करने के लिए प्रतीकात्मक इंजन का मार्गदर्शन करता है।
यहां बताया गया है कि यह कैसे काम करता है: मिथुन मॉडल एक औपचारिक गणितीय भाषा में चरणों और निर्माणों का सुझाव देता है, जिसे इंजन फिर तार्किक स्थिरता के लिए जांचता है। Alphageometry2 एक साथ कई समाधान पथों का पता लगाने के लिए एक खोज एल्गोरिथ्म का उपयोग करता है और एक साझा ज्ञान आधार में संभावित उपयोगी निष्कर्षों को संग्रहीत करता है।
एक समस्या को "हल" माना जाता है जब Alphageometry2 मिथुन मॉडल के सुझावों को एक पूर्ण प्रमाण बनाने के लिए प्रतीकात्मक इंजन के ज्ञात सिद्धांतों के साथ जोड़ता है।
प्रयोग करने योग्य ज्यामिति प्रशिक्षण डेटा की कमी के कारण, डीपमाइंड ने Alphageometry2 के भाषा मॉडल को प्रशिक्षित करने के लिए सिंथेटिक डेटा बनाया, जिससे 300 मिलियन से अधिक प्रमेय और अलग -अलग जटिलता के प्रमाण उत्पन्न हुए।
डीपमाइंड टीम ने 2000 से 2024 तक फैले IMO प्रतियोगिताओं से 45 ज्यामिति समस्याओं पर Alphageometry2 का परीक्षण किया, जिसे उन्होंने 50 समस्याओं में विस्तारित किया। Alphageometry2 ने इनमें से 42 को हल किया, औसत स्वर्ण पदक विजेता स्कोर को 40.9 से पार कर गया।
हालाँकि, Alphageometry2 की अपनी सीमाएँ हैं। यह समस्याओं की एक चर संख्या, nonlinear समीकरणों और असमानताओं से जुड़ी समस्याओं से जूझता है। हालांकि यह ज्यामिति में स्वर्ण पदक-स्तरीय प्रदर्शन तक पहुंचने वाला पहला एआई नहीं है, यह इतनी बड़ी समस्या सेट के साथ ऐसा करने वाला पहला है।
जब 29 आईएमओ-नामांकित समस्याओं के एक कठिन सेट के साथ सामना किया गया है जो अभी तक प्रतियोगिताओं में दिखाई नहीं दिया है, तो Alphageometry2 केवल 20 को हल कर सकता है।
अध्ययन के परिणामों से एआई सिस्टम के निर्माण के लिए सबसे अच्छे दृष्टिकोण के बारे में आगे बहस की संभावना है। क्या हमें प्रतीक हेरफेर पर ध्यान केंद्रित करना चाहिए, जहां एआई ज्ञान का प्रतिनिधित्व करने वाले प्रतीकों में हेरफेर करने के लिए नियमों का उपयोग करता है, या तंत्रिका नेटवर्क पर, जो मानव मस्तिष्क की संरचना की नकल करते हैं और डेटा से सीखते हैं?
Alphageometry2 एक हाइब्रिड दृष्टिकोण लेता है, जो नियम-आधारित प्रतीकात्मक इंजन के साथ मिथुन मॉडल के तंत्रिका नेटवर्क वास्तुकला का संयोजन करता है।
तंत्रिका नेटवर्क के समर्थकों का तर्क है कि बुद्धिमान व्यवहार बड़ी मात्रा में डेटा और कंप्यूटिंग शक्ति से उभर सकता है। इसके विपरीत, प्रतीकात्मक एआई समर्थकों का मानना है कि यह ज्ञान को एन्कोडिंग, जटिल परिदृश्यों के माध्यम से तर्क देने और समाधानों की व्याख्या करने के लिए बेहतर अनुकूल है।
एआई में विशेषज्ञता वाले एक कार्नेगी मेलन यूनिवर्सिटी कंप्यूटर साइंस के प्रोफेसर विंस कॉनिट्जर ने आईएमओ जैसे बेंचमार्क पर प्रभावशाली प्रगति और सरल कॉमन्सस समस्याओं के साथ भाषा मॉडल के चल रहे संघर्षों के बीच विपरीत पर टिप्पणी की। उन्होंने इन प्रणालियों और उनके द्वारा किए गए जोखिमों को बेहतर ढंग से समझने की आवश्यकता पर जोर दिया।
