Společnost Google vydala velkou aktualizaci Gemini 3 Deep Think — platformy založené na argumentačním umělé inteligenci, určené k řešení aktuálních problémů v oblasti vědy a inženýrství.
Vývoj nové verze Google Gemini 3 Deep Think probíhal ve spolupráci s vědci — služba je určena k řešení složitých výzkumných úloh, jejichž aspekty mohou mít nejasné hranice nebo jediné správné řešení, a související data mohou být neúplná nebo neuspořádaná. Aktualizovaná platforma Deep Think je pokusem překročit rámec abstraktní teorie a přejít do oblasti praktického uplatnění. Nový režim je k dispozici přímo v aplikaci Gemini, ale mohou jej využívat pouze předplatitelé Google AI Ultra; společnost také poprvé otevře přístup k službě přes API Gemini — inženýři, výzkumníci a podniky musí podat příslušnou žádost.
V testu Humanity’s Last Exam platforma Google Gemini 3 Deep Think dosáhla 48,4 % bez použití externích nástrojů; výsledek v benchmarku ARC-AGI-2 byl bezprecedentních 84,6 %. V testu programování Codeforces byla Elo rating 3455; v úlohách Mezinárodní matematické olympiády 2025 systém ukázal úroveň zlaté medaile, stejný výsledek dosáhl při řešení úloh olympiády v chemii a fyzice. V testu CMT-Benchmark režim Google Gemini 3 Deep Think prokázal vysokou úroveň ovládání teoretické fyziky s výsledkem 50,5 %.
Model Gemini 3 Deep Think se stal základem AI agenta, který v laboratoři Google DeepMind dostal název Aletheia. Zahrnuje prostředek pro ověřování hypotéz vyjádřených přirozeným jazykem, aby odhalil nedostatky v navrhovaných řešení; zahrnuje iterativní proces generování a úpravy řešení. Co je důležité, agent může uznat svou neschopnost poskytnout odpověď na dotaz. Pro práci se složitými výzkumy se obrací na vyhledávací službu Google a prostředky webové navigace — při přípravě přehledů o publikované literatuře nevydává neexistující odkazy a snaží se vyhnout nepřesnostem při výpočtech.
Skutečné a perspektivní úrovně dosažení Aletheia, které vyvinuli vývojáři Google, byly rozděleny do pěti kategorií. V prakticky zcela autonomním režimu AI agent načrtl cesty k vyřešení tří otevřených úloh, které formuloval matematik Pál Erdős — tento výzkum byl oceněn na nulové úrovni, odpovídající „nepatrné novosti“. Ve stejném režimu navrhl řešení ještě jedné úlohy ze stejného souboru a dosáhl první úrovně nebo „minimální novosti“. Na druhé úrovni, „vhodné k publikaci“, Aletheia ukázal výsledky v autonomním režimu, režimu spolupráce s člověkem a režimu podpůrného nástroje. Třetí („významný průlom“) a čtvrtý („významný průlom“) AI agentovi zatím unikají.
Podle zadání vývojářů Aletheia analyzoval 700 dosud nevyřešených matematických úloh Pála Erdöse a zvládl 13 z nich. Pravda, u 9 úloh již bylo nalezeno existující řešení, a skutečně poprvé vyřešeny vypadají pouze 4 úlohy. Dále, z 212 řešení, které AI poskytlo, bylo „obsahově správných“ pouze 6,5 %. Ostatní měly buď fundamentální nedostatky (68,5 %), nebo řešily nesprávně interpretované verze původních úloh (31,5 %).
Výsledkem bylo, že vývojáři souhlasili, že jejich AI prokazuje „tendenci špatně chápat otázku takovým způsobem, aby na ni bylo snazší odpovědět“ a zůstává „velmi náchylné k chybám ve srovnání s lidmi“. Jinými slovy, AI ještě nemůže nahradit matematiky.
Zdroje:
Zdroj: 3dnews.ru
