AI抢攻人类奥赛金牌!DeepMind数学模型做对25道IMO几何题,GPT-4惨败得0分 siyushenqi.com • 2025 年 8 月 13 日 下午10:59 • 行业动态 • 阅读 417 今天,谷歌DeepMind的AlphaGeometry模型登上了Nature!30道IMO几何题中,它能做出25道,已经接近人类金牌选手的水平!而GPT-4,却一道题都没做出来,直接挂了零蛋。 谷歌DeepMind的AI智能体,又破纪录了! 这个名叫AlphaGeometry的AI系统,能做出国际数学奥林匹克(IMO)的30道几何题中的25道,这个表现,已经接近了人类的奥数金牌得主。 从此,AI在数学领域的推理能力再次实现史诗级升级,超越此前的最高水平。 这一研究已经登上Nature。 论文地址:https://www.nature.com/articles/s41586-023-06747-5 下面这道IMO大赛几何真题,曾经难倒了一大批参赛选手,而如今,AI却能把做出来了! 更特别的是,这个模型是靠合成数据训练出来的,而非通常使用的真实数据。 训练过程是这样的:先初始生成了十亿个随机几何图形,全面分析每个图形中点和线的所有关系。 随后,AlphaGeometry找出了每个图形中所有的证明,并反向追溯出为得到这些证明所需添加的额外几何元素(如果有的话)。 就这样,AlphaGeometry结合了神经语言模型和符号演绎引擎的优势,已经形成了一个神经符号系统。 两个系统中一个提供快速提供直觉式的想法,另一个负责更谨慎理性的决策。一个大胆假设,一个小心求证,不断改进方案,为复杂的几何定理找到证明。 而合成数据的思路,也为大模型语料不足的问题,提供了崭新的出路。 网友惊呼:这简直就是创造了历史! OpenAI研究科学家,德扑AI之父Noam Brown表示,「祝贺GoogleDeepMind团队取得这个成绩!看到AI在高等数学方面取得了如此大的进步,令人兴奋」。 真题实测 话不多说,我们直接上真题。 已知等腰三角形ABC中,AB和AC的边长相等,求证:∠ABC=∠BCA。 等腰三角形的底角相等,这是学过初中数学的人都知道的常识(等腰定理1),可是要怎么证明? AlphaGeometry的做法是,通过运行符号推理引擎,来启动证明搜索。 这个引擎会从定理前提中不知疲倦地推导出新语句,直到定理被证明,或新语句被穷尽。 但如果符号引擎无法找到证明,语言模型就会构造一个辅助点,在符号引擎重试之前增加证明状态。 如是循环,一直到找到解决方案为止。 比如,在第一个辅助构造「D作为BC的中点」之后,环路终止了。 随后就开始证明过程,证明由另外两个步骤组成,这两个步骤都利用了中点的特性:「BD = DC」,「B,D,C是共线的」。 此后不断循环,直至证明∠ABC=∠BCA。 与此同时,2015年IMO的P3,也被AlphaGeometry轻松搞定。 如果要做对这道题,需要构建三个辅助点。 在这两种解决方案中,研究者将语言模型的输出(蓝色)和符号引擎输出交错排列,反映出了执行顺序。(具体证明过程见论文) 甚至,AlphaGeometry还在IMO 2004 P1中,发现了未被使用的前提。 由于提取最小前提所需的回溯算法,AlphaGeometry识别了一个对证明工作来说不必要的前提:O不必是BC的中点,P、B、C 就是共线。 其中,右上是原始定理图,底部是广义定理图,其中O从其中点位置释放出来,而P仍然停留在直线BC上。 原始问题要求P介于B和C之间,这是广义定理和解决方案无法保证的条件。但AlphaGeometry就解决了这一点。 此外,在做2008年IMO P6的证明题中,AlphaGeometry却失败了。这是所有30个问题集中最难的一个,人类平均得分仅为0.28/7。 值得一提的是,北大韦神曾连续两届以满分拿下了IMO 2008、IMO 2009的金牌。 为什么考AI要用奥数题 怎么评价一个AI系统的数学和逻辑推理能力够不够强? 那自然是给它上最难的数学题,比如IMO的原题。 毕竟,能参加国际数学奥林匹克竞赛的,都是全世界数学最优秀的高中生,可以说代表了全人类的最高水平。 所以这一次测试,也可以看作AI和人类的对决! 专家们从2000年至2022年间的IMO竞赛题中,选出了30道,组成了IMO-AG-30基准测试集,然后在限定的比赛时间内,让「选手」们展开对决。 对决结果是,谷歌DeepMind的AlphaGeometry,已经接近了IMO金牌选手的水平。 人类金牌选手平均能解出25.9道题,而AlphaGeometry能解出25道,可以说已经无限逼近人类。 而此前的SOTA AI系统「吴氏方法」,仅能解出10道题。 除了吴氏方法,在AlphaGeometry与其他最先进的方法比较中,30道IMO试题,GPT-4一道也不会做,直接得了0分! 要知道,以前的AI智能体在处理复杂的数学问题时,时常受困于推理能力不足,以及训练数据的缺乏。 但AlphaGeometry的不同之处在于,它结合了结合了神经语言模型的预测力,和基于规则的推理引擎,让这两个系统协同作业,从而寻找解决方案。 研究者还开发了一种方法,可以生成大量的合成训练数据——高达1亿个独特样本。 这样,就可以在有效解决数据不足的问题,在不依赖人类示范的情况下训练AlphaGeometry。 通过AlphaGeometry,我们可以看出AI在逻辑推理、发现和验证新知识方面的能力,在不断增强。 今天,AI已经可以做出奥林匹克级别的几何题,再过一段时间,可能就会出现更高级、更通用的AI系统,直至某天出现AGI。 现在,谷歌DeepMind已经把AlphaGeometry的代码和模型开源,希望它们能和其他合成数据生成和训练的工具一起,为数学、科学和AI领域带来新的机遇。 项目地址:https://github.com/google-deepmind/alphageometry 几何证明双重buff:大模型+符号推理引擎 具体来说,AlphaGeometry是由2个主要组件构成的神经符号系统(neuro-symbolic system): 1. 神经语言模型 2. 符号推理引擎 这个AI系统便是通过以上两个部分协同工作,实现复杂的几何定理证明。 谷歌DeepMind团队在此引用了「思考:快与慢」这本书中的理念。 「这有点像我们的『直觉思维』和『逻辑思维』:一个系统提供快速,基于直觉的想法,而另一个系统则进行更为缜密、基于逻辑的决策」。 这里,神经语言模型就是「系统1」,擅长发现数据中的普遍模式和关系,能够迅速预见到可能有帮助的几何构造。 然而,它们往往不擅长严密的推理,也不能解释自己的决策过程。 符号推理引擎则不同,可以看作是「系统2」。 它们基于形式逻辑(formal logic),按照明确的规则得出结论,这些结论既合乎逻辑又能解释清楚。 不过,符号推理引擎在解决大型、复杂问题,可能会显得「缓慢」且不够灵活。 AlphaGeometry在解决一个简单问题时的过程:首先,给定问题及其定理假设(左图),AlphaGeometry(中图)利用其符号引擎对图形进行逻辑推理,从而推导出新的结论,直至找到答案或无法进一步推导。如果答案未找到,AlphaGeometry的语言模型就会引入一个潜在有助于解题的新图形元素(以蓝色表示),为符号引擎提供新的推理途径。这个过程会不断重复,直到找到问题的解决方案(右图)。在这个示例中,仅需加入一个新的图形元素。 AlphaGeometry语言模型的作用就在于,指引符号推理引擎寻找解决几何问题的可能路径。 一般来说,IMO级别的几何题往往基于图表,需要在图表中添加新的几何元素,比如点、线或圆,才能找到解答。 AlphaGeometry的语言模型能够预测,在无限可能中哪些新元素最有助于解题。这些提示有助于补全信息的空缺,使得符号引擎能够对图表做出更多推断,并逐步逼近正确答案。 举个栗子,AlphaGeometry解决了2015年国际数学奥林匹克竞赛第三题(如下),右边是解题过程的精华部分。 整个解题的过程,共计109步逻辑推理。 图中的蓝色部分表示新增加的图形元素 此外,谷歌团队还让AlphaGeometry去解决IMO 2005的P3,共用了110步完成。 