AI-systemen die logisch redeneren stap dichterbij? Google DeepMind kan nu ook complexe wiskundige problemen aan

In een wip een samenvatting maken van een boek? Geen probleem voor de AI-modellen die we vandaag kennen. Maar heel wat meer moeite hebben zulke systemen met logisch redeneren. Vraag AI bijvoorbeeld niet om een afwasmachine te vullen of om je tuin te onderhouden, want dat loopt volledig mis.

Nog zoiets: complexe rekensommen oplossen? Peanuts voor een computer. Maar een echt wiskundig probleem, een vraagstuk? Nee, daarvoor moet je meer kunnen dan precies rekenen: je moet ook creatief zijn en logisch en abstract kunnen redeneren. 

Net die drempel zijn ze bij Google DeepMind, de AI-afdeling van de internetreus, aan het overwinnen. Met een zilveren medaille (en met een score van 28 op 42 slechts 1 punt verwijderd van goud) op de International Mathematical Olympiad (IMO) in het Britse Bath, kunnen de AI-systemen AlphaProof en AlphaGeometry 2 plots hun voet zetten naast een hele rist topwiskundigen.

Samen losten de AI-systemen 4 van de 6 wiskundige problemen op die werden voorgeschoteld aan middelbare schoolstudenten: 1 in geometrie, 2 in algebra en 1 in getaltheorie. Bij problemen in combinatoriek liep het wel mis. Het is de eerste keer dat AI zulke successen boekt in wiskundevraagstukken.

Belangrijke kanttekening: de onderzoekers van Google DeepMind keken niet naar de tijd die de AI-systemen nodig hadden om de problemen op te lossen. In geometrie bijvoorbeeld was het vraagstuk in minder dan 20 seconden ingeblikt. Maar bij het probleem in getaltheorie had de AI 3 dagen nodig om tot een correcte oplossing te komen (daar waar de menselijke kandidaten maar 4,5 uur kregen).

Om het geometrievraagsstuk op te lossen, zette Google DeepMind een verbeterde versie in van AlphaGeometry, een AI-systeem dat eerder dit jaar al gebouwd werd om geometrieproblemen aan te pakken. Het is intussen op zoveel data getraind, dat dat stilaan erg vlot begint te lukken.

Maar voor de andere vraagstukken boksten de ontwikkelaars een nieuw model in elkaar: AlphaProof, dat een breder gamma aan wiskundige thema's moet aankunnen. In AlphaProof worden 2 soorten AI-modellen gecombineerd: een taalmodel, zoals we dat kennen van ChatGPT. Een dergelijk model wordt getraind op massa's gegevens en kan op basis daarvan patronen herkennen en voorspellen wat de meest logische volgende stap is. 

Daarbovenop komt een 2e model, dat reinforcement learning gebruikt, een techniek om software te trainen om uiteindelijk de beste resultaten te krijgen. Met zulke modellen worden ook AI-systemen getraind om pakweg een spelletje Go te kunnen winnen. AlphaProof kon zichzelf blijven verbeteren, doordat het ook werkte met een computertaal (Lean) waarmee je wiskundige bewijzen kunt uittesten.

Met dit veelbelovende, zilveren resultaat dus. Momenteel wordt ook geanalyseerd hoe beide AI-systemen tot bepaalde oplossingen kwamen. Want sommige antwoorden zagen er (op het eerste gezicht) zo creatief uit dat ze misschien tot nieuwe inzichten kunnen leiden.

Met name bij de bijzonder snelle oplossing van het geometrievraagstuk wordt nu al verwezen naar fameuze 'zet 37' van de AlphaGo-computer van DeepMind, waarmee het in 2016 de wereldkampioen Go versloeg. De 37e zet van de computer in dat spel was toen zo bizar en verrassend, dat wellicht geen mens die ooit had kunnen bedenken.

Het doet dromen over het belang van AlphaProof in toekomstig wiskundig en wetenschappelijk onderzoek. Experten houden die boot in elk geval nog even af. "We zijn nog niet op een punt dat we open onderzoeksproblemen kunnen oplossen", sust DeepMind-onderzoeker David Silver in Nature-magazine. "Maar we kunnen nu toch al problemen oplossen die bijzonder uitdagend zijn voor de allerbeste jonge wiskundigen ter wereld."