


Durch die Umwandlung mathematischer Probleme in Code hat die Forschung von Google die Genauigkeit maschineller Beweise erheblich verbessert.
Computer werden schon seit einiger Zeit zur Verifizierung mathematischer Beweise eingesetzt, allerdings können sie dies nur tun, wenn sie Probleme mit einer speziell entwickelten Beweissprache vorbereiten und nicht mit der von Mathematikern verwendeten Mischung aus mathematischer Notation und geschriebenem Text umgehen können.
Wenn Sie in natürlicher Sprache geschriebene mathematische Probleme in formale Codes umwandeln und sie für Computer leichter lösbar machen, kann dies dazu beitragen, Maschinen zu bauen, die neue Entdeckungen in der Mathematik erforschen können.
Dieser Prozess wird Formalisierung genannt, aber nur ