# AlphaGeometry：一款具有奥林匹克水平的几何 AI 系统 [译]

- Link: https://paooo.com/ai-study/8573/
- Published: 2024-09-29T12:16:09+08:00
- Author: 宝玉的分享

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 神经语言模型+符号演绎引擎协同工作，提升复杂几何推理能力。
 * 在 IMO-AG-30 基准上，AlphaGeometry 规定时间内解出 25 题，接近金牌选手平均分。
 * 通过生成 1 亿个合成样本训练，绕开人类示范数据瓶颈，具备开源潜力。

**我们的 AI 系统在几何问题解决方面超越了当前最先进的方法，推动了 AI 在数学推理领域
的进步。**

阅读目录

 * [AlphaGeometry 采取了神经符号方法](https://paooo.com/ai-study/8573/#alphageometry-%e9%87%87%e5%8f%96%e4%ba%86%e7%a5%9e%e7%bb%8f%e7%ac%a6%e5%8f%b7%e6%96%b9%e6%b3%95)
 * [生成 1 亿个合成数据样本](https://paooo.com/ai-study/8573/#%e7%94%9f%e6%88%90-1-%e4%ba%bf%e4%b8%aa%e5%90%88%e6%88%90%e6%95%b0%e6%8d%ae%e6%a0%b7%e6%9c%ac)
 * [AI 在数学推理上的开创性应用](https://paooo.com/ai-study/8573/#ai-%e5%9c%a8%e6%95%b0%e5%ad%a6%e6%8e%a8%e7%90%86%e4%b8%8a%e7%9a%84%e5%bc%80%e5%88%9b%e6%80%a7%e5%ba%94%e7%94%a8)

回顾古希腊奥林匹克的精神，国际数学奥林匹克竞赛成为全球最杰出的高中数学天才的舞台。
这场比赛不仅展现了年轻才俊的风采，也成为了测试先进 AI 系统在数学和推理领域能力的
新战场。

在今日发表于《自然》杂志的论文中，我们介绍了 AlphaGeometry，这是一款能够解决复杂
几何问题的 AI 系统，其能力已接近人类奥林匹克金牌选手的水平，标志着 AI 性能的一个
重大突破。在对 30 个奥林匹克几何问题的基准测试中，AlphaGeometry 在规定的奥林匹克
时间内解决了 25 个问题。相比之下，之前的最先进系统只解决了其中的 10 个问题，而平均
水平的人类金牌选手能解决 25.9 个问题。

![AlphaGeometry：一款具有奥林匹克水平的几何 AI 系统 [译]](https://paooo.com/wp-content/
uploads/2024/09/olympiad-standard.webp)

图表展示了一系列来自 2000 至 2022 年奥林匹克竞赛的 30 个几何问题（IMO-AG-30）。 
在我们的基准测试集中，包括从 2000 年至 2022 年奥林匹克竞赛选出的 30 个几何问题（
IMO-AG-30），AlphaGeometry 在比赛时间限制内解决了其中的 25 个问题。这个成绩接近人类
金牌得主在这些相同问题上的平均分数。之前的最先进方法，被称为“吴氏方法”，只解决了
其中的 10 个问题。

AI 系统在解决几何和数学领域的复杂问题上常常遇到难题，主要是因为它们缺乏足够的推理
能力和训练数据。AlphaGeometry 结合了神经语言模型的预测力和基于规则的演绎引擎的能力，
这两者协同工作，共同寻找解决方案。我们开发了一种生成大量合成训练数据的方法——创造
了 1 亿个独特的例子，使得我们能在没有任何人类示范的情况下训练 AlphaGeometry，有效
地克服了数据瓶颈问题。

AlphaGeometry 的成功展示了 AI 在逻辑推理、发现和验证新知识方面的不断进步。能够解决
奥林匹克级别的几何问题，是向着开发具有深度数学推理能力的更先进和通用 AI 系统迈出
的重要一步。我们计划开源 AlphaGeometry 的代码和模型，希望它能与其他合成数据生成和
训练工具一起，为数学、科学和 AI 领域带来新的可能性。

> AI 研究人员首先挑战 IMO 几何问题，这很合理，因为这些问题的解决过程有点像下棋，
> 每一步都有限的合理选择。但看到他们真的做到了，我还是感到震惊。这是一项了不起的
> 成就。
> NGÔ BẢO CHÂU，菲尔兹奖得主，IMO 金牌得主

##  AlphaGeometry 采取了神经符号方法

AlphaGeometry 结合了神经语言模型和符号演绎引擎的优势，形成了一个神经符号系统。这个
系统能够共同工作，为复杂的几何定理找到证明。就像“快速思考和慢速思考”理论中所述，
一个系统快速提供“直觉”式的想法，而另一个则负责更谨慎、理性的决策。

语言模型擅长快速识别数据中的常规模式和关系，能够迅速预测可能有用的结构，但它们通常
缺乏严谨的推理能力和解释决策的能力。而符号演绎引擎则基于正规逻辑，使用明确的规则
来得出结论。这些引擎是理性的、可解释的，但在单独处理大型复杂问题时可能显得“慢”且
不够灵活。

AlphaGeometry 的大语言模型 (Large Language Model) 能引导其符号推理系统有效地找到
解决几何问题的可能方案。在奥林匹克几何题中，通常需要在题目所给的图形中增添新的几何
元素，如点、线或圆，才能求解。AlphaGeometry 的大语言模型能够预测出在无数可能中，
哪些新元素的增加最为关键。这些线索极大地帮助填补信息空白，让符号推理系统能进一步
分析图形，逐步推进到最终解答。

![图 1: 展示了 AlphaGeometry 如何解决一个简单的几何题。在解决一个简单的几何题时，
AlphaGeometry 首先根据题目所给的图形和定理前提（图左），运用其符号推理系统来推导
图中的新信息，直至找到答案或无法再推导出新信息。如果答案尚未找到，AlphaGeometry 
的大语言模型会加入一个可能有助的新几何元素（以蓝色表示），为符号系统开辟新的推理
路径。这样的循环一直进行，直到找到答案（图右）。在这个例子中，只需添加一个新元素
就可解题。](https://paooo.com/wp-content/uploads/2024/09/a-simple-problem.webp)

图 1: 展示了 AlphaGeometry 如何解决一个简单的几何题。在解决一个简单的几何题时，AlphaGeometry
首先根据题目所给的图形和定理前提（图左），运用其符号推理系统来推导图中的新信息，
直至找到答案或无法再推导出新信息。如果答案尚未找到，AlphaGeometry 的大语言模型会
加入一个可能有助的新几何元素（以蓝色表示），为符号系统开辟新的推理路径。这样的循环
一直进行，直到找到答案（图右）。在这个例子中，只需添加一个新元素就可解题。

![图 2: AlphaGeometry 解决一道奥林匹克级的几何题的插图。AlphaGeometry 在解答一道
奥林匹克级的几何题时：展示了 2015 年国际数学奥林匹克第 3 题的原题（图左）和 AlphaGeometry
的精简版解答（图右）。图中蓝色部分表示新增的几何元素。AlphaGeometry 的解答过程包含
了 109 个逻辑步骤。](https://paooo.com/wp-content/uploads/2024/09/imo-2015-p3.webp)

图 2: AlphaGeometry 解决一道奥林匹克级的几何题的插图。AlphaGeometry 在解答一道奥林匹克
级的几何题时：展示了 2015 年国际数学奥林匹克第 3 题的原题（图左）和 AlphaGeometry
的精简版解答（图右）。图中蓝色部分表示新增的几何元素。AlphaGeometry 的解答过程包含
了 109 个逻辑步骤。

点击查看完整解答

##  生成 1 亿个合成数据样本

几何学是艺术、建筑、工程等多个领域的基石，它涉及空间、距离、形状和位置关系的理解。
人们通常通过使用笔和纸、检视图形和运用已有知识来学习几何，从而发现新的、更复杂的
几何属性和关系。我们的合成数据生成方法模拟了这一知识积累过程，并在大规模上进行，
让我们得以从头开始培训 AlphaGeometry，而无需依赖人类的示范。

利用高效的并行计算技术，该系统初始生成了十亿个随机几何图形，并全面分析了每个图形
中点和线的所有关系。AlphaGeometry 找出了每个图形中所有的证明，并反向追溯出为得到
这些证明所需添加的额外几何元素（如果有的话）。我们将这一过程称为“符号推理与追溯”。

![图 3: AlphaGeometry 生成的合成数据的视觉展示。](https://paooo.com/wp-content/uploads/
2024/09/visual.webp)

图 3: AlphaGeometry 生成的合成数据的视觉展示。

这个巨大的数据池在筛选后剔除了相似样本，最终形成了一个包含 1 亿个不同难度、各具特色
的训练样本集，其中约 900 万个样本包含了新增的几何元素。凭借这些众多样本，AlphaGeometry
的大语言模型能够在面对奥林匹克级的几何题时，有效地推荐新增的几何元素。

##  AI 在数学推理上的开创性应用

AlphaGeometry 提供的每个奥林匹克级问题的解答都经过了计算机的检验和验证。我们还将
其结果与先前的 AI 方法和奥林匹克比赛中的人类表现进行了对比。此外，数学教练兼前奥林匹克
金牌得主 Evan Chen 也为我们评估了 AlphaGeometry 的部分解答。

Chen 表示：“AlphaGeometry 的输出成果令人印象深刻，因为它既能被验证又十分清晰。以往
AI 在解决证明型竞赛题目时，效果时好时坏（有时答案正确但需人工复核）。AlphaGeometry
没有这个问题：其解答具有可由机器验证的结构。尽管如此，其输出内容依然易于人类理解。
人们本可能想象出一个通过穷尽坐标系统暴力解题的计算机程序，充斥着繁复的代数计算。
但 AlphaGeometry 并非如此。它像学生一样使用经典几何规则，处理角度和类似三角形等问题。”

> “AlphaGeometry 的输出成果令人印象深刻，因为它既能被验证又十分清晰……它像学生一样
> 使用经典几何规则，处理角度和类似三角形等问题。”
> Evan Chen, 数学教练兼奥林匹克金牌得主

每届国际数学奥林匹克竞赛都设有六个问题，其中通常只有两个涉及几何。因此，AlphaGeometry
这个人工智能模型只能应用于其中的三分之一问题。尽管如此，它在几何领域的表现令人瞩目，
甚至达到了 2000 年和 2015 年国际数学奥林匹克铜牌水平，成为世界上首个做到这一点的
AI 模型。

在几何问题上，我们的系统已经接近金牌选手的水平。不过，我们更加关注的是：利用 AI 
推进下一代智能系统的逻辑推理能力。我们通过从头开始，利用大量合成数据对 AI 系统进行
训练，这种方法可能将改变未来 AI 系统在数学及其他领域探索新知识的方式。

AlphaGeometry 是基于谷歌 DeepMind 和谷歌研究院在 AI 数学推理领域的开创性工作而开发
的。从研究纯数学之美，到利用大型语言模型解决数学和科学问题，我们一直在探索 AI 的
可能性。最近，我们还推出了名为 FunSearch 的工具，它是首个在数学科学开放问题上取得
突破的大型语言模型。

我们的长期目标是打造能够在不同数学领域泛化应用的 AI 系统，培养出通用人工智能系统
所需的复杂问题解决和逻辑推理能力，同时拓展人类的知识边界。

想了解更多关于 AlphaGeometry 的信息吗？请阅读我们在《自然》杂志上发表的论文，或访问
AlphaGeometry 的 Github 页面。

这个项目是谷歌 DeepMind 团队和纽约大学计算机科学系联合实施的。项目的主要贡献者包括
Trieu Trinh、Yuhuai Wu、Quoc Le、He He 和 Thang Luong 等。我们还要感谢 Rif A. Saurous、
Denny Zhou、Christian Szegedy、Delesley Hutchins 等多位专家学者的帮助与支持。特别
感谢谷歌 DeepMind 的领导层，包括 Ed Chi、Koray Kavukcuoglu、Pushmeet Kohli 和 Demis
Hassabis，他们为这个项目提供了巨大支持。

❓ 常见问题解答（FAQ）

AlphaGeometry 在 IMO 几何题上表现如何？

在由 2000 至 2022 年奥林匹克几何题组成的 30 题基准中，AlphaGeometry 在比赛时间限制
内解出 25 题，接近人类金牌选手平均可解出的 25.9 题，明显优于此前系统的 10 题。

AlphaGeometry 为什么能提升几何推理能力？

它采用神经符号方法：大语言模型负责快速提出可能有用的几何元素，符号演绎引擎负责严格
推导与验证。两者结合，既有“直觉”又有严谨逻辑，适合复杂几何证明。

AlphaGeometry 的训练数据从哪里来？

文章提到它通过合成数据生成方法，创建了 1 亿个独特例子，在没有任何人类示范的情况下
完成训练，从而缓解了几何推理任务中常见的数据瓶颈。

🔬 语宙深潜追问 · 进阶实操拆解

AlphaGeometry 为什么能解高难几何题？

它把神经网络的模式识别能力和符号系统的严格推理结合起来。神经部分负责提出可能构造，
符号部分负责验证与推演，因此既有搜索效率，又能保证几何证明的严谨性。

这种方法能迁移到别的数学题吗？

可以迁移思路，但不一定直接迁移性能。关键在于问题是否有清晰规则、可验证步骤和可组合
的中间表示；若能把领域知识形式化，神经符号方法通常更有优势。

🗳️ 读者观点微投票 · 您的实战立场是？

神经符号路线，才是几何推理正解吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [AlphaGeometry2 – 谷歌 DeepMind 推出解决复杂几何问题的AI系统](https://paooo.com/aigc-news/22178/)
 * [人工智能迎战数学奥林匹克的新挑战 [译]](https://paooo.com/ai-study/8575/)
 * [TongGeometry – 北京通院联合北大AI研究院推出的几何模型](https://paooo.com/aigc-news/21740/)
 * [谷歌DeepMind推出AlphaProof Nexus：AI攻克56年数学悬题，颠覆科学发现范式](https://paooo.com/aigc-news/17764/)

[🏛️ 宝玉的分享](https://paooo.com/author/baoyu/) · 前沿大模型翻译与提示词工程实战
分享专栏，聚焦海外一手 AI 技术动态与工程实践。

[📄 Markdown 纯净版](https://paooo.com/ai-study/8573/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
