Colmare il divario: connettere la matematica e l'IA per la scoperta

Henry Kvinge, un ricercatore di IA al Pacific Northwest National Laboratory (PNNL), ha condotto uno sforzo innovativo per colmare il divario tra matematica e intelligenza artificiale. Il suo team ha creato una "mappa della matematica" completa basata su inserimenti di testo derivati dalla Lean Mathematical Library (Mathlib), un repository di prove matematiche formalizzate. La mappa visualizza dichiarazioni matematiche come punti, con distanze che indicano somiglianze tra di loro e colori che rappresentano diversi rami della matematica, come l'algebra o la teoria della probabilità.

Questo strumento fornisce un modo innovativo per esplorare la struttura e le relazioni all'interno della conoscenza matematica, offrendo approfondimenti che potrebbero essere di beneficio sia per gli sviluppatori di IA che per i matematici.

Per supportare questo approccio interdisciplinare, Kvinge e il suo team hanno sviluppato insiemi di dati che rappresentano la matematica reale a livello di ricerca e strumenti per accelerare la scoperta matematica utilizzando l'intelligenza artificiale. Queste risorse mirano a migliorare l'efficienza e la profondità della ricerca matematica, consentendo agli scienziati di esplorare problemi complessi con maggiore precisione. Inoltre, hanno identificato simmetrie matematiche all'interno dei modelli di intelligenza artificiale, che offrono nuovi modi per interpretare e spiegare come questi modelli funzionano internamente.

Gli sforzi di Kvinge si allineano con l'impegno più ampio di PNNL per far progredire le tecnologie dell'IA. In qualità di partner chiave della Genesis Mission, un'iniziativa del Dipartimento dell'Energia volta a creare la piattaforma scientifica più potente del mondo, contribuisce alle iniziative che cercano di accelerare la scoperta, rafforzare la sicurezza nazionale e guidare l'innovazione energetica. La filosofia del suo team sottolinea non solo la risoluzione dei problemi, ma farlo in un modo che susciti nuove idee e prospettive tra i ricercatori.

Un aspetto centrale della ricerca attuale di Kvinge consiste nell'esaminare se i grandi modelli linguistici (LLM), il tipo di AI dietro i chatbot e gli assistenti di codifica, utilizzano gli stessi principi generali che gli esseri umani applicano quando eseguono compiti matematici. Alla Conferenza internazionale sul Machine Learning del 2025, ha presentato i risultati di un'analisi dei calcoli interni degli LLM. Lo studio ha esplorato quanto questi modelli si basano sui modelli matematici del mondo, che sono quadri concettuali utilizzati da esseri umani, animali e AI per simulare e comprendere il mondo. Kvinge ha spiegato che gli esseri umani sviluppano modelli del mondo basati su esperienze fisiche, consentendoci di fare previsioni sugli eventi futuri.

Ad esempio, sappiamo che una palla posta in cima a una collina rotolarà in discesa senza aver assistito a ciò che accade. Poiché gli LLM operano in un ambiente puramente digitale, la matematica serve come un proxy utile per studiare come questi modelli elaborano e risolvono i problemi. Confrontando i modelli matematici del mondo degli LLM con quelli umani, Kvinge spera di scoprire i meccanismi fondamentali alla base della cognizione dell'IA. Questa ricerca ha implicazioni oltre l'IA stessa. Potrebbe portare a approfondimenti su come le macchine imparano e ragionano, influenzando potenzialmente campi che vanno dall'istruzione alla scienza cognitiva.

Il lavoro in corso di Kvinge continua a spingere i confini di ciò che è possibile quando la matematica e l'IA collaborano, offrendo uno sguardo al futuro della scoperta computazionale.