谷歌DeepMind开发的AI系统AlphaGeometry2，在几何问题解答方面成绩斐然，已超越国际数学奥林匹克（IMO）金牌选手的平均水平。作为去年发布的AlphaGeometry系统的升级版，它在解决过去25年间IMO的几何问题上，成功率高达84%。
DeepMind关注IMO这一高中数学竞赛，源于解决复杂几何问题的新方法或许是提升AI能力的关键，特别是在欧几里得几何领域。证明数学定理所需的推理能力与选择合适解决步骤的能力，对未来通用AI模型的发展意义重大。
今年夏天，DeepMind展示了结合AlphaGeometry2与AlphaProof（用于正式数学推理的AI模型）的系统，此系统在2024年IMO预选赛中六道题解决了四道。而且，这种方法不仅局限于几何问题，还可能拓展到数学和科学的其他领域，甚至能助力处理复杂的工程计算。
AlphaGeometry2的核心由谷歌Gemini家族语言模型和“符号引擎”构成。Gemini模型辅助符号引擎依据数学规则推导问题解决方案，其工作流程为：Gemini模型先预测对解题有帮助的构造，随后符号引擎据此进行逻辑推理。经过复杂搜索，AlphaGeometry2将Gemini模型建议与已知原则相结合得出证明。
尽管AlphaGeometry2在解决IMO的50道问题中成功解答42道，超越金牌选手平均得分，但它也存在一些局限性，例如无法处理变量数量不定的点、非线性方程和不等式。在一些难题上，其表现也不尽人意，29道难题中仅解决了20道。
这项研究再度引发关于AI系统构建应基于符号操作还是类脑神经网络的讨论。AlphaGeometry2采用混合方法，融合了神经网络和基于规则的符号引擎。DeepMind团队指出，虽大型语言模型可在无外部工具时生成部分解决方案，但当前情况下，符号引擎在数学应用中仍是重要工具。
