站长之家（ChinaZ.com）1月18日消息：谷歌近日推出了新的面向数学几何领域的模型AlphaGeometry。该模型具备了接近人类奥林匹克金牌选手水平的数学几何能力。有趣的是，AlphaGeometry的训练并非基于现有数据，而是采用合成数据进行。其训练方法独具特色：首先生成了十亿个随机几何图形，并全面分析了每个图形中点和线之间的所有关系。模型识别了每个图形中存在的所有定理，并逆向推理出为了得到这些定理所需添加的额外几何元素（如果有的话）。据谷歌表示，AlphaGeometry结合了神经语言模型和符号推理引擎的优势，形成了一个神经符号系统。这一系统能够协同工作，为复杂的几何定理找到证明。

正如快速思考和慢速思考理论所述，该系统中的神经语言模型迅速提供直觉式的想法，而符号推理引擎则负责更谨慎、理性的决策。神经语言模型擅长快速识别数据中的常规模式和关系，能够迅速预测可能有用的结构，但通常缺乏严谨的推理能力和解释决策的能力。而符号推理引擎基于正规逻辑，使用明确的规则得出结论。这些推理引擎是理性的、可解释的，但在处理大型复杂问题时可能显得慢且不够灵活。

简而言之，神经语言模型快速提出各种可能（包括幻觉），而推理引擎则慢慢验证这些可能性，确保其合理性。对于类似下图所示的几何问题，神经语言模型提出解决方案，推理引擎进行验证，如果验证未通过，则继续改进方案或提出新方案，直至找到最终解决方案。这一模式为未来人工智能的发展，特别是解决大型语言模型幻觉和数据不足问题，提供了新的思路。