中新網(wǎng)北京12月15日電 (記者 孫自法)國際著(zhù)名學(xué)術(shù)期刊《自然》最新發(fā)表一篇人工智能研究論文稱(chēng)，研究人員報告了一種方法，他們利用一個(gè)大語(yǔ)言模型(LLM)對一個(gè)著(zhù)名的數學(xué)問(wèn)題作出了新發(fā)現，并通過(guò)系統的、迭代的評估框架確保正確。這一方法或可改進(jìn)LLM用來(lái)解決問(wèn)題和學(xué)習新知識的途徑。

　　該論文介紹，基于人工智能的工具(例如LLM)有望加速科學(xué)發(fā)現，解決長(cháng)久存在的問(wèn)題，但它們有時(shí)受制于“幻覺(jué)”，導致作出看似合理但錯誤的陳述。加入一個(gè)評估步驟，系統地衡量潛在解決方案的準確性，使得靠LLM幫助應對復雜問(wèn)題成為可能。這些問(wèn)題一般需要可驗證且定義明確，使這一工具在數學(xué)科學(xué)中有潛在價(jià)值。

　　論文第一作者和通訊作者、Google DeepMind的Bernardino Romera-Paredes和Alhussein Fawzi與同事及合作者一起提出一種方法，稱(chēng)為FunSearch(因為它搜索函數空間)，將一組產(chǎn)生創(chuàng )造性解決方案的LLM和一個(gè)作為檢查者以避免錯誤建議的評估程序結合起來(lái)。一個(gè)多次迭代此過(guò)程的演化方法，通過(guò)提供此前最佳解決辦法作為輸入來(lái)引導LLM，結果表明這種方法可以收斂到新的、可驗證的正確結果。他們將FunSearch應用到了著(zhù)名的上限集問(wèn)題(cap set problem，數學(xué)中涉及計數和排列領(lǐng)域的一個(gè)中心問(wèn)題)，發(fā)現了超越最著(zhù)名上限集的大上限集新構造。

　　論文作者認為，FunSearch的成功關(guān)鍵是它會(huì )尋找描述如何解決一個(gè)問(wèn)題的程序，而非尋找解決辦法。因為FunSearch的結果是程序，結果易于人類(lèi)解釋和驗證，這意味著(zhù)該方法有望激發(fā)該領(lǐng)域的進(jìn)一步思考。

　　他們補充指出，目前，這個(gè)方法可能還不適合所有類(lèi)型的挑戰，但通過(guò)未來(lái)改進(jìn)或可使FunSearch應用于更大范圍的問(wèn)題。(完)