六道题每题可得7分，总分最高42分。谷歌DeepMind的人工智能系统在今年国际数学奥林匹克竞赛中最终得分28分。今年金牌的门槛是29分，在正式比赛的609名选手中，58名达到了这一门槛。
DeepMind人工智能系统在IMO 2024上相对于人类竞争者的表现。在42分的总分中，人工智能系统获得了28分。
谷歌DeepMind的AI模型解决了今年国际数学奥林匹克竞赛（IMO）六个问题中的四个问题，人工智能首次达到了银牌标准。
当地时间7月25日，谷歌DeepMind公布专用于数学推理的模型AlphaProof，以及专注于几何的模型更新版本AlphaGeometry 2。DeepMind表示，AlphaProof和AlphaGeometry 2解决了数学中的高级推理问题，具有先进数学推理能力的通用人工智能或开启科学和技术的新领域。
IMO是历史最悠久、规模最大、最负盛名的青年数学家竞赛，自1959年以来每年举办一次。选手要解决代数、组合学、几何和数论方面六个异常困难的问题。菲尔兹奖是数学家的最高荣誉之一，菲尔兹奖获得者也会代表他们的国家参加IMO。
近年来，IMO竞赛被认为是机器学习领域的重大挑战，也是衡量人工智能系统高级数学推理能力的理想基准。
谷歌DeepMind表示，IMO的数学问题被人工翻译成数学语言，供系统理解。在正式比赛中，学生们分两次提交答案，每次4.5小时。而人工智能系统在几分钟内解决了一个问题，花了三天时间来解决其他问题。基于强化学习的推理系统AlphaProof解决了两个代数问题和一个数论问题并被证明答案正确，这些问题包括今年IMO比赛中只有5名选手解决的最难的问题。AlphaGeometry 2证明了几何问题，但两个组合问题仍未解决。
六道题每题可得7分，总分最高可达42分。DeepMind的人工智能系统最终得分28分。DeepMind表示，今年金牌的门槛从29分开始，在正式比赛的609名选手中，有58名达到了这个门槛。
“事实上，这个程序能想出这样一个不明显的结构是非常令人印象深刻的，远远超出了我认为的最先进的水平。”IMO金牌得主和菲尔兹奖牌得主蒂莫西·高尔斯（Timothy Gowers）表示。
在大量书面文本上训练的人工智能模型历来在数学推理方面很困难，往往倾向于语言智能而非数学智能，解决数学问题需要更复杂的推理技能。AlphaProof将预先训练好的语言模型与AlphaZero强化学习算法结合在一起，AlphaZero此前自学了如何掌握国际象棋、将棋和围棋。
大语言模型容易产生幻觉，或以令人信服的方式传递错误信息。DeepMind表示，尽管基于自然语言的方法可以访问更多数据，但会产生看似合理但不正确的中间推理步骤和解决方案。而形式语言提供了一个重要优势，即涉及数学推理的证明可以被形式化地验证其正确性。“我们通过微调Gemini模型，在这两个互补的领域之间建立了一座桥梁，自动将自然语言问题语句转换为形式语句，创建了一个不同难度的庞大形式问题库。”
当遇到一个数学问题时，AlphaProof会生成候选解决方案，然后搜索可能的证明步骤来证明或反驳它们。每一个被发现和验证的证明都被用来强化AlphaProof的语言模型，增强其解决后续更具挑战性问题的能力。
