Google DeepMind が AI モデルが複雑な離散数学問題を計算できるようにする「FunSearch」トレーニング方法をリリース

Google DeepMindは12月15日、「FunSearch」と呼ばれるモデルトレーニング方法を発表し、「上級レベルの問題」や「パッキング問題」を含む一連の「数学とコンピュータサイエンスを含む複雑な問題」を計算できると主張した。

▲画像出典：Google DeepMind（以下同）

FunSearchモデルのトレーニング方法は、主にAIモデルに「評価者」システムを導入していると報告されています。AIモデルは一連の「創造的な問題解決方法」を出力し、「評価者」はモデルが出力した問題解決方法を判断する役割を担います。反復を繰り返すことで、より強力な数学的能力を持つAIモデルをトレーニングできます。

Google DeepMind はテストに PaLM 2 モデルを使用しました。研究者は専用の「コード プール」を作成し、一連の質問をコードの形でモデルに入力し、評価者プロセスをセットアップしました。その後、モデルは各反復でコード プールから質問を自動的に選択し、「創造的な新しいソリューション」を生成し、評価のために評価者に提出します。「最良のソリューション」はコード プールに戻され、別の反復が再び開始されます。

IT Homeは、FunSearchのトレーニング方法が特に「離散数学（組み合わせ論）」に優れていることに注目しました。このトレーニング方法でトレーニングされたモデルは、極端な組み合わせ数学の問題を簡単に解くことができます。研究者はプレスリリースで、モデルが「上位レベルの問題（数え上げや配置を含む数学の中心的問題）」を計算するプロセス方法を紹介しました。

さらに、研究者らは FunSearch トレーニング方法を使用して、「異なるサイズのアイテムを最小数のコンテナに入れる」問題である「ビンパッキング問題」を解決することにも成功しました。FunSearch は、「ビンパッキング問題」に対する「即時」ソリューションを提供し、「アイテムの既存のボリュームに応じて自動的に調整する」プログラムを生成します。

研究者らは、学習にニューラルネットワークを使用する他のAIトレーニング方法と比較して、FunSearchトレーニング方法でトレーニングされたモデルの出力コードは確認と展開が容易であり、実際の産業環境に統合しやすいと述べています。