Google DeepMind e il sistema AI AlphaGeometry: una rivoluzione nella risoluzione dei problemi di geometria

La Geometria è una sfida per l'intelligenza artificiale

In un'epoca dove l'intelligenza artificiale (AI) sta vivendo una crescita esponenziale, Google DeepMind ha recentemente segnato un traguardo significativo.

Il loro nuovo sistema AI, AlphaGeometry, ha dimostrato di poter risolvere problemi di geometria complessi, un passo avanti verso il raggiungimento di capacità di ragionamento più umane nelle macchine, come affermato dagli esperti del settore.

La geometria, e più ampiamente la matematica, hanno sempre rappresentato una sfida per i ricercatori di AI.

A differenza dei modelli AI basati su testo, i dati di addestramento per la matematica sono meno disponibili, essendo il linguaggio matematico simbolico e specifico del dominio, come spiega Thang Luong, coautore della ricerca pubblicata su Nature.

La risoluzione dei problemi matematici richiede un ragionamento logico, una capacità in cui molti attuali modelli AI non eccellono. Ecco perché la matematica rappresenta un benchmark importante per misurare i progressi nell'intelligenza AI.

Un'evoluzione enorme verso l'affidabilità dell'intelligenza artificiale

Il programma di DeepMind, AlphaGeometry, unisce un modello linguistico ad un motore simbolico AI, il quale utilizza simboli e regole logiche per fare deduzioni. Mentre i modelli linguistici sono bravi a riconoscere schemi e prevedere i passaggi successivi in un processo, il loro ragionamento manca della rigore necessario per la risoluzione di problemi matematici. D'altra parte, il motore simbolico si basa esclusivamente su logica formale e regole rigorose, consentendo di guidare il modello linguistico verso decisioni razionali.

Questi due approcci, responsabili rispettivamente del pensiero creativo e del ragionamento logico, lavorano insieme per risolvere difficili problemi matematici, imitando strettamente il modo in cui gli esseri umani affrontano problemi di geometria, combinando la loro comprensione esistente con sperimentazioni esplorative.

DeepMind ha testato AlphaGeometry su 30 problemi di geometria del livello di difficoltà dell'Olimpiade Internazionale di Matematica, una competizione per i migliori studenti liceali in matematica.

Il sistema ha completato 25 problemi entro il limite di tempo. Il precedente sistema all'avanguardia, sviluppato dal matematico cinese Wen-Tsün Wu nel 1978, ne aveva completati solo 10.

DeepMind afferma che questo sistema dimostra la capacità dell'AI di ragionare e scoprire nuove conoscenze matematiche.

"Questo è un altro esempio che rafforza l'idea di come l'AI possa aiutarci a progredire nella scienza e a comprendere meglio i processi sottostanti che determinano il funzionamento del mondo", ha dichiarato Quoc V. Le, scienziato di Google DeepMind e uno degli autori della ricerca, in una conferenza stampa.

Quando si presenta ad AlphaGeometry un problema di geometria, il sistema tenta prima di generare una dimostrazione utilizzando il suo motore simbolico, guidato dalla logica. Se non riesce a farlo solo con il motore simbolico, il modello linguistico aggiunge un nuovo punto o una linea al diagramma, aprendo ulteriori possibilità per il motore simbolico di continuare la ricerca di una prova.

Questo ciclo continua, con il modello linguistico che aggiunge elementi utili e il motore simbolico che testa nuove strategie di prova, fino a trovare una soluzione verificabile.

Per addestrare il modello linguistico di AlphaGeometry, i ricercatori hanno dovuto creare i propri dati di addestramento per compensare la scarsità di dati geometrici esistenti.

Hanno generato quasi mezzo miliardo di diagrammi geometrici casuali e li hanno inseriti nel motore simbolico. Questo motore ha analizzato ogni diagramma e prodotto affermazioni sulle sue proprietà. Queste affermazioni sono state organizzate in 100 milioni di dimostrazioni sintetiche per addestrare il modello linguistico.

Roman Yampolskiy, professore associato di scienze informatiche e ingegneria presso l'Università di Louisville, che non era coinvolto nella ricerca, afferma che la capacità di AlphaGeometry mostra un significativo avanzamento verso capacità di problem solving più "sofisticate e umane" nelle macchine.

Un passo avanti per l'uso dell'intelligenza artificiale nel mondo dell'architettura

"Oltre alla matematica, le sue implicazioni si estendono a campi che si basano sulla risoluzione di problemi geometrici, come la visione artificiale, l'architettura e anche la fisica teorica", ha detto Yampoliskiy.

Tuttavia, c'è spazio per miglioramenti.

Mentre AlphaGeometry può risolvere problemi trovati nella matematica "elementare", resta incapace di affrontare i tipi di problemi avanzati e astratti insegnati all'università.

"I matematici sarebbero davvero interessati se l'AI potesse risolvere problemi che vengono posti nella matematica di ricerca, magari avendo nuove intuizioni matematiche", ha detto van Doorn.

Luong afferma che l'obiettivo è applicare un approccio simile a campi matematici più ampi. "La geometria è solo un esempio per dimostrare che siamo sull'orlo di un'AI capace di ragionamento profondo", dice.