Alphageometry2 का सुझाव है कि प्रतीक हेरफेर और तंत्रिका नेटवर्क का संयोजन सामान्य रूप से एआई की तलाश में एक आशाजनक तरीका हो सकता है। दिलचस्प बात यह है कि दीपमाइंड टीम ने पाया कि Alphageometry2 का भाषा मॉडल प्रतीकात्मक इंजन की मदद के बिना समस्याओं के आंशिक समाधान उत्पन्न कर सकता है, भविष्य में आत्मनिर्भर बनने के लिए भाषा मॉडल के लिए क्षमता पर संकेत देता है।
हालांकि, टीम ने कहा कि जब तक भाषा मॉडल की गति में सुधार नहीं होता है और मतिभ्रम हल नहीं हो जाते हैं, तब तक प्रतीकात्मक इंजन जैसे उपकरण गणित के अनुप्रयोगों के लिए आवश्यक रहेंगे।
억만장자들이 이번 주 AI 업데이트에서 일자리 자동화에 대해 논의하다
안녕하세요, TechCrunch의 AI 뉴스레터에 다시 오신 것을 환영합니다! 아직 구독하지 않으셨다면, 매주 수요일마다 받은 편지함으로 바로 배달받을 수 있도록 여기를 클릭해 구독하세요.지난주에는 잠시 쉬었지만, 그럴만한 이유가 있었습니다—중국의 AI 회사 DeepSeek의 갑작스러운 급부상 덕분에 AI 뉴스 사이클이 뜨거웠습니다. 정신없는 시간이였지만,
NotebookLM 앱 출시: AI 기반 지식 도구
NotebookLM 모바일 출시: 이제 Android와 iOS에서 만나는 AI 연구 보조 도구NotebookLM에 대한 여러분의 뜨거운 반응에 깊이 감사드립니다. 수백만 사용자가 복잡한 정보를 이해하는 필수 도구로 NotebookLM을 선택해주셨습니다. 하지만 가장 많이 받은 요청은 바로 "언제 모바일에서 사용할 수 있나
Imagen 4: 구글 최신 AI 이미지 생성기
구글이 최신 이미지 생성 AI 모델 '이마젠 4(Imagen 4)'를 공개하며 전작 대비 향상된 시각적 경험을 약속했습니다. 이번 주 초 구글 I/O 2025에서 발표된 이 신형 모델은 품질과 다용도성 측면에서 큰 도약으로 평가받고 있습니다. 구글에 따르면 이마젠 4는 직물 표면, 물방울, 동물 털 같은 정교한 디테일 구
12 अप्रैल 2025 12:00:00 पूर्वाह्न GMT
DeepMind's AlphaGeometry2 beating IMO gold medalists is mind-blowing! It's amazing to see AI tackling such complex problems. But, does it really understand geometry, or is it just pattern matching? Either way, it's a huge step forward for AI in education!
0
12 अप्रैल 2025 12:00:00 पूर्वाह्न GMT
DeepMindのAlphaGeometry2がIMOの金メダリストを上回るなんて驚きです！AIがこんなに複雑な問題に取り組むのを見るのは素晴らしいです。でも、本当に幾何学を理解しているのか、それともただのパターンマッチングなのか？どちらにしても、教育におけるAIの大きな一歩ですね！
0
11 अप्रैल 2025 12:00:00 पूर्वाह्न GMT
DeepMind의 AlphaGeometry2가 IMO 금메달리스트를 능가하다니 놀랍네요! AI가 이렇게 복잡한 문제를 다루는 걸 보는 건 정말 멋져요. 하지만 정말 기하학을 이해하는 건지, 아니면 단순히 패턴 매칭을 하는 건지 궁금해요. 어쨌든 교육에서의 AI 발전에 큰 걸음이에요!
0
11 अप्रैल 2025 12:00:00 पूर्वाह्न GMT
O AlphaGeometry2 da DeepMind superar os medalhistas de ouro do IMO é impressionante! É incrível ver a IA lidando com problemas tão complexos. Mas, será que ela realmente entende geometria, ou é apenas correspondência de padrões? De qualquer forma, é um grande avanço para a IA na educação!
0
10 अप्रैल 2025 12:00:00 पूर्वाह्न GMT
¡Que AlphaGeometry2 de DeepMind supere a los medallistas de oro del IMO es alucinante! Es increíble ver a la IA abordando problemas tan complejos. Pero, ¿realmente entiende la geometría, o solo está haciendo coincidencia de patrones? De cualquier manera, es un gran paso adelante para la IA en la educación!
0
14 अप्रैल 2025 12:00:00 पूर्वाह्न GMT
DeepMind's AlphaGeometry2 is mind-blowing! It's solving geometry problems better than IMO gold medalists. I used it to help with my math homework and it was spot on! The only thing is, it's a bit too advanced for casual users like me. Still, it's a solid 4 out of 5. 📚
0
