Deepmind AlphaGeometry2模型幾何解題能力已超越IMO金牌選手

DeepMind持續改進人工智慧的數學能力，數學推理模型AlphaGeometry2在解決國際數學奧林匹亞（IMO）幾何題目上的表現，已正式超越金牌選手的平均水準。研究團隊測試了2000至2024年間所有IMO幾何題，AlphaGeometry2以84％的解題成功率大幅超越前代系統AlphaGeometry1的54％，並且研究團隊挑出難度更高的IMO Shortlist幾何題子集IMO-AG-30，AlphaGeometry2成功解出全部題目，展現人工智慧在數學推理領域的突破性能力。

這項研究來自DeepMind的數學與人工智慧團隊，核心技術結合了語言模型與符號推理系統，透過強化學習與增強搜尋演算法，讓人工智慧能夠更有效率地善用輔助線、拆解問題並建立完整的幾何證明。

新版本擴展了AlphaGeometry的幾何領域語言，使其更能夠處理複雜的幾何問題，包括軌跡定理（Locus Theorem）、線性方程式與非建構性命題（Non-Constructive Problem Statement），能夠形式化處理，也就是可以讀懂IMO幾何題的比例從66％提升至88％。同時，運算引擎的效能也大幅提升，透過C++重新實作符號處理機制，並最佳化規則集，使推理過程更為精確與高效。

在測試結果中，AlphaGeometry2對IMO幾何題的解題能力，已達專業數學競賽選手的水準，甚至在部分問題的解法上展現超越人類的創造力。DeepMind研究團隊表示，這項技術突破不僅是數學解題系統的進展，也使人工智慧在形式化推理、自動證明與教育應用開啟新的可能性。

傳統的數學自動推理技術主要仰賴代數運算與計算機代數系統（CAS），例如Wu's Method或Gröbner Bases，透過將幾何問題轉換為代數聯立方程式來求解，而AlphaGeometry2採用了更貼近人類解題方式的合成幾何推理方法，並透過語言模型驅動推導過程，使其能夠從自然語言描述的題目中建構完整的證明。

目前的研究仍有部分限制，AlphaGeometry2無法處理變數點數（Variable Number of Points）、不等式與非線性方程式的幾何問題，這些類型的題目在IMO中雖然不常見，但仍然是自動幾何推理領域尚未解決的挑戰。此外，部分涉及投影幾何（Projective Geometry）與幾何反轉（Inversion）的問題，仍然超出系統現有能力範圍，研究團隊認為，未來透過更高效的問題拆解策略與強化學習機制，能夠進一步縮小這些差距。