Com as recentes inovações da Google DeepMind, a inteligência artificial está cada vez mais capaz de resolver problemas complexos, inclusive aqueles encontrados em olimpíadas de matemática. O Google anunciou que seus novos modelos de IA, o AlphaProof e o AlphaGeometry 2, foram capazes de resolver quatro dos seis problemas da Olimpíada Internacional de Matemática de 2024 – um feito impressionante que coloca esses sistemas de IA no mesmo nível de desempenho dos medalhistas de prata da competição.
Principais destaques:
- Avanços na resolução de problemas matemáticos: A combinação de modelos de linguagem como o Gemini e os modelos de raciocínio lógico do Google, como o AlphaProof, demonstra que é possível melhorar significativamente a capacidade das IAs de compreender e resolver problemas envolvendo matemática e lógica.
- Abordagem “neurossimbólica”: O Google adotou uma abordagem inovadora ao combinar aprendizagem de máquina com linguagens de programação convencionais, o que permitiu que seus modelos de IA aprendessem a demonstrar a validade de afirmações matemáticas.
- Desafios persistem em problemas do mundo real: Mesmo com esses avanços, os pesquisadores reconhecem que os modelos de IA ainda podem ter dificuldades em lidar com problemas do mundo real, onde existem múltiplas soluções possíveis, cada uma com suas vantagens e desvantagens.
Superando desafios com a abordagem “neurossimbólica”
Ferramentas como o ChatGPT e o Gemini, baseadas em modelos de linguagem natural (LLMs), têm demonstrado impressionante capacidade de gerar textos coerentes e articulados. No entanto, esses modelos têm encontrado dificuldades em compreender e resolver problemas envolvendo matemática e lógica. Para tentar superar essa limitação, a Google DeepMind adotou uma abordagem “neurossimbólica”, combinando a aprendizagem de máquina de uma rede neural artificial com as linguagens de programação convencionais.
O AlphaProof, por exemplo, tem suas origens no famoso AlphaGo, que em 2017 derrotou o melhor jogador do mundo no jogo de tabuleiro Go. Assim como o AlphaGo, o AlphaProof adquiriu suas habilidades matemáticas por meio de um intensivo treinamento. Já o Gemini, o modelo de linguagem da Google, desempenhou um papel crucial ao converter os textos dos problemas de matemática em uma linguagem de programação chamada Lean, permitindo que o AlphaProof pudesse treinar suas provas matemáticas.
O processo é similar no AlphaGeometry, que usa o Gemini para converter problemas de geometria em formas geométricas, as quais podem ser manipuladas e testadas por um programa. Essa abordagem “neurossimbólica” tem se mostrado eficaz, pois combina a capacidade de compreensão e geração de texto dos LLMs com a capacidade de raciocínio lógico dos modelos de IA.
Ainda há desafios a serem superados
Embora o desempenho da IA da Google DeepMind na Olimpíada de Matemática de 2024 seja impressionante, os pesquisadores reconhecem que a abordagem ainda enfrenta alguns desafios. David Silver, líder da equipe que desenvolveu o AlphaZero, explica que os modelos foram treinados para resolver testes, onde existem soluções corretas e erradas. Isso significa que eles podem não ter tanto sucesso em problemas do mundo real, onde há múltiplas soluções possíveis, cada uma com suas vantagens e desvantagens.
Para Silver, a solução pode estar em um modelo de linguagem que seja capaz de determinar o que constitui uma resposta correta durante o treinamento. Ele também acredita que a IA será mais uma ferramenta, assim como calculadoras e réguas de cálculo, e não o fim do que os matemáticos podem fazer. “Uma parte importante da matemática é propor problemas e descobrir quais são as perguntas interessantes”, afirma o pesquisador.
Conclusão
Os avanços da Google DeepMind na resolução de problemas da Olimpíada de Matemática são um sinal claro de que a inteligência artificial está se tornando cada vez mais capaz de lidar com desafios complexos envolvendo lógica e raciocínio matemático. Embora ainda existam desafios a serem superados, especialmente em problemas do mundo real, a abordagem “neurossimbólica” adotada pela empresa demonstra que é possível melhorar significativamente a capacidade das IAs de compreender e resolver problemas matemáticos. À medida que essa tecnologia continuar a evoluir, é provável que vejamos ainda mais avanços nessa área, com a IA se tornando uma ferramenta cada vez mais valiosa para matemáticos e cientistas.
