Компания Google пусна значително обновление Gemini 3 Deep Think — платформа на база разсъждаващ изкуствен интелект, предназначена за решаване на актуални проблеми в областта на науката и инженерството.
Разработката на новата версия Google Gemini 3 Deep Think е извършена съвместно с учени — услугата е предназначена да решава сложни изследователски задачи, чиито аспекти могат да нямат ясни ограничения или единствено правилно решение, а съпътстващите данни да бъдат непълни или несистематизирани. Обновената платформа Deep Think е опит да се излезе извън абстрактната теория и да се премине към практическото приложение. Новият режим е достъпен директно в приложението Gemini, но може да бъде използван само от абонати на Google AI Ultra; компанията също така за първи път ще открие достъп до услугата чрез API Gemini — инженерите, изследователите и предприятията ще трябва да подадат съответна заявка.
В теста Humanity’s Last Exam платформата Google Gemini 3 Deep Think постигна 48,4 % без използване на външни инструменти; резултатът в бенчмарка ARC-AGI-2 е безпрецедентните 84,6 %. В теста за програмиране Codeforces рейтингът Ело е 3455; в задачите на Международната математическа олимпиада 2025 година системата показа ниво на златен медал, същият резултат тя постигна и в решаването на задачи от олимпиадите по химия и физика. В теста CMT-Benchmark режимът Google Gemini 3 Deep Think демонстрира високото си ниво на владеене на теоретичната физика с резултат 50,5 %.
Моделът Gemini 3 Deep Think легна в основата на ИИ-агент, който в лабораторията Google DeepMind получи името Aletheia. Той включва средство за проверка на хипотези, изложени на естествен език, за идентифициране на недостатъци в предлаганите решения; предвиден е итеративен процес на генериране и коригиране на решения. Важно е, че агентът може да признае своята неспособност да даде отговор на запитване. За работа с сложни изследвания той се обръща към услугата за търсене на Google и средствата за уеб-навигация — при подготовка на резюмета на публикуваната литература той не указва несъществуващи линкове и се стреми да избягва неяснотите при изчисленията.
Фактическите и бъдещите нива на постижения на Aletheia, разработени от Google, са разпределени в пет категории. В почти напълно автономен режим, ИИ-агентът е очертал пътища за решаване на три открити задачи, формулирани от математикa Пал Ерьош (Pál Erdős) — това изследване е било оценено на нулево ниво, съответстващо на "незначителна новина". В същия режим той е предложил решение на още една задача от същия набор, достигайки първо ниво или "минимална новина". На второ ниво, "подходящо за публикуване", Aletheia е показал резултати в автономен режим, режим на сътрудничество с човек и режим на помощен инструмент. Третото ("значителен пробив") и четвъртото ("забележителен пробив") ниво все още не са постижими за ИИ-агента.
По зададено от разработчиците, Aletheia е анализирал 700 нерешени до момента математически задачи на Ерьош и е успял да реши 13 от тях. Вярно, при 9 задачи вече е имало съществуващо решение, а наистина за първи път решените задачи изглежда да са само 4. Освен това, от 212 решения, които ИИ е издал, само 6,5 % са били "същински правилни". Останалите или са имали основни недостатъци (68,5 %), или са решавали неправилно интерпретирани версии на оригиналните задачи (31,5 %).
В резултат на това разработчиците се съгласиха, че техният ИИ демонстрира "склонност да разбира въпросите неправилно, за да може да отговори по-лесно" и остава "крайно подложен на грешки в сравнение с хората". С други думи, ИИ все още не може да замества mathematicians.
Източници:
Източник: 3dnews.ru
