AlphaGeometry 2 是谷歌之前几何解题人工智能模型的升级版本，现在由基于 Gemini 的语言模型驱动。它可以解决与物体运动以及涉及角度、比率和距离的方程式有关的问题。
由于它比其前身接受了更多合成数据的训练，因此能够解决更具挑战性的几何问题。
在尝试本次 IMO 之前，AlphaGeometry 2 能够解决过去 25 年 IMO 几何问题的 83%，远高于其前身 53% 的成功率。
在今年的比赛中，该系统在接收到几何题的形式化版本后仅用 19 秒就找到了解决方法。
值得注意的是，人工智能系统解题的过程与人类参赛者有所不同。谷歌首先将 IMO 问题翻译成形式化的数学语言，然后交由人工智能模型处理。
而在正式比赛中，人类参赛者需要在两个 4.5 小时的环节中直接面对数学陈述。
图丨AI 系统用 19 秒解决的几何题：要求证明 ∠KIL 与 ∠XPY 之和等于 180°（来源：DeepMind）
尽管取得了令人瞩目的成就，但这项技术仍存在一些局限性。菲尔兹奖得主、著名数学家蒂莫西·高尔斯爵士（Timothy Gowers）指出了几个关键的限制因素。
首先，人工智能系统需要比人类参赛者更长的时间来解题，有些问题花费了 60 小时以上，而且人工智能系统的处理速度也比人类大脑快得多。如果给予人类参赛者同样的时间，他们的分数可能会更高。
其次，数学题需要人工将其翻译成形式化语言 Lean，然后人工智能模型才能开始工作。
虽然人工智能执行了最重要的数学推理，但这个“自动形式化”步骤仍需由人类完成。
此外，目前尚不清楚这种技术是否能扩展到其他数学领域，特别是那些训练数据较少的领域。
值得注意的是，人工智能系统未能解决两道组合数学问题，这表明它在某些数学领域还有待进步。
尽管存在这些限制，但专家们认为这项技术仍有巨大的潜力。高尔斯推测，这样的人工智能系统可能成为有价值的研究工具，能够帮助数学家回答广泛的问题，只要这些问题不太困难。这将极大地推动数学研究的发展。
剑桥大学专门研究数学和人工智能的研究员凯蒂·柯林斯（Katie Collins）指出，能够解决复杂数学问题的人工智能系统可能为“人类+人工智能”的协作模式开辟新的道路，帮助数学家解决和发明新类型的问题。
这反过来也可能帮助我们更好地理解人类是如何解决数学问题的。
谷歌 DeepMind 研究副总裁普什米特·科利表示，这是机器学习和人工智能领域的重大进展，迄今为止，还没有哪个系统能以这样的成功率和通用性来解决问题。
此外，作为 IMO 工作的一部分，DeepMind 还试验了一种基于谷歌 Gemini 和 DeepMind 最新研究的自然语言推理系统，以实现高级问题解决技能。
有了该系统后，不仅不用把问题翻译为形式语言，而且它还能够和其他人工智能系统结合使用。DeepMind 还在今年的 IMO 问题上测试了这种方法，结果显示出巨大的潜力。
“我们的团队正在继续探索多种用于推进数学推理的人工智能方法，并计划很快发布有关 AlphaProof 的更多技术细节。”DeepMind 在博客中写道。
可以预见的是，随着技术的不断进步，我们将会看到更多令人兴奋的人类+人工智能协作，推动数学和人工智能领域的共同发展。
参考资料：
运营/排版：何晨龙
