AlphaGeometry 合成数据生成过程。a，我们首先对一大组随机定理前提进行采样。b，我们使用符号演绎引擎来获得演绎闭包。这将返回语句的有向无环图。对于图中的每个节点，我们执行回溯以找到其最小的必要前提和依赖项扣除集。c， 最小前提和相应的子图构成一个合成问题及其解。在下面的示例中，尽管与 HA 和 BC 的构造无关，但 E 点和 D 点参与了证明;因此，它们被语言模型作为辅助结构学习。图片来源：自然（2024）。DOI： 10.1038/s41586-023-06747-5

谷歌DeepMind的一组人工智能研究人员与纽约大学的一位同事合作，开发了一种名为AlphaGeometry的人工智能系统，该系统已经证明了在高层次上解决复杂几何问题的能力。

在他们发表在《自然》杂志上的论文中，该小组描述了他们的新人工智能系统以及他们在开发过程中使用的想法。《自然》杂志的团队还发布了一个播客，概述了新的人工智能系统。

证明数学定理可能是一项具有挑战性的工作，能够做好这项工作的人被认为是高等教育机构的宝贵资产，在某些情况下，还被认为是谷歌等公司的宝贵资产。因此，已经建立了一种识别这些人的方法——国际数学奥林匹克竞赛。它被描述为高中生的世界数学锦标赛。

由于将数学用于许多现代应用（例如计算机系统的设计）存在许多固有的困难，计算机科学家一直希望人工智能系统能够解决复杂的数学问题和/或证明定理。不幸的是，到目前为止，人工智能系统的表现并没有达到预期的水平。然而，在这项新研究中，DeepMind的团队现在已经创建了一个名为AlphaGeometry的人工智能系统，该系统可以在国际数学奥林匹克竞赛中获得金牌的学生的水平上竞争。

为了创建AlphaGeometry，研究团队使用了一种新方法。他们没有试图教系统如何使用多个示例来证明定理，而是使用了一种神经语言模型，允许系统进行自我训练。这是通过综合数百万个具有不同复杂程度的已知定理和证明来完成的。他们还添加了一个符号推演引擎，以帮助系统在没有人类帮助的情况下学习和解决日益复杂的问题。

然后，研究人员通过给2002年至2020年期间国际数学奥林匹克竞赛中学生面临的30个问题来测试他们的新系统，发现它能够解决其中的25个问题，比以前的人工智能系统要好得多。他们指出，它的表现与比赛中的平均金牌得主不相上下。

研究小组指出，该系统目前被编程为与特定形式的几何图形一起工作，但建议它可能能够将其曲目扩展到其他领域。

原文标题：DeepMind's AI system AlphaGeometry able to solve complex geometry problems at a high level

原文链接：https://techxplore.com/news/2024-01-deepmind-ai-alphageometry-complex-geometry.html

原文作者：Bob Yirka , Tech Xplore

编译：LCR