Spoločnosť Google vydala veľkú aktualizáciu. Gemini 3 Deep Think — platforma založená na uvažujúcej umelej inteligencii, určená na riešenie aktuálnych problémov v oblasti vedy a inžinierstva.
Vývoj novej verzie Google Gemini 3 Deep Think prebiehal v spolupráci s vedcami — služba má za cieľ riešiť zložité výskumné úlohy, ktorých aspekty môžu nemusia mať presné obmedzenia alebo jediné správne riešenie, a sprievodné údaje môžu byť neúplné alebo neusporiadané. Aktualizovaná platforma Deep Think je pokusom prekročiť hranice abstraktnej teórie a prejsť do oblasti praktických aplikácií. Nový režim je dostupný priamo v aplikácii Gemini, ale využívať ho môžu iba predplatitelia Google AI Ultra; spoločnosť tiež po prvýkrát otvorí prístup k službe prostredníctvom API Gemini — inžinieri, vedci a podniky budú musieť predložiť príslušnú žiadosť.
V teste Humanity’s Last Exam platforma Google Gemini 3 Deep Think dosiahla 48,4 % bez použitia externých nástrojov; výsledok v benchmarku ARC-AGI-2 bol bezprecedentných 84,6 %. V teste programovania Codeforces získala hodnotenie Elo 3455; v úlohách Medzinárodnej matematickej olympiády 2025 systém ukázal úroveň zlatej medaily, rovnakého výsledku dosiahol aj v riešení úloh olympiád v chémii a fyzike. V teste CMT-Benchmark režim Google Gemini 3 Deep Think preukázal vysokú úroveň ovládania teoretickej fyziky s výsledkom 50,5 %.
Model Gemini 3 Deep Think sa stal základom AI agenta, ktorý v laboratóriu Google DeepMind dostal názov Aletheia. Zahrňuje prostriedok na overovanie hypotéz, formulovaných prirodzeným jazykom, na identifikáciu nedostatkov v navrhovaných riešeniach; je zahrnutý iteratívny proces generovania a úpravy riešení. Dôležité je, že agent môže uznať svoju neschopnosť odpovedať na požiadavku. Pri práci so zložitými výskumami sa obracia na vyhľadávaciu službu Google a prostriedky webového prehliadania — pri príprave súhrnov zverejnenej literatúry nezverejňuje neexistujúce odkazy a snaží sa vyhnúť nepresnostiam pri výpočtoch.
Skutočné a budúce úrovne dosiahnutia Aletheia vyvinuli vývojári Google v piatich kategóriách. V prakticky plne autonómnom režime AI agent načrtol cesty riešenia troch otvorených úloh, formulovaných matematikom Pálom Erdosom — tento výskum bol ocenený na nulovej úrovni zodpovedajúcej „nízkej novosti“. V rovnakom režime navrhol riešenie ďalšej úlohy z tej istej sady, pričom dosiahol prvú úroveň alebo „minimálnu novosť“. Na druhej úrovni, „vhodnej na publikovanie“, Aletheia ukázala výsledky v autonómnom režime, v režime spolupráce s človekom a ako pomocný nástroj. Tretia („významný prelom“) a štvrtá („historický prelom“) úroveň zatiaľ agentovi neboli prístupné.
Podľa zadania vývojárov Aletheia analyzovala 700 dosiaľ nevyriešených matematických úloh Erdosu a zvládla 13 z nich. Pravda, u 9 úloh sa našlo už existujúce riešenie, a skutočne prvýkrát vyriešené sa zdajú byť iba 4 úlohy. Navyše, z 212 riešení, ktoré AI poskytlo, bolo „obsahovo správnych“ iba 6,5 %. Ostatné buď obsahovali základné nedostatky (68,5 %), alebo riešili nesprávne interpretované verzie pôvodných úloh (31,5 %).
Výsledkom je, že vývojári súhlasia s tým, že ich AI vykazuje „tendenciu nesprávne chápať otázku tak, aby sa na ňu dalo ľahšie odpovedať“ a ostáva „veľmi náchylné na chyby v porovnaní s ľuďmi“. Inými slovami, nahradiť matematikov AI zatiaľ nedokáže.
Zdroje:
Zdroj: 3dnews.ru