完整解题步骤:https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/alphageometry-an-olympiad-level-ai-system-for-geometry%20/AlphaGeometry%20solution.pdf 1亿个合成数据,从0训练AI AlphaGeometry解决数学的能力如此强悍,而更让人震惊的是:仅用合成数据从0开始完成训练。 正如谷歌DeepMind所言,因为缺乏训练数据,AI系统一直难以解决棘手的几何问题。 对此,研究人员采用了「合成数据」的技术,模拟知识积累过程,无需任何人类演示教学,从0基础开始训练AlphaGeometry。 如下图所示,便是通过合成数据生成的随机图形的部分示例。 谷歌使用了10万个CPU,最初生成了10亿个几何对象的随机图,并对每个图表中的点和线条之间的所有关系进行了全面的推导(运行符号演算和回溯过程用了3-4天)。 AlphaGeometry合成数据生成过程 AlphaGeometry不仅找到了每个图表中的所有证明,还逆向追溯,确定为了得出这些证明需要增加哪些图形构造。 研究人员将这个过程称为「符号演绎与追溯」。 AlphaGeometry生成合成数据的可视化 在这庞大的数据集中经过筛选,剔除重复的样本,最终获得了1亿个涵盖不同难度级别的独特训练样本的数据集。 其中,还包含了900万个附加构造的样本。 AlphaGeometry的语言模型通过分析这些构造,如何帮助完成证明的众多案例,能够在处理奥林匹克级几何题时,提供有效建议,设计出新的几何构造。 对生成的合成数据的分析 IMO金牌得主盛赞,AI开创数学推理先河 AlphaGeometry针对IMO赛题给出的解答,都通过了计算机验证。 谷歌DeepMind将成果与先前的AI方法,以及奥林匹克竞赛中的人类选手表现进行了比较。 AlphaGeometry证明步与IMO参与者在不同问题上的平均得分 值得一提的是,他们还请来数学教练及IMO金牌得主Evan Chen评审了AlphaGeometry的部分解答。 AlphaGeometry的输出结果令人称赞,它不仅可以经得起验证,而且表述清晰。以前的AI在解决证明类竞赛题目时,其解答有时候不够可靠(输出结果时对时错,需要人类进行核查)。AlphaGeometry不会出现这样的问题:它的解答具备可由机器验证的结构。 即使如此,它的输出也便于人类理解。原本可以设想的是,一款计算机程序通过暴力破解坐标系统来解决几何题目,那将是一连串枯燥的代数运算。但AlphaGeometry并非如此,它采用的是学生们所学的传统几何规则,包括角度和相似三角形的知识。 每场IMO竞赛中,共有6道题目,通常只有2道与几何有关。 因此,AlphaGeometry只能在大约三分之一的奥赛题目中发挥作用。 尽管如此,它在几何领域的能力,已足以让它成为「世界上首个通过2000年和2015年国际数学奥林匹克铜牌标准的AI模型」。 在几何题解决方面,AlphaGeometry已经接近IMO金牌选手的水平。 谷歌DeepMind称自己的野心不止于此,还希望推动下一代AI系统在推理方面的发展。 从0开始,利用大规模合成数据对AI系统进行训练,这种方法有望影响未来AI系统在数学和其他领域的新知识发现范式。 其实,在构造出AlphaGeometry系统之前,谷歌DeepMind和Google Research在AI数学推理上,做了大量的奠基性工作。 此前,谷歌DeepMind就曾推出FunSearch,打破了LLM首次在数学领域未解之谜上取得发现的纪录。 而谷歌DeepMind的长期目标,就是打造能跨越不同数学领域、具备解决复杂问题、能够进行高级推理的AI系统,直到实现AGI。 网友:AGI 奇点临近 AlphaGeometry诞生,堪比AlphaFold、AlphaCode等「阿尔法家族」面世在AI领域掀起的巨震。 与此同时,「合成数据」的重要性和潜力也愈加凸显。 