Google’s AI advances in solving complex math problems

• La division DeepMind de Google a dévoilé AlphaProof et AlphaGeometry 2, deux systèmes d’IA avancés capables de raisonnement mathématique complexe.
• Les avancées de l’IA de Google démontrent une collaboration plus approfondie entre l’IA et les humains dans la résolution de problèmes complexes et l’importance croissante du raisonnement et de la pensée abstraite dans la recherche en IA.

NOTRE AVIS
La capacité de l’IA de Google à résoudre des problèmes mathématiques complexes souligne un changement profond. À mesure que l’IA continue d’évoluer, le travail effectué par Google et ses concurrents indique que la technologie de l’IA agira non pas comme un remplacement de l’intellect humain, mais comme un catalyseur qui propulse notre compréhension et notre innovation vers de nouveaux sommets.
–Ashley Wang, journaliste BTW Voir aussi: Ziggo Group nomme ses dirigeants avant l'introduction en Bourse à Amsterdam en 2027.

Ce qui s’est passé

La division IA de Google, DeepMind, a dévoilé jeudi deux systèmes d’IA avancés, à savoir AlphaProof et AlphaGeometry 2, marquant une avancée significative dans la résolution de problèmes mathématiques complexes. Ce développement met en évidence une nouvelle frontière dans les capacités de l’IA, s’étendant au-delà du traitement du langage pour inclure le raisonnement abstrait et la résolution de problèmes.

Les modèles d’IA ont démontré leur prouesse en résolvant quatre des six problèmes de l’Olympiade internationale de mathématiques (IMO) 2024, une compétition prestigieuse connue pour ses questions difficiles. Notamment, AlphaProof a résolu trois de ces problèmes, y compris le plus difficile, que seule une poignée de participants humains ont réussi à résoudre. Cette réalisation souligne le potentiel des systèmes d’IA à s’engager dans des tâches de raisonnement complexes en plusieurs étapes traditionnellement gérées par l’intelligence humaine. Voir aussi: Association ECHOES.

AlphaProof intègre le modèle de langage Gemini de Google avec le système AlphaZero, précédemment acclamé pour avoir maîtrisé des jeux de société comme les échecs et le Go. Cette approche hybride améliore la capacité de l’IA à traduire les problèmes mathématiques en langage formel, réduisant la tendance des grands modèles de langage à « halluciner » ou à produire des réponses incorrectes mais plausibles. Pendant ce temps, AlphaGeometry 2, un modèle mis à jour axé sur la géométrie, a résolu avec succès un problème supplémentaire, prouvant davantage les capacités du système.

À lire aussi: La demande de logiciels et d’IA stimule la croissance d’IBM malgré une baisse du conseil

À lire aussi: Le MIT dévoile une nouvelle façon de simuler la formation des robots domestiques

Pourquoi c’est important

Selon Pushmeet Kohli, vice-président de la recherche en IA pour la science chez Google DeepMind, « C’est un grand progrès dans le domaine de l’apprentissage automatique et de l’IA. Aucun système de ce type n’avait été développé qui puisse résoudre des problèmes avec un tel taux de réussite. » Voir aussi: Département IT - Athlok.

Cette avancée implique une intégration plus poussée de l’avenir de la collaboration entre l’IA et les humains dans les domaines de résolution de problèmes complexes. Bien que ces modèles d’IA ne soient pas encore capables de remplacer les mathématiciens humains, ils offrent des outils puissants qui pourraient aider à développer de nouvelles preuves et perspectives mathématiques. Voir aussi: Alejandro Estua.

Le succès d’AlphaProof et d’AlphaGeometry 2 souligne également l’importance croissante du raisonnement et de la pensée abstraite dans la recherche en IA, un domaine où les modèles actuels peinent souvent. L’IA n’est plus confinée aux tâches routinières ou au simple traitement des données; elle s’aventure dans des domaines qui exigent un raisonnement nuancé et une pensée abstraite. Voir aussi: Alejandro Manzo.