Când discutăm despre inteligența artificială care gândește ca un matematician, AlphaProof e un exemplu recent care ilustrează cum se pot combina forța brută a rețelelor neuronale cu strategii de căutare și cu o doză de inventivitate inspirată de oameni. Sistemul a fost pregătit pentru mediul formal Lean, unde sunt evaluate demonstrațiile și contraexemplele, iar obiectivul principal a fost obținerea de demonstrații scurte și elegante, nu doar lungi și prolixe.
La fundament, AlphaProof utilizează un model neuronal foarte mare, cu câteva miliarde de parametri, care învață prin încercare și eroare: primește recompense când validează sau infirmă enunțuri și penalizări pentru fiecare pas de raționament, pentru a fi stimulat să caute soluții eficiente. Pe lângă rețea, sistemul folosește un algoritm de căutare în arbore, asemănător cu cel din AlphaZero: la fiecare pas se generează multe acțiuni posibile pentru a avansa demonstrația, iar rețeaua trebuie să decidă unde merită investit timpul de calcul, deoarece ramificațiile posibile în matematică pot fi aproape infinite. Cu alte cuvinte, rețeaua prioritizează direcțiile cele mai promițătoare, iar arborele explorează structura raționamentului.
După câteva săptămâni de antrenament, AlphaProof a început să performeze foarte bine la benchmark-uri inspirate din competițiile de matematică pentru liceu, dar încă întâmpina dificultăți la problemele cele mai grele. Pentru a le aborda, echipa a adăugat un al treilea element, o componentă pe care AlphaZero nu o avea. Aceasta urmărea să reproducă un truc clasic al matematicienilor: când o problemă e prea complicată, încerci variante, versiuni mai simple sau mai generale, sau chiar enunțuri doar vag conexe, ca să înțelegi structura problemei.
Această componentă, denumită Test-Time Reinforcement Learning (TTRL), combină și ea rețele neuronale și căutare în arbore, dar schimbarea esențială e legată de ceea ce învață. În loc să se bazeze exclusiv pe un set mare de probleme formalizate anterior, modul TTRL pornește de la problema curentă și generează pe loc un nou set de antrenament: multiple variante ale enunțului original, unele mai simple, altele mai generale, unele doar aproximativ legate, și încearcă să le demonstreze sau să le invalideze. Practic, e echivalentul AI-ului care spune “Fac o versiune mai ușoară ca exercițiu înainte de a reveni la original”. Această învățare la fața locului i-a permis sistemului să realizeze salturi de performanță acolo unde metodele convenționale se împotmoleau.
Metoda reflectă o idee veche în matematică: flexibilitatea în formulare și abordări deschide adesea soluții neașteptate. AlphaProof nu doar aplică reguli, ci își construiește propriul mic laborator de probleme pornind de la un enunț, iar asta îi conferă un avantaj în fața sarcinilor care cer intuiție și adaptare rapidă. Rezultatul nu e o demonstrație miraculoasă apărută din neant, ci un proces de explorare sistematică, ghidat de rețele mari și de strategii de căutare, completat de o etapă creativă de generare a exemplelor.
Testele practice au arătat că această combinație funcționează surprinzător de bine: după TTRL, AlphaProof a reușit să treacă praguri importante la probleme inspirate din concursuri liceale, inclusiv cazuri care anterior îi păreau inaccesibile. Ideea centrală e că, asemenea unui elev care încearcă variante ale unei probleme pentru a prinde metoda, AI-ul a învățat să construiască contexte auxiliare care îi permit să avanseze.
AlphaProof, astfel, reuneste trei elemente: o rețea neuronală uriașă care favorizează soluțiile concise, un algoritm de căutare în arbore care explorează pași posibili și TTRL, care generează seturi de antrenament specifice problemei în timpul testării. E o arhitectură care indică direcții interesante pentru viitor: nu doar memorarea de tipare, ci și capacitatea de a inventa scenarii de lucru pentru a învăța mai eficient.
Exemplul AlphaProof scoate în evidență un concept concret: Test-Time Reinforcement Learning. Acesta demonstrează că, pentru probleme dificile, adaptarea locală prin generarea de variante (asemănătoare, simplificate sau generalizate) poate fi decisivă. Ai în față o problemă blocată? Încearcă o versiune mai simplă sau mai generală ca exercițiu, aceeași abordare care a ajutat AlphaProof să depășească obstacole. Ce părere ai despre ideea ca mașinile să învețe inventându-și propriile exerciții?
Fii primul care comentează