Google a enseigné à une IA les règles géométriques de base. C’est tellement bon que ça pourrait gagner l’Olympiade de mathématiques.
L’intelligence artificielle est alimentée par les données. Plus ils disposent d’informations, plus ils peuvent tirer des conclusions. Mais les humains sont également très doués pour la pensée abstraite ou spatiale. UN type de raisonnement ce qui pour nous est naturel mais coûte plus cher à implémenter dans un algorithme.
Les problèmes complexes de géométrie et de mathématiques sont un exemple de défi pour l’IA, en raison du manque d’ensemble de données et du manque de compétences en raisonnement spatial. Mais petit à petit, les chercheurs font en sorte que l’IA apprenne d’elle-même, même dans des problèmes où, de par sa nature, cela n’est pas si facile.
Au niveau des génies mathématiques
Google DeepMind a publié dans la revue Nature ses résultats avec AphaGeometry, un modèle d’intelligence artificielle capable de résoudre des problèmes géométriques complexes. directement en concurrence avec le vainqueur des Olympiades internationales de mathématiques.
Sur les 30 problèmes proposés dans le cadre du principal concours mathématique mondial, Alpha Geometry a réussi à en résoudre 25, surpassés seulement par Ngô Bảo Châu, lauréat de la médaille Fields et champion olympique.
Jusqu’à présent, l’intelligence artificielle était loin derrière, ne résolvant que 10 des 30 problèmes mathématiques avancés.
AlphaGeometry combine des idées de base intuitives avec un moteur de déduction logique basé sur des règles. Initialement, il a reçu un ensemble de problèmes basique, avec une douzaine de règles géométriques. Et comme s’il s’agissait de Ramanujan lui-même, il a « découvert » davantage de preuves mathématiques par lui-même. Comme l’explique DeepMind, AlphaGeometry a généré jusqu’à 100 millions de preuves mathématiques, en utilisant des étapes logiques de base.
« Trouver des solutions aux problèmes de mathématiques olympiques ça marche un peu comme les échecs dans le sens où nous avons un nombre assez réduit de mouvements sensés à chaque étape », explique Ngô Bảo Châu.
Malgré ce succès, DeepMind reconnaît qu’AlphaGeometry n’est qu’une première étape. La vérification que l’intelligence artificielle est également capable de faire face à des problèmes mathématiques complexes même si elle ne dispose pas d’une base de données suffisamment volumineuse. Comme pour les échecs, l’IA elle-même est capable de générer un vaste ensemble de ses propres données simplement en lui donnant des instructions de base.
À Simseo | Bard n’était pas très bon en mathématiques et en programmation. Jusqu’à ce que Google écoute un prix Nobel