Google DeepMind联合创始人兼首席AGI科学家Shane Legg称,「我还依稀记得1990年Christchurch的New Zealand IMO训练营里试图解决疯狂的几何难题,现在看到人工智能在这方面变得如此出色,我有点震惊!AGI越来越近了」。 昨天,UCLA博士生Pan Lu关于数学推理基准MathVista研究被ICLR 2024接收为Oral论文。 在看到谷歌最新研究后,他表示,「2021年,我们探索了几何学的早期研究:我们的InterGPS,一个神经符号求解器,第一次达到了人类的平均水平。现在,AlphaGeometry标志着历史性的突破:获得了奥林匹克级别的技能!」 有网友表示,这简直就是一个大事件。数学推理可以延伸到物理学,物理学也可以延伸到化学和生物学。未来几年,人工智能可能会主导研究。奇点正在逼近。 大多数在职的数学家都无法做到这一点,尤其是在规定的时间内。仅用合成数据进行训练,表明数学没有数据瓶颈。因为我们可以轻松地生成无限高质量的合成数据。 英伟达机器学习科学家Shengyang Sun好奇地问,「这些合成问题会在IMO 2024出现吗」? CMU机器学习博士Jing Yu Koh表示,「2024年是合成数据年!我非常喜欢几何领域,因为你有办法将其与现实世界相结合,以确保合成数据的有效性」。 相关阅读外贸展会后怎么跟进客户?72小时、7天、30天的完整SOP网易辟谣:王怡未离职,部分营销团队并入事业部OpenAI内部信"摊牌":微软联盟已成枷锁,将押注亚马逊合作突围哔哩哔哩首次全年盈利、友谊时光靠女性向小游戏扬眉吐气丨9家游戏公司财报深度拆解群核科技开启全球招股;众擎机器人完成2亿美元B轮融资;红熊AI完成2.1亿元A轮融资丨投融资周报需要日本PayPal代付;社交APP伊拉克支付提现渠道;收巴西各类流量;海外买量|私域神器每周合作精选No.201一周要闻NO.195丨恶意软件入侵谷歌商店;9家游戏公司财报深度拆解;非洲市场又一电商巨头退场;Meta首个"超级智能"模型亮相微软或考虑将《使命召唤》移出Xbox Game Pass泡泡玛特进军巴西:先打假冒伪劣智元机器人,一分为四! 本文源自「私域神器」,发布者:siyushenqi.com,转载请注明出处:https://www.siyushenqi.com/33438.html 赞 (0) 打赏 微信扫一扫 支付宝扫一扫 0 0 生成海报 关于作者 siyushenqi.com 关注私信 13.9K 文章 0 评论 425 问题 18 粉丝 私域神器:海外私域营销拓客软件 谷歌裁员3万人大逃杀,数百员工已被AI淘汰!IMF主席断言全球40%岗位遭冲击,1/5码农悬了 上一篇 2025 年 8 月 13 日 下午10:59 送走CES,迎接超级碗,出海的中国品牌们想真正让世界看见 下一篇 2025 年 8 月 13 日 下午10:59 相关推荐 行业动态 快手电商,“用户”为王? 万亿GMV后,快手电商如何布局? siyushenqi.com 2025 年 8 月 6 日 417000 行业动态 手盟网络、singular确认入驻PAGC 2024 | 第四届全球产品与增长展会! 恭喜手盟网络、singular作为展商入驻第四届全球产品与增长展会。 siyushenqi.com 2025 年 8 月 18 日 552000 行业动态 利润大幅增长,美团是如何做到的? 核心本地业务更赚钱了,新业务亏损减少,再加上主要竞争对手抖音的攻势放缓,美团实现了利润的高增长。 siyushenqi.com 2025 年 8 月 5 日 435000 EVA崩坏3梦幻联动 鬼灭票房日本登顶 | 二次元周报 欢迎收看本周的二次元周报,接下来让我们一起回顾过去一周海外内二次元产业的相关信息吧。 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 484000 跨境电商“厂二代”出海记:一个产品,曾经只赚2美金,现在却能赚20美金 我幻想着自己叱咤投融资行业,成为翻云覆雨的投行高手。”顶尖商业精英的经历还没坚持半年,一个杭州来电将她拉回现实:家里工厂几近半停滞状态,要赶紧回家继承家业 siyushenqi.com 2025 年 8 月 13 日 • 行业动态 430000 行业动态 WhatsApp蓝标号赋能跨境电商品牌国际化路径 WhatsApp蓝标号提升品牌信任度 促进客户互动与沟通 支持多语言服务 增强品牌国际形象 助力市场拓展与销售增长 WhatsApp蓝标号提升品牌信任度 WhatsApp蓝标号是一项认证功能,它通过为品牌账号提供一个明显的蓝色标识,增强品牌的信任度。对于跨境电商而言,这项功能尤其重要,因为它向客户展示该品牌的真实性和专业性。许多消费者在选择跨境电商品牌时,信… siyushenqi.com 2025 年 8 月 13 日 下午10:59 417000 行业动态 百度想让坚持长期主义的大模型创业者,站着把钱挣了 行业内对大模型商业价值的讨论从硬件销售转向了应用层面的盈利潜力。 siyushenqi.com 2025 年 8 月 13 日 430000 虽迟但到,这款热度过亿的IP手游悄悄开了国服账号? 我们发现官方近期悄悄地在TapTap和微博上开通了账号,其游戏名也正式定为《七人传奇:光与暗之交战》(下文简称七大罪光影),这一举动让不少人猜测,国服似乎离我们不远了。 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 605000 行业动态 狂揽460亿,那个很能打的腾讯游戏回来了! 在上半年初步复苏后,腾讯在Q3的多项业务特别是游戏业务迎来了全面回暖。 siyushenqi.com 2025 年 8 月 18 日 459000 行业动态 史上最贵!首个AI Agent程序员商业化,比ChatGPT Pro贵2倍 Devin作为全球首个AI Agent程序员,今天凌晨1点宣布全面开放使用,实现商业化。 siyushenqi.com 2025 年 8 月 13 日 555000 行业动态 一周要闻NO.146丨泡泡玛特发生最大组织架构变化;《恋与制作人》日服将停更;京东出海平台杀入欧洲;腾讯领投机器人独角兽 一起看看这周有哪些出海圈值得关注的大事记吧! siyushenqi.com 2025 年 8 月 14 日 442000 Steam“双星闪耀”热度堪比自走棋:中国开发商为何甘心当玩家? 一只小巧的亚马逊蝴蝶轻轻扇动几下翅膀,却能在两周后的得克萨斯州引起一场巨大的龙卷风。 siyushenqi.com 2025 年 8 月 26 日 • 行业动态 469000 直播互动游戏的前世、今生以及未来 修勾夜店在为人们带来“上头”体验之余,也将“直播互动游戏”这个品类重新带回了我们的视野。我们不妨闲话几句,看看直播互动游戏的前世今生,以及现在它发展得如何,未来又会带给我们什么。 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 528000 行业动态 AI音乐的下半场,谁能够真正上岸? AI音乐经历野蛮生长后进入分化期,从依赖爆款到比拼专业深度,技术升级与产业融合成决胜关键。 siyushenqi.com 2026 年 2 月 10 日 300000 行业动态 2022年英国跨境网购消费趋势报告 2022年英国跨境网购消费趋势报告 siyushenqi.com 2025 年 8 月 12 日 373000 行业动态 不受TikTok风波影响,月下载逆势增长224%,CapCut“贵替”深得美国人心 短视频+AI风口之下,视频制作迎来新机遇。 siyushenqi.com 2025 年 8 月 13 日 504000 土耳其为何是TikTok的第三大市场? 2020年10月,抖音及海外版TikTok在全球App Store和Google Play吸金超过1.15亿美元。 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 614000 行业动态 Sea GroupQ2财报:游戏与电商拉动总收入同比增长93.4% 前身为东南亚最大游戏代理商Garena的Sea Group于8月18日发布了其2020年第二季度财报。 siyushenqi.com 2025 年 8 月 26 日 501000 Steam年度大奖公布:R星《荒野大镖客2》获年度最佳 近日经过玩家们的投票,Steam公布了2020 年 Steam 大奖的获奖名单 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 564000 行业动态 LiblibAI融资1.3亿美金,红杉CMC领投 LiblibAI刚完成1.3亿美元B轮,创今年国内AI应用公开融资最高金额,由红杉中国、CMC资本与一家大厂战投联合领投。 siyushenqi.com 2025 年 10 月 23 日 505000 行业动态 沙特本土首个一件代发电商平台,你听说过吗? 沙特出现了首个本地的一件代发平台,为电商从业者提供直接运输服务的最可靠选择。 siyushenqi.com 2025 年 8 月 13 日 463000 登顶多国免费榜,Zynga能否依靠超休闲游戏重回巨头行列 近期Zynga旗下的超休闲游戏在全球多个市场表现亮眼,不仅在海外市场成绩优秀,在国内市场中夺得了App Store免费榜第一名。 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 440000 行业动态 大卖都在做!国产冲锋衣热销海外 从原来被年轻人嫌弃的“丑衣服”到如今的“真香”定律,冲锋衣是彻底火了。 siyushenqi.com 2025 年 8 月 12 日 421000 行业动态 出海用户留存提升技巧:长期价值最大化方法 优化用户体验 提供个性化服务 建立社区互动 定期反馈收集 数据分析与应用 优化用户体验 在全球化竞争日益激烈的环境下,用户体验是确保长期留存的核心因素。优化用户体验意味着要从用户的角度出发,设计出既满足需求又具备高效操作性的产品。通过简化界面设计、减少加载时间、提升响应速度以及增加个性化功能,企业能够显著提升用户的使用满意度。 例如,某全球电商平台通过改进用… siyushenqi.com 2025 年 8 月 13 日 下午10:59 417000 行业动态 Adjust 中国区销售负责人 Juno Zhu 确认担任 PAGC 2025丨第五届全球产品与增长展会 短剧出海增长峰会演讲嘉宾 Adjust 中国区销售负责人 Juno Zhu 确认担任 PAGC 2025丨第五届全球产品与增长展会 短剧出海增长峰会演讲嘉宾 siyushenqi.com 2025 年 8 月 17 日 487000 Gacha Club美国免费榜第5,欧美玩家喜欢这种二次元? 以IP为核心,不知不觉之中已经成为中国乃至全世界游戏企业的共识,而反观红爆2019年的盲盒,刺激的神秘感早已是在游戏中自立IP的存在,那便是“Gacha”。 siyushenqi.com 2025 年 8 月 26 日 • 行业动态 446000 行业动态 6天销量800万狂赚1亿美金 10个人研发的幻兽帕鲁给我们什么启发? 裁缝界楷模。 siyushenqi.com 2025 年 8 月 18 日 518000 《罗马:全面战争》重置版评测:令人矛盾的经典回归 对大部分全面战争系列的玩家而言,总有心中不可替代的早期经典作品。 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 509000 行业动态 亚马逊低价电商新棋局,独立APP全球狙击Temu,胜算几何? 成熟市场用站内频道 Amazon Haul(Prime 快送+低价),新兴市场甩出独立 App Amazon Bazaar(2–10 美元、最长 14 天配送)。 siyushenqi.com 2025 年 11 月 20 日 440000 行业动态 月下载60万+,重庆厂商推出的情侣应用圈粉巴西、印尼,海外恋爱应用市场还有多大潜力? 巴西、印尼小情侣“新宠”。 siyushenqi.com 2025 年 11 月 28 日 345000 发表回复 请登录后评论...登录后才能评论 提交