![DeepMind a entraîné AlphaGeometry à partir de données synthétiques, soit sans aucune démonstration humaine.](https://leclaireur.fnac.com/wp-content/uploads/2024/01/shutterstock-2360207751-1256x826.jpg)
Le système AlphaGeometry a résolu 25 des 30 problèmes de mathématiques aux Olympiades internationales de mathématiques.
L’intelligence artificielle (IA) progresse en mathématiques, domaine compliqué pour ces modèles, contrairement à l’écriture et à la traduction. La semaine dernière, DeepMind, filiale de Google spécialisée en IA, a dévoilé AlphaGeometry, un système capable de résoudre des problèmes de géométrie complexes. Il est parvenu à résoudre 25 des 30 problèmes de mathématiques donnés aux Olympiades internationales de mathématiques, un concours réservé aux lycéens de moins de 20 ans, contre 25,9 en moyenne pour le médaillé d’or humain.
« Une étape importante »
AlphaGeometry est composé d’un modèle de langage neuronal et d’un moteur de déduction symbolique, qui travaillent ensemble pour trouver des preuves de théorèmes de géométrie complexes. Le premier fournit des idées rapides et « intuitives » tandis que le second prend une décision plus rationnelle et délibérée. Autrement dit, le modèle de langage guide le moteur de déduction symbolique vers des solutions probables aux problèmes de géométrie.
Dans le cadre des Olympiades, les problèmes sont basés sur des diagrammes nécessitant l’ajout de nouvelles constructions (points, lignes, cercles…) pour être résolus. Le modèle de langage d’Alpha Geometry a ainsi prédit celles étant les plus utiles à ajouter, permettant au moteur de déduction symbolique de faire des déductions supplémentaires sur un diagramme et de se rapprocher de la solution. Chaque solution du système a été vérifiée par ordinateur. « La résolution de problèmes de géométrie au niveau des Olympiades constitue une étape importante dans le développement d’un raisonnement mathématique approfondi sur la voie de systèmes d’IA plus avancés et plus généraux », a déclaré DeepMind.
Ayant entraîné AlphaGeometry à partir de données synthétiques, soit sans aucune démonstration humaine, la filiale de Google estime que cette approche pourrait être utilisée pour faire découvrir de nouvelles connaissances aux futurs systèmes d’IA. Visant à faire progresser le raisonnement pour ces derniers, elle rend son modèle et son code disponibles en open source, espérant qu’« ils contribueront à ouvrir de nouvelles possibilités dans les domaines des mathématiques, des sciences et de l’IA ».