Google esitles Gemini 3 Deep Think — võimsat AI-d teaduse jaoks, mis ikka veel „kohandab” ülesandeid vastuse järgi

Google'i ettevõte avaldas suure uuenduse Gemini 3 Deep Think — arutlevat tehisintellekti platvorm, mis on mõeldud aktuaalsete teaduse ja inseneeria probleemide lahendamiseks.

Uue versiooni Google Gemini 3 Deep Think arendust viisid läbi teadlased — teenus on välja töötatud keeruliste teaduslike küsimuste lahendamiseks, millel võivad olla ebamugavad piirangud või ainus õige lahendus. Seotud andmed võivad olla puudulikud või mitteametlikud. Uuendatud Deep Think platvorm on katse minna kaugemale abstraktsest teooriast ja liikumiseks praktikas. Uus režiim on saadaval otse Gemini rakenduses, kuid seda saavad kasutada ainult Google AI Ultra tellijad; ettevõte avab ka esmakordselt juurdepääsu teenusele API Gemini kaudu — insenerid, teadlased ja ettevõtted tuleb esitada vastav taotlus.

Testis Humanity’s Last Exam saavutas Google Gemini 3 Deep Think platvorm 48,4 % ilma kolmandate osapoolte tööriistade kasutamiseta; ARC-AGI-2 etalonil oli tulemus enneolematud 84,6 %. Programmeerimistestil Codeforces oli Elo reiting 3455; 2025. aasta Rahvusvahelise Matemaatika Olümpiaadi ülesannetes näitas süsteem kuldmedali taset, sama tulemust näidati ka keemia ja füüsika olümpiaadi ülesannete lahendamisel. CMT-Benchmark testis demonstreeris Google Gemini 3 Deep Think režiim teoreetilise füüsika oskuste kõrget taset tulemusega 50,5%.

Model Gemini 3 Deep Think on aluseks AI-agendile, kelle laboratooriumis Google DeepMind sai nimeks Aletheia. See sisaldab hüpoteeside kontrollimise vahendit looduskeeles esitatud lahenduste puuduste tuvastamiseks; on ette nähtud lahenduste loomise ja kohandamise iteratiivne protsess. Oluline on, et agent võib tunnistada oma suutmatust vastata päringule. Keeruliste teaduslike uuringute puhul pöördub ta Google'i otsinguteenuse ja veebis navigeerimise vahendite poole — kirjanduse kokkuvõtete koostamisel ei esita ta mitteolemasolevaid linke ja püüab vältida arvutuste ebatäpsusi.

Google'i arendajad on Aletheia tegelike ja tulevaste saavutuste tasemed jaganud viieks kategooriaks. Peaaegu täielikult iseseisvas režiimis on AI-agendil edenenud kolme avatud ülesande lahendamine, mille formuleeris matemaatik Pál Erdős — selle uurimist hinnati nulltasemel, mis vastab „väikesele uudishimu“. Sama režiimis pakkus ta lahendust veel ühele ülesandele samast komplektist, saavutades esimese taseme ehk „minimaalse uudishimu“. Teisel tasemel, „väljaandmiseks sobiv“, näitas Aletheia tulemusi iseseisvas režiimis, koostöös inimesega ja abivahendina. Kolmas („märkimisväärne läbimurre“) ja neljas („ajalooline läbimurre“) pole AI-agendile veel kätte jõudnud.

Aletheia analüüsis 700 senitühja matemaatilist ülesannet, mille on välja töötanud Erdős, ja suutis neist lahendada 13. Tõsi, 9 ülesannet olid juba lahendatud, ning tegelikult on esmakordselt lahendatud vaid 4 ülesannet. Veelgi enam, 212 lahendusest, mille AI esitas, olid „sisuliselt õiged“ vaid 6,5 %. Ülejäänud kas sisaldasid põhialuseid vigu (68,5 %) või lahendasid vale tõlgenduse põhjal agenti ülesandeid (31,5 %).

Seetõttu nõustusid arendajad, et nende AI näitab „kalduvust valesti mõista küsimust viisil, mis muudab vastamise lihtsamaks“ ja on inimestega võrreldes „äärmiselt ekslik“. Teisisõnu, AI ei saa matemaatikute asendamiseks veel hakkama.

Allikad:

• Google'i blogi
• Google DeepMind

Allikas: 3dnews.ru