先週、ベトナム人博士課程学生のTrinh Hoang Trieuさんが、ニューヨーク大学でAIによる問題解決をテーマにした博士論文を無事に審査しました。この研究は、Google DeepMindの2人の科学者、Le Viet Quoc博士とLuong Thang博士の協力により、Nature誌に掲載されました。

AlphaGeometry は、2000 年から 2022 年までのオリンピック幾何学問題 30 問のうち 25 問を解きました。金メダリストの平均スコアは 25.9 で、1970 年代に開発されたコンピュータ数学システムの 10 問を大きく上回りました。

近年、Google DeepMindは数学に関連した数多くのAI研究プロジェクトを進めています。そのため、機械学習を評価する基準としてオリンピックレベルの問題が用いられます。

エディンバラ大学の数学史家マイケル・バラニー氏によると、アルファジオメトリーの研究は「人間のレベルで自動的に推論する能力における画期的な出来事」だという。

12歳でオリンピックの金メダルを獲得したカリフォルニア大学の数学者テレンス・タオ氏は、このAIシステムを「素晴らしい成果」と呼び、その結果は「驚くべきもの」だと語った。

一方、研究著者のTrinh Hoang Trieu氏は、数学的推論は推論の一形態に過ぎないが、検証が容易であるという利点があると述べた。 「数学は真実の言語です」とベトナムの医師は言った。 「AIシステムを開発したい場合、特に高い安全性が求められるアプリケーションでは、ユーザーが信頼できる真実を見つけることができる、信頼できるAIを構築する必要があります。」

AlphaGeometry は、ニューラル ネットワーク言語モデル (ChatGPT に似ていますが、規模は小さい) とシンボリック エンジン (論理コンピューターのように人工推論に特化) を組み合わせ、幾何学を理解できるように微調整されたシステムです。

このアルゴリズムの特別な点は、何もないところから解決策を生成する能力があることです。一方、現在の AI モデルは、人間が見つけた既存の解決策や類似の解決策を探す必要があります。

この結果は、人間のフィードバックなしで 1 億個の幾何学的例に基づいてトレーニングされたニューラル ネットワークに基づいています。問題に取り組み始めるときは、まずシンボリック ツールが機能します。ツールが障害に遭遇した場合、ニューラル アルゴリズムは証明の議論を強化する方法を提案します。このループは、時間切れ（4 時間半）になるか問題が解決されるまで継続されます。

コレージュ・ド・フランスの認知神経科学の専門家、スタニスラス・ドゥハーン氏は、アルファジオメトリーのパフォーマンスには感銘を受けたものの、同システムは「解決している問題について何も認識していなかった」と述べた。言い換えれば、このアルゴリズムは画像の論理エンコードと算術エンコードのみを処理します。 「円、線、三角形の空間認識力がありません。」

ルオン・タン博士は、この「感覚」要素は、GoogleのGemini AIプラットフォームを使用して今年追加される可能性があると述べた。

（ワシントンポストによると）

ダボスでの議論は生成的 AI が中心セールスフォース、マイクロソフト、グーグルなど大手テクノロジー企業がその実力を誇示する中、人工知能 (AI) の急速な発展が世界経済フォーラムでの非公開および公開の議論の中心となった。