DeepMind的人工智能找到了困扰人类数十年的数学难题新解法——比人类更聪明

DeepMind使用了一个大型语言模型（LLM）来解决人类最困难的数学问题之一，这一突破可能预示着人工智能发展的新时代的来临。

这个模型被称为FunSearch，它找到了所谓的“cap set puzzle”问题的解决方案。这个几十年来一直存在的数学难题基本上涉及在画线连接点的同时，你可以在纸上放置多少个点，而且这些点之间不能形成三个点构成的直线。

如果这让你头疼，不用担心。重要的是要注意到，这个问题从未被解决过，研究人员只在小维度上找到了解决方案。

直到今日，FunSearch成功地发现了大型cap set的新构造，远远超过了已知的最佳构造。虽然LLM并没有一劳永逸地解决cap set问题（与一些新闻标题中所传言的相反），但它确实找到了科学上的新事实。

“据我们所知，这是首次使用LLM进行科学发现，也是对一个臭名昭著的科学问题的新的可验证的知识片段。”研究人员在本周发表在《自然》杂志上的论文中写道。

在之前的实验中，研究人员使用大型语言模型来解决已知解的数学问题。

FunSearch通过将一个预训练的LLM（在本例中是Google的PaLM 2的一个版本）与一个自动化的“评估器”结合起来工作。这个事实核查器可以防止虚假信息的产生。

LLM经常产生所谓的“幻觉”，基本上就是它们编造虚假信息并将其呈现为事实。这自然而然地限制了它们在进行可验证的科学发现方面的实用性。然而，伦敦实验室的研究人员声称，使用内置的事实核查器使FunSearch与众不同。

FunSearch在LLM和评估器之间进行持续的反复交互，这个过程将初始解转化为新的知识。

这个工具对科学家来说还有一个很有希望的特点，就是它输出的程序可以展示其解决方案的构造方式，而不仅仅是解决方案本身。

“我们希望这可以激发使用FunSearch的科学家们进一步的洞见，推动一个改进和发现的良性循环。”研究人员说道。