一个简单的结深态AI软件已与数学家合作，成功地开发了有关结结构的定理 ，但是《代码所给出的建议》是如此不直觉 ，以至于最初被驳回。直到后来，他们才发现提供了宝贵的见解 。这项工作表明 ，AI可能会揭示数学的新领域 ，其中大数据集使问题太复杂而无法被人类理解 。
数学家长期以来一直使用计算机进行大量计算的蛮力工作，而AI甚至被用来反驳数学猜想。但是 ，从头开始创建一个猜想是一个更加复杂和细微的问题 。
为了反驳猜想 ，AI只需要通过大量的投入就可以找到与这个想法相矛盾的示例 。相比之下，制定猜想或证明一个定理需要直觉，技能以及许多逻辑步骤的串在一起。
由Google的母公司Alphabet拥有的总部位于英国的AI Company DeepMind曾在国际象棋和GO游戏中使用AI击败人类 ，并解决了人类蛋白质的结构 。现在 ，该公司的科学家已经表明，AI可以为人类数学家提供有前途的铅来发展定理 。这项工作导致了拓扑和代表理论领域的猜想 ，并且对结的结构进行了验证。
与大多数神经网络研究不同 ，在该研究中，AI被喂食大量示例并学会发现或创建类似的输入 ，此处的AI研究了现有的模式数学结构。DeepMind说 ，它的AI既发现了以前的知名模式，也发现了人类数学家的新发现 。
牛津大学的Marc Lackenby和AndrásJuhász与DeepMind合作 ，创建了一个新定理 ，介绍了代数和几何不变的结之间的联系 。结理论是对绳索中发现的结的研究，除了在这些模型中 ，这两个末端连接在一起。尽管该领域确实提供了有关绳索如何缠结的见解 ，但它也具有量子场理论和非欧几里得几何形状中的应用 。
DeepMind的AI软件得到了结理论的两个先前独立组成部分的详细信息 - 代数和几何 - 并要求它们之间寻求任何相关性，包括直接相关性以及复杂，微妙和不直觉的相关性 。这些线索中最有趣的铅传递给了人类数学家进行分析和完善。其中一些被证明是以前已建立的数学 ，而另一些则是全新的 。
Lackenby说 ，AI确定了一串变量，这些变量以复杂的方式结合在一起 ，似乎暗示了两个先前独立的字段之间的相关性 。最初 ，团队仅采用了这些建议的变量中最强的三个，并试图猜想。
拉克森说：“我们花了很长时间试图证明这一点 ，事实证明并不是完全正确的 。”“但是事实证明 ，第四和第五[AI建议]以这种非常微妙的方式也控制了签名 。因此，如果我们采取了机器学习告诉我们的面值。机器学习整个时间都知道发生了什么 。 ”
一旦考虑到这些其他变量 ，团队就可以完成猜想并证明定理 。拉克森说：“我们在一个直觉受到挑战的世界中工作。 ”“我们没想到这些代数和几何数量之间会有如此明显的关系 ，所以我非常非常惊讶。”
AI的一些建议导致了可能的猜想，这些猜想证明了数以百万计的例子是正确的 ，但随着进一步的调查而崩溃了 。拉克森比（Lackenby）认为 ，AI能够完成分析有希望的潜在客户并仅开发猜想或定理的过程，但在促使或指导人类转向有希望的学习领域可能是无价的 。
他说：“我认为增强直觉绝对是数学家的关键。直觉是指导我们的原因，因此任何可以帮助您的事情都是一个非常有用的工具 。 ”
AI还协助悉尼大学的Geordie Williamson发现了尚未证明的代表理论的猜想 ，但已成功地针对超过300万个例子进行了测试 。
本文来自作者[admin]投稿，不代表东辰文化立场，如若转载，请注明出处：http://www.mzwhys.cn/jyan/202506-1500.html
评论列表（4条）
我是东辰文化的签约作者“admin”！
希望本篇文章《DeepMind：AI软件与人类合作进行数学突破》能对你有所帮助！
本站[东辰文化]内容主要涵盖：生活百科,小常识,生活小窍门,知识分享
本文概览：一个简单的结深态AI软件已与数学家合作，成功地开发了有关结结构的定理，但是《代码所给出的建议》是如此不直觉，以至于最初被驳回。直到后来，他们才发现提供了宝贵的见解。这项工作表明...