什么是 DeepMind AlphaGeometry？
Posted: Tue Mar 18, 2025 5:39 am
我们正处于人工智能的激动人心的时代。自 2022 年底 ChatGPT 发布以来，人工智能行业踏上了一段迅速改变我们生活和工作方式的旅程。谷歌、微软、Meta、苹果和亚马逊等大型科技公司在正在进行的人工智能革命中发挥着关键作用。凭借巨额预算、计算资源和人才，这些公司不断推进尖端研究，努力引领人工智能竞赛。
到目前为止，除了OpenAI 的 Sora之外，2024 年最重要的 AI 突破可能是 Deepmind 的 AlphaGeometry。AlphaGeometry 由谷歌负责开发通用 AI 的分支机构DeepMind设计，是一种创新的 AI 系统，它结合了神经语言模型和符号推理引擎来解决复杂的几何问题。该模型被描述为奥林匹克级别的几何 AI 系统，为创建可在数学领域推广的高级 AI 系统的长期目标做出了重要贡献。
在本文中，我们将向您介绍 AlphaGeometry。我们将分析 AlphaGeometry 背后的动机、其工作原理以及 AlphaGeometry 最相关的用例。我们最终将得到一些关于 AlphaGeometry 对未来 AI 研究的影响的线索。
什么是 AlphaGeometry？
AlphaGeometry 是专为解决复杂几何问题而构 加拿大赌博数据 建的新一代人工智能系统。该系统采用新颖的逻辑推理设计方法，使其在几何相关任务中取得超越最先进成果的成果。
因此，与 OpenAI 的 ChatGPT 和谷歌的 Gemini 等可被视为通用 AI 模型的 AI 工具相反，AlphaGeometry 是一个特定领域的 AI 模型。
代码和模型以及合成数据生成和训练中使用的方法（参见下一部分）均根据开源许可发布。
为了测试 AlphaGeometry 的性能，Google Deepmind 的研究人员准备了一组基准几何问题，这些问题是从 2000 年至 2022 年期间历届国际数学奥林匹克竞赛(IMO) 中汇编而来。
国际数学奥林匹克 (IMO) 是一项年度锦标赛，聚集了来自各个国家的优秀高中生来解决数学问题，包括几何领域的问题。
AlphaGeometry 能够在比赛时间限制内解答 30 道选定问题中的 25 道，超越了之前 AI 系统的最佳结果，并接近人类金牌得主的平均得分，如下图所示。基准测试的设计和结果可以在《自然》杂志上发表的一篇专门论文中找到。
来源：谷歌
AlphaGeometry 如何工作？
AlphaGeometry 成功的关键在于其混合的（几何）问题解决方法。虽然现代大型语言模型（LLM），如 OpenAI 的 ChatGPT 和 Google 的 Gemini，擅长检测模式，但它们往往无法进行精确推理。
Google DeepMind 试图通过将神经语言模型与专门用于代数和几何推理的符号推理引擎相结合来克服这一限制。神经语言模型有助于提供快速、直观的想法和解决方案。相比之下，基于可以轻松解释和验证的形式逻辑语句的符号模型可以根据第一个模型返回的初步想法提供更慎重、更合理的决策。
为了更好地了解 AlphaGeometry 的工作原理，我们首先必须了解 IMO 几何问题的性质。这些问题基于图表，需要添加新的几何结构（例如点、线和圆）才能解决。
当 AlphaGeometry 遇到这些问题之一时，它首先使用其语言模型来预测从无数种可能性中添加哪些新构造最有用。这些线索有助于填补空白，并允许符号引擎对图表进行进一步推断并接近解决方案。整个过程如下所示：
到目前为止，除了OpenAI 的 Sora之外，2024 年最重要的 AI 突破可能是 Deepmind 的 AlphaGeometry。AlphaGeometry 由谷歌负责开发通用 AI 的分支机构DeepMind设计，是一种创新的 AI 系统，它结合了神经语言模型和符号推理引擎来解决复杂的几何问题。该模型被描述为奥林匹克级别的几何 AI 系统，为创建可在数学领域推广的高级 AI 系统的长期目标做出了重要贡献。
在本文中，我们将向您介绍 AlphaGeometry。我们将分析 AlphaGeometry 背后的动机、其工作原理以及 AlphaGeometry 最相关的用例。我们最终将得到一些关于 AlphaGeometry 对未来 AI 研究的影响的线索。
什么是 AlphaGeometry？
AlphaGeometry 是专为解决复杂几何问题而构 加拿大赌博数据 建的新一代人工智能系统。该系统采用新颖的逻辑推理设计方法，使其在几何相关任务中取得超越最先进成果的成果。
因此，与 OpenAI 的 ChatGPT 和谷歌的 Gemini 等可被视为通用 AI 模型的 AI 工具相反，AlphaGeometry 是一个特定领域的 AI 模型。
代码和模型以及合成数据生成和训练中使用的方法（参见下一部分）均根据开源许可发布。
为了测试 AlphaGeometry 的性能，Google Deepmind 的研究人员准备了一组基准几何问题，这些问题是从 2000 年至 2022 年期间历届国际数学奥林匹克竞赛(IMO) 中汇编而来。
国际数学奥林匹克 (IMO) 是一项年度锦标赛，聚集了来自各个国家的优秀高中生来解决数学问题，包括几何领域的问题。
AlphaGeometry 能够在比赛时间限制内解答 30 道选定问题中的 25 道，超越了之前 AI 系统的最佳结果，并接近人类金牌得主的平均得分，如下图所示。基准测试的设计和结果可以在《自然》杂志上发表的一篇专门论文中找到。
来源：谷歌
AlphaGeometry 如何工作？
AlphaGeometry 成功的关键在于其混合的（几何）问题解决方法。虽然现代大型语言模型（LLM），如 OpenAI 的 ChatGPT 和 Google 的 Gemini，擅长检测模式，但它们往往无法进行精确推理。
Google DeepMind 试图通过将神经语言模型与专门用于代数和几何推理的符号推理引擎相结合来克服这一限制。神经语言模型有助于提供快速、直观的想法和解决方案。相比之下，基于可以轻松解释和验证的形式逻辑语句的符号模型可以根据第一个模型返回的初步想法提供更慎重、更合理的决策。
为了更好地了解 AlphaGeometry 的工作原理，我们首先必须了解 IMO 几何问题的性质。这些问题基于图表，需要添加新的几何结构（例如点、线和圆）才能解决。
当 AlphaGeometry 遇到这些问题之一时，它首先使用其语言模型来预测从无数种可能性中添加哪些新构造最有用。这些线索有助于填补空白，并允许符号引擎对图表进行进一步推断并接近解决方案。整个过程如下所示：