Che cosa è Google DeepMind

Google DeepMind è l'innovativa divisione di Big G nata dalla fusione di Google Brain e DeepMind, i due laboratori dell'azienda che si occupano di ricerca e sviluppo in materia di intelligenza artificiale.

In un contesto come quello attuale, dove le tecnologie basate sull'AI stanno crescendo in maniera esponenziale, è chiaro che anche il colosso di Mountain View voglia dire la propria al riguardo, concentrando i propri sforzi in questa direzione nel tentativo di eguagliare (e forse scavalcare) una concorrenza piuttosto agguerrita.

DeepMind affonda le sue radici nel 2014, diventando gradualmente una delle divisioni più importanti dell’azienda.

Non sorprende quindi il fatto che a distanza di quasi 10 anni e con un contesto relativo alle AI sempre più mutevole, Google voglia “riordinare le idee” e investire di più in questo senso.

Google Brain, invece, è un dipartimento composto da un team di ingegneri e ricercatori che, già nel 2017, si stava occupando di modelli generativi per analizzare grandi quantità di dati impiegati per stimare risposte probabilistiche a un dato quesito.

Con questa fusione, dunque, l’intento del colosso della tecnologia è quello di racchiudere nello stesso posto tutte le migliori menti in materia di intelligenza artificiale e non solo, garantendo loro l’accesso all’infrastruttura e alle potenzialità di Google. Un modo per lavorare a pieno regime a tutti quei progetti che potrebbero essere usati in futuro dalla società e non solo.

Naturalmente il dipartimento Google DeepMind lavorerà perfettamente in sincronia anche con i diversi servizi offerti dall’azienda in modo da tracciare una direzione coerente per la ricerca e per tutte le (eventuali) applicazioni future nei vari ambiti in cui lavora Google.

Conclusioni: La Trasformazione Rivoluzionaria di Google DeepMind e le Sfide Future dell'Intelligenza Artificiale

Il progresso compiuto da Google DeepMind con il sistema AI AlphaGeometry non è solo un traguardo tecnologico, ma un passo fondamentale verso una nuova era dell'intelligenza artificiale.

La capacità di risolvere problemi di geometria complessi apre possibilità entusiasmanti in settori dove la dimensione, la funzionalità e l'estetica sono essenziali, come nella progettazione architettonica e urbanistica.

In quest'ambito, l'AI promette di coniugare efficienza, sostenibilità e performance estetiche, trasformando radicalmente il modo in cui pensiamo e realizziamo gli spazi in cui viviamo.

Questa evoluzione dell'AI, che oggi ci permette di generare contenuti creativi come poesie o racconti basati su temi specifici, potrebbe presto estendersi all'ideazione e al design, diventando uno strumento prezioso non solo per la verifica, ma anche per la creazione.

L'AI inizia a mostrare un potenziale che va oltre il semplice supporto tecnico, entrando nel regno della creatività e dell'innovazione.

La strada intrapresa da Google DeepMind è indicativa di un cambiamento più ampio nel panorama tecnologico. Dieci anni di investimenti intensivi e la creazione di mezzo miliardo di esercizi di geometria per lo sviluppo di AlphaGeometry sottolineano la scala e la serietà dell'impegno nel campo dell'AI. Tuttavia, questo livello di investimento segnala anche una potenziale concentrazione di potere tecnologico nelle mani di pochi centri di innovazione.

La prospettiva di un monopolio tecnologico da parte di poche aziende solleva questioni importanti sulla distribuzione equa delle risorse innovative e sull'accesso alle tecnologie avanzate.

Inoltre, non possiamo ignorare le implicazioni in termini di sostenibilità ambientale. Il consumo energetico di sistemi AI avanzati come AlphaGeometry è notevole. Se già un'auto a guida autonoma consuma fino al 30% di energia in più rispetto a un'auto manuale, possiamo solo immaginare il fabbisogno energetico necessario per alimentare sistemi AI su larga scala.

Questo pone sfide significative in termini di sostenibilità energetica e impatto ambientale che dovranno essere affrontate con urgenza.

In conclusione, mentre i progressi di Google DeepMind nell'intelligenza artificiale sono fonte di entusiasmo e ammirazione, dobbiamo anche considerare attentamente le sfide che accompagnano questi sviluppi. La distribuzione equa del potere tecnologico, la sostenibilità ambientale e l'impatto sull'occupazione umana sono questioni cruciali che richiedono una risposta responsabile e innovativa.

Solo affrontando queste sfide con un approccio olistico, possiamo garantire che i benefici dell'AI siano condivisi in modo equo e sostenibile, per il bene di tutti.

• "AlphaGeometry: An Olympiad-level AI system for geometry", DeepMind
• "Solving olympiad geometry without human demonstrations", by Trieu H. Trinh, Yuhuai Wu, Quoc V. Le, He He & Thang Luong, NATURE
• "Google DeepMind’s new AI system can solve complex geometry problems", By June Kim, MIT TR
• "Google DeepMind used a large language model to solve an unsolved math problem", By Will Douglas Heaven, MIT TR