दीपमाइंड एआई स्कूली गणित की परीक्षा में फेल हो गया

लोकप्रिय विज्ञान और यहां तक ​​कि मनोरंजन मीडिया अब एआई परियोजनाओं की सफलता के बारे में समाचारों से अभिभूत हैं। या तो कृत्रिम बुद्धि एक व्यक्ति को जाने में हरा देती है, फिर स्टारक्राफ्ट खेलना सीखता है और मान्यता प्राप्त चैंपियंस के साथ लड़ाई से विजयी होता है। और यह केवल उपलब्धियों का एक छोटा सा हिस्सा है, वास्तव में, बहुत अधिक हैं। एक साधारण व्यक्ति (एक अर्थ में, आईटी क्षेत्र से संबंधित नहीं) सोच सकता है कि एक वास्तविक, "बड़ा" कृत्रिम बुद्धिमत्ता दिखाई देने वाली है, जिसके बारे में मैं विज्ञान कथा लिखता हूं और फिल्में बनाता हूं।

लेकिन सब कुछ इतने रसपूर्ण से दूर है। उदाहरण के लिए, दूसरे दिन ऐसी जानकारी थी कि एआई ने उच्च गणित (स्कूल परीक्षण, यूके के लिए मानक) में परीक्षा उत्तीर्ण करने की कोशिश की और ऐसा नहीं कर सका।

सिद्धांत रूप में, विफलता के कारणों को बहुत कठिनाई के बिना समझाया जा सकता है। तो, गणितीय समस्याओं को हल करने में एक व्यक्ति निम्नलिखित क्षमताओं और क्षमताओं को शामिल करता है।

संक्षेप में स्वयं के प्रतीकों को संशोधित करता है, जैसे कि संख्या, अंकगणितीय ऑपरेटर, चर (जो एक जटिल में कार्य करता है) और शब्द (एक प्रश्न को परिभाषित करना, एक कार्य का अर्थ, आदि)।

• योजना (उदाहरण के लिए, गणितीय समस्या को हल करने के लिए आवश्यक क्रम में रैंकिंग कार्य)।
• कार्यों (इसके अलावा, गुणन) की रचना के लिए सहायक एल्गोरिदम का उपयोग करना।
• मध्यवर्ती मूल्यों को संग्रहीत करने के लिए अल्पकालिक मेमोरी का उपयोग करना (जैसे एच (एफ (एक्स)))।
• पहले से अभ्यास में लाने से नियमों, परिवर्तनों, प्रक्रियाओं और स्वयंसिद्धों के बारे में ज्ञान प्राप्त हुआ।

DeepMind को विभिन्न प्रकार की गणितीय समस्याओं और समस्याओं के चयन पर प्रशिक्षित और परीक्षण किया गया था। डेवलपर्स ने क्राउडसोर्सिंग का उपयोग नहीं किया, इसके बजाय, उन्होंने बड़ी संख्या में परीक्षण कार्यों को उत्पन्न करने के लिए सेट डेटा को संश्लेषित किया, उनकी एकता को नियंत्रित किया, आदि। विकास टीम ने एक "मुक्त रूप" पाठ डेटा प्रारूप का उपयोग किया।

प्रारंभिक डेटा यूके के स्कूलों में छात्रों के लिए असाइनमेंट के चयन (16 वर्ष से कम) के कार्यों पर आधारित था। कार्यों को इस तरह की दिशाओं से लिया गया था जैसे कि अंकगणित, बीजगणित, संभाव्यता सिद्धांत, आदि।

DeepMind टीम, गणितीय समस्याओं को हल करने के लिए एक तंत्रिका नेटवर्क वास्तुकला का चयन, LSTM ( दीर्घकालिक अल्पकालिक मेमोरी ) और ट्रांसफार्मर (अनुक्रमों के साथ काम करने के लिए एक तंत्रिका नेटवर्क वास्तुकला) पर बसे।

DeepMind ने गणित की समस्याओं के साथ काम करने के लिए दो LSTM मॉडल का परीक्षण किया: एक साधारण LSTM और Attentional LSTM जिसकी संचालन योजना नीचे दिए गए चित्र में दिखाई गई है।



नीचे ट्रांसफार्मर मॉडल का एक आरेख है।



परिणाम भी बहुत अच्छा नहीं था। केवल 35% AI उत्तर सही थे, यह किसी भी स्कूल के मानकों द्वारा असंतोषजनक मूल्यांकन है।



बेशक, दीपमिन्द के शोधकर्ताओं ने अभी गणित और एआई के साथ काम शुरू किया है। भविष्य में, अधिक से अधिक सफलता की उम्मीद की जा सकती है, जैसा कि एक ही AlphaGo के साथ हुआ था।

पूरा अध्ययन डेटा इस लिंक पर पाया जा सकता है।