近日，科技界迎来了一则振奋人心的消息：谷歌DeepMind实验室的人工智能系统AlphaGeometry2，在攻克国际数学奥林匹克竞赛（IMO）中的几何难题方面，取得了令人瞩目的成就。据悉，该系统的解题能力甚至超越了历年的金牌平均水平。
AlphaGeometry2是DeepMind在今年早些时候推出的AlphaGeometry系统的升级版。据DeepMind研究人员最新发布的论文显示，该系统能够解答过去25年间国际数学奥林匹克竞赛中84%的几何题目。国际数学奥林匹克竞赛作为全球顶尖的高中生数学赛事，其难度不言而喻。而DeepMind认为，探索解决复杂几何问题的新方法，可能是推动人工智能向更高层次发展的关键。
数学定理的证明或逻辑解释，往往需要深厚的推理能力和从众多可能性中挑选最佳解题路径的智慧。DeepMind的这一发现，预示着这些解题技能或将成为未来通用人工智能模型不可或缺的一部分。去年夏天，DeepMind曾展示了一个结合AlphaGeometry2与AlphaProof（一种专注于形式化数学推理的AI模型）的系统，该系统在2024年国际数学奥林匹克竞赛中成功解答了6个问题中的4个，展现出了强大的解题实力。
AlphaGeometry2的核心组件包括谷歌Gemini系列AI模型中的语言模型以及一个“符号引擎”。Gemini模型与符号引擎协同工作，后者依据数学规则推导出问题的解决方案，并为几何定理提供确凿的证明。然而，由于将证明转化为AI可理解格式的挑战性，以及几何训练数据的稀缺性，DeepMind为AlphaGeometry2的语言模型专门创建了合成数据，生成了超过3亿个不同复杂度的定理和证明。
为了验证AlphaGeometry2的解题能力，研究团队从过去25年的国际数学奥林匹克竞赛中精心挑选了45个几何问题，涵盖线性方程和需要在平面上操作几何对象的题目，并将其扩展为一个包含50个问题的更大集合（部分问题因技术原因被拆分为两个）。据论文记载，AlphaGeometry2成功解答了其中的42个问题，得分超越了平均金牌得主的40.9分。
尽管AlphaGeometry2取得了显著成就，但它也面临着一些局限性。特别是，一个技术问题导致该系统无法处理涉及可变数量点、非线性方程和不等式的问题。虽然AlphaGeometry2并非首个在几何问题上达到金牌水平的AI系统，但它是首个在如此广泛的问题集上实现这一壮举的系统。
在另一组更具挑战性的国际数学奥林匹克竞赛题目测试中，AlphaGeometry2的表现同样有所保留。DeepMind团队额外挑选了29个由数学专家提名但尚未出现在比赛中的难题，而AlphaGeometry2仅成功解答了其中的20个。尽管如此，AlphaGeometry2的成就仍然为人工智能在数学领域的应用开辟了新的道路。
