DeepMind研發FunSearch　可用大型語言解決困難數學問題

記者／竹二

為了使用AI解決數學和電腦科學的相關難題，Google旗下人工智慧新創公司DeepMind發展出一種FunSearch方法，利用大型模型和評估器（Evaluator）搜尋數學和電腦科學領域問題的解法，目前成功解開Cap Set數學問題，同時還有效解決裝箱問題，能夠用於提高資料中心效率等應用。

DeepMind研發出FunSearch

根據DeepMind的說法，FunSearch的名稱指的是搜尋函式的系統，運作方式結合訓練過的大型語言模型提供創意的解決方案，以及自動評估器負責把關大型語言模型所提出的建議，避免出錯或是有任何不實的想法，藉由這兩個元件讓初始解決方案逐漸成熟最終成為新知識。

更多新聞：大型語言模型Gemini 　Google副總裁驚歎：非常驚人

FunSearch使用Google的PaLM 2模型，但也可以相容其他支援程式碼編寫的大型語言模型，使用者要先以程式碼的形式描述問題，以及初始程式碼池中的種子程式，系統會從當前的程式池中挑選程式輸入大型語言模型，然後生成具創造性的新程式，交由評估器自動評估，表現最佳的程式會重新加入到程式池中，重新開始另一次迭代。

FunSearch可解決數學、裝箱問題

數學和電腦科學的難題都可以使用FunSearch解決，組合數學（Combinatorics）是FunSearch特別擅長的領域。不過，Cap Set畢竟是純數學問題，FunSearch的實用性還需要有更實際的應用驗證，研究人員也成功使用FunSearch解決裝箱問題，所謂裝箱問題，是將不同大小物品放進最少數量的容器，在許多現實生活場景都會派上用場，像是貨櫃裝載或是是資料中心的計算任務分配等。

FunSearch提供一種新的解決方案，能夠自動生成針對特定情況調整的程式，在使用更少的容器打包相同數量物品的問題，超越現有的啟發式方法，與其他神經網路和增強學習的方法相比，FunSearch輸出程式碼易於檢查和部署，也就代表更容易被整合到實際工業系統中。

瀏覽 716 次