AlphaGeometry: An Olympiad-level AI system for geometry
Zusammenfassung
Kurz
Laut Google DeepMind löste AlphaGeometry 25 von 30 getesteten Olympiade-Geometrieaufgaben und kombinierte dafür ein Sprachmodell mit einem regelbasierten Beweissystem, trainiert auf 100 Millionen synthetischen Beispielen. Die berichtete Leistung ist auf Geometrie beschränkt; da typischerweise nur zwei von sechs Olympiade-Aufgaben Geometrie betreffen, deckt das System nicht den gesamten Wettbewerb ab.
Mittel
Der Bericht beschreibt AlphaGeometry als KI-System, das laut Google DeepMind in einem Test 25 von 30 Geometrieaufgaben früherer Mathematik-Olympiaden innerhalb der Wettbewerbszeit löste. Das damalige beste KI-Verfahren schaffte 10; der angegebene Durchschnitt menschlicher Goldmedaillengewinner lag bei 25,9. Der Vergleich betrifft Geometrieaufgaben dieses Tests.
AlphaGeometry kombiniert ein Sprachmodell, das hilfreiche zusätzliche Punkte, Geraden oder Kreise vorschlägt, mit einem symbolischen System, das daraus regelgeleitete Beweise ableitet. Trainiert wurde es mit synthetischen Daten: Aus einer Milliarde zufällig erzeugter Diagramme entstand nach dem Aussortieren ähnlicher Beispiele ein Datensatz mit 100 Millionen unterschiedlichen Fällen. Laut Bericht wurden die Lösungen computergeprüft; ein Mathematiktrainer bewertete eine Auswahl als klar und nachvollziehbar.
Die Reichweite bleibt begrenzt: Bei einer Olympiade sind typischerweise nur zwei von sechs Aufgaben Geometrieaufgaben. Die Autoren sehen dennoch einen wichtigen Schritt im mathematischen Schlussfolgern und hoffen auf weitergehenden Nutzen synthetischer Daten. Eine solche Übertragbarkeit auf andere Gebiete wird im Bericht nicht belegt.
Ausführlich lesen
Der Bericht stellt AlphaGeometry als KI-System für anspruchsvolle Geometrieaufgaben vor. Laut Google DeepMind löste das System in einem Test mit 30 Geometrieproblemen aus den Internationalen Mathematik-Olympiaden von 2000 bis 2022 insgesamt 25 innerhalb der üblichen Wettbewerbszeit. Zum Vergleich nennt der Bericht 10 gelöste Aufgaben für das damalige beste KI-Verfahren und einen Durchschnitt von 25,9 bei menschlichen Olympiade-Goldmedaillengewinnern. Die Autoren beschreiben AlphaGeometry deshalb als nahe am Goldmedaillenniveau; der Vergleich bezieht sich ausdrücklich auf diesen Geometrie-Test.
Das System verbindet ein Sprachmodell mit einem symbolischen Deduktionssystem. Das Sprachmodell schlägt mögliche zusätzliche geometrische Elemente vor, etwa Punkte, Geraden oder Kreise. Das Deduktionssystem leitet daraus mithilfe formaler Regeln weitere Aussagen ab. Findet es noch keinen Beweis, kann das Sprachmodell einen weiteren Konstruktionsvorschlag liefern; dieser Ablauf wird wiederholt, bis eine Lösung gefunden ist oder keine neuen Deduktionen mehr möglich sind. Der Bericht beschreibt das Sprachmodell als schnell und gut darin, Muster zu erkennen, aber nicht zuverlässig genug für strenge Beweise allein. Die symbolische Komponente liefert regelgebundene und überprüfbare Schlüsse, kann jedoch bei komplexen Aufgaben an Grenzen stoßen.
Für das Training entwickelten die Forschenden ein Verfahren zur Erzeugung synthetischer Daten, das laut Bericht keine menschlichen Lösungsbeispiele benötigt. Zunächst wurden mit parallelisierter Rechenleistung eine Milliarde zufällige Diagramme mit geometrischen Objekten erzeugt. Für jedes Diagramm leitete das System Beziehungen zwischen Punkten und Geraden ab, ermittelte mögliche Beweise und arbeitete zurück, welche zusätzlichen Konstruktionen dafür erforderlich waren. Ähnliche Beispiele wurden anschließend aussortiert. Der resultierende Trainingsdatensatz umfasste 100 Millionen unterschiedliche Beispiele verschiedener Schwierigkeitsgrade; neun Millionen davon enthielten hinzugefügte Konstruktionen.
Die Autoren berichten, dass AlphaGeometry-Lösungen für Olympiade-Aufgaben computergeprüft und verifiziert wurden. Außerdem ließen sie eine Auswahl vom Mathematiktrainer und früheren Olympiade-Goldmedaillengewinner Evan Chen beurteilen. Chen lobte laut Bericht die klare, menschenlesbare und maschinell überprüfbare Form der Beweise und hob hervor, dass das System klassische Geometriemethoden wie Winkelbeziehungen und ähnliche Dreiecke verwende, statt bloß umfangreiche Koordinatenrechnung auszugeben. Als Beispiel nennt der Text eine Lösung zu Aufgabe 3 der Olympiade 2015 mit 109 logischen Schritten.
Der Bericht grenzt die Leistung zugleich ein: Eine Olympiade umfasst sechs Aufgaben, von denen typischerweise nur zwei Geometrie betreffen. AlphaGeometry könne daher bei einer konkreten Olympiade nur auf ungefähr ein Drittel der Aufgaben angewandt werden. Die Autoren erklären dennoch, dass seine Geometriefähigkeit in den Jahren 2000 und 2015 die damalige Bronze-Schwelle erreicht habe. Sie stellen das System als Fortschritt für mathematisches Schlussfolgern dar und äußern die Hoffnung, dass synthetische Trainingsdaten auch in Mathematik und anderen Wissenschaften nützlich sein könnten. Das sind Perspektiven und Einschätzungen der Autoren; der Bericht belegt keine allgemeine Übertragbarkeit auf andere mathematische Gebiete. Er erwähnt außerdem, dass Code und Modell öffentlich zugänglich gemacht werden sollen.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Die Stufen und Anteile in Lunas Sammelfragen-Einordnung sind nicht geprüft und bleiben außen vor. Der Blogbeitrag ist eine Produktdarstellung ohne Sicherheits- oder Governance-Diskussion, daher fallen die meisten Fragen niedrig aus.
Im Bericht, aber nicht in der Zusammenfassung
- Vergleich mit Silber- und Bronzemedaillengewinnern (22,9 und 19,3 gelöste Aufgaben)
- Aussage, dass AlphaGeometry als erste KI die Bronzeschwelle der IMO in den Jahren 2000 und 2015 erreichte
- Open-Source-Veröffentlichung von Code und Modell
- Einordnung als Blogbeitrag von Google DeepMind mit Verweis auf die Nature-Veröffentlichung
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Fähigkeiten messen
- SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- clef 100 %kein Bezug
- Luna 48 %Hintergrund, keine Belege
- JEV 29 %einzelne zitierbare Belege
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F2-T03 Ein Minister beschreibt Risiken durch Spionage und Datenabfluss, etwa über quelloffene KI-Agentenwerkzeuge, und durch ein Ungleichgewicht in der technologischen Entwicklung, das Monopole und Technologiebeschränkungen verschärfen. Welche veröffentlichten Belege würden diese Risiken an der Fähigkeit eines Modells statt an seiner Herkunft festmachen?
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 56 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 39 %umfangreiche Belege
- amos 26 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 39 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 100 %kein Bezug
- Luna 41 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 27 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 52 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 43 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 51 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 35 %einzelne zitierbare Belege
- JEV 31 %einzelne zitierbare Belege
- amos 32 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 57 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-T3-T01 Welches messbare Zeichen, also welche beobachtbare Änderung in der Fähigkeit eines Modells, die Abläufe zu verbessern, mit denen seine eigenen Fähigkeiten entwickelt werden, würden Labore und Staaten gemeinsam als Beginn der Selbstverbesserung anerkennen, und wer darf im Labor danach suchen? Welche beobachtbare Änderung markiert den Schritt von beaufsichtigter automatisierter Forschung zu voll selbstständiger Selbstverbesserung, und welche öffentliche Stelle darf diesen Schritt nach Prüfung der Belege für menschliche Kontrolle erlauben oder ablehnen?
- SF-T3-T08 Welche kontrollierten Versuche können Labore heute machen, um Selbstverbesserung nachzubilden, ohne eine unbeabsichtigte Beschleunigung zu riskieren?
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 36 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 64 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 49 %Hintergrund, keine Belege
- JEV 54 %einzelne zitierbare Belege
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V4-T03 Ist Intelligenz, die „eher gewachsen als entworfen“ ist, ein Grund für mehr Vorsicht oder dafür, Modelle wie ein Ökosystem zu pflegen?
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 33 %Hintergrund, keine Belege
- JEV 32 %gleiches Oberthema, hilft nicht
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 62 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 49 %einzelne zitierbare Belege
- JEV 57 %einzelne zitierbare Belege
- amos 24 %einzelne zitierbare Belege
- SubQ 40 %gleiches Oberthema, hilft nicht
- drex 27 %gleiches Oberthema, hilft nicht
- d3-ultra 41 %nur am Rande erwähnt
- Haiku-Prüfung nur am Rande erwähnt
- SF-H2-T01 Was unterscheidet das Veröffentlichen von Modellgewichten (den gelernten Parametern) oder von Agentenwerkzeugen mit offenem Quellcode vom Freisetzen einer Waffe: die Absicht des Akteurs, die Selbstständigkeit des Modells, seine Verwendung oder der Schaden, den es von sich aus anrichten kann? Und können Staaten diese Grenze gemeinsam festschreiben, bevor ein offenes Modell im Mittelpunkt eines schweren Vorfalls steht?
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 51 %umfangreiche Belege
- JEV 47 %beantwortet teilweise oder widerspricht
- amos 28 %einzelne zitierbare Belege
- SubQ 100 %kein Bezug
- drex 36 %gleiches Oberthema, hilft nicht
- d3-ultra 44 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung einzelne zitierbare Belege
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 54 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 51 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 39 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 38 %Hintergrund, keine Belege
- JEV 57 %einzelne zitierbare Belege
- amos 28 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 42 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte?
- SF-E4-T02 Welche konkreten Mechanismen (bezahlbarer Zugang zu Modellen, Rechenleistung im öffentlichen Interesse, Technologietransfer) sollen Sicherheitsregeln begleiten, damit sie Monopole nicht vertiefen und Länder mit wenig Mitteln nicht abhängig zurücklassen?
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 59 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv