Google DeepMind 在 12 月 15 日公佈了一種名為「FunSearch」的模型訓練法。據稱，該模型能夠解決一系列“涉及數學、計算機科學領域的複雜問題”，包括“上限級問題”和“裝箱問題”
需要重寫的內容是：▲ 圖源 Google DeepMind（下同）
FunSearch 模型訓練法據悉引入了一個名為「評估器」的系統，該系統用於評判 AI 模型輸出的創意解題方法。透過反覆迭代，此方法能夠訓練出數學能力較強的 AI 模型
Google DeepMind使用PaLM 2模型進行測試，研究人員建立了專用的程式碼池，透過以程式碼形式作為模型的輸入一系列問題，並設定了評估流程。在每次迭代中，模型會自動從程式碼池中選擇問題，產生具有創造性的新解決方案，並交由評估器進行評估。最佳解決方案將重新加入程式碼池，開始下一次迭代
FunSearch訓練法在IT之家的報告中提到，該方法在「離散數學（Combinatorics）」方面表現出色，經過訓練後的模型可以輕鬆解決極值組合數學問題。研究人員在新聞稿中介紹了模型計算「上限級問題（數學中涉及計數和排列領域的一個中心問題）」的過程方法
此外，研究人員還成功使用FunSearch 訓練法解決了“裝箱問題（Bin Packing Problem）”，這是一個“將不同大小物品放進最少數量容器”的問題，FunSearch 為“裝箱問題”提供了一種「即時性」的解決方案，產生一項「根據物品現有體積自動進行調整」的程序。
研究人員提到，與其他利用神經網路進行學習的AI 訓練法相比，經過FunSearch 訓練法鍛鍊後的模型，輸出的程式碼更易於檢查與部署，也就代表更容易被整合到實際工業環境中。
以上是DeepMind 公開了 FunSearch 訓練法，可以讓 AI 模型進行離散數學計算的詳細內容。更多資訊請關注PHP中文網其他相關文章！
