A IA da DeepMind Alcança Habilidades de Resolução de Problemas de Geometria Comparáveis às dos Olimpíadas de Matemática

Um sistema revolucionário de inteligência artificial desenvolvido pela Google DeepMind, um dos principais laboratórios de IA do mundo, é capaz de resolver problemas complexos de geometria em um nível comparável ao de um medalhista de ouro na prestigiosa Olimpíada Internacional de Matemática (IMO).

Intitulado AlphaGeometry, este sistema inovador combina duas abordagens distintas: um modelo de linguagem neural que gera ideias intuitivas e um motor de dedução simbólica que valida essas ideias utilizando lógica formal. O modelo de linguagem é baseado na mesma tecnologia que impulsiona o renomado mecanismo de busca da Google e seus sistemas de processamento de linguagem natural. O motor de dedução se inspira em um método criado pelo matemático chinês Wen-Tsün Wu em 1978.

Os pesquisadores testaram o AlphaGeometry em 30 rigorosos problemas de geometria da IMO, que são considerados desafiadores até mesmo para matemáticos experientes. Notavelmente, o sistema conseguiu resolver 25 desses problemas dentro do limite de tempo padrão de 4,5 horas, igualando a pontuação média de medalhistas de ouro humanos. Em contraste, o sistema anterior, baseado no método de Wu, resolveu apenas 10 problemas.

As descobertas, publicadas na Nature, indicam que a IA pode não apenas raciocinar logicamente, mas também revelar novos insights matemáticos. A matemática, especialmente a geometria, historicamente apresenta desafios para os pesquisadores de IA devido à necessidade de criatividade e precisão. Ao contrário dos modelos baseados em texto, que podem acessar vastas quantidades de dados da internet, os dados matemáticos são mais simbólicos e específicos de domínio, tornando-os mais raros. Além disso, resolver problemas matemáticos exige um raciocínio lógico robusto, uma área onde a maioria dos modelos atuais de IA enfrenta dificuldades.

Para enfrentar esses desafios, os pesquisadores aplicaram uma abordagem neuro-simbólica inovadora, aproveitando as forças das redes neurais e dos sistemas simbólicos. Enquanto redes neurais se destacam no reconhecimento de padrões e na previsão de resultados, frequentemente carecem de poder explicativo. Em contrapartida, os sistemas simbólicos operam com lógica formal rigorosa, permitindo corrigir e justificar as decisões tomadas pela rede neural.

Os pesquisadores compararam sua abordagem ao conceito de “pensar, rápido e devagar”, popularizado pelo laureado do Nobel Daniel Kahneman, onde um sistema oferece ideias rápidas e intuitivas, enquanto o outro se envolve em um raciocínio mais deliberado e lógico. Juntos, esses sistemas colaboram para enfrentar desafios matemáticos complexos.

Além disso, o AlphaGeometry demonstrou a capacidade de generalizar para novos problemas, provando teoremas que não estavam explicitamente enunciados nas declarações dos problemas. Por exemplo, conseguiu provar um teorema sobre o bissetor de um ângulo de um triângulo, que não foi apresentado como uma premissa ou um objetivo.

A equipe espera que, ao tornar seu sistema de código aberto, consiga inspirar mais pesquisas e aplicações em matemática, ciência e IA. Eles também reconhecem as atuais limitações, como a necessidade de provas mais compreensíveis para humanos e a escalabilidade para problemas mais complexos, além das considerações éticas em torno da IA na matemática.

Embora o AlphaGeometry esteja atualmente focado em geometria, os pesquisadores acreditam que sua metodologia de dados sintéticos poderia potencializar o raciocínio da IA em campos matemáticos e científicos onde os dados de treinamento gerados por humanos são limitados. Ao automatizar a descoberta e verificação de novos conhecimentos, o aprendizado de máquina tem o potencial de acelerar significativamente a compreensão humana em diversas disciplinas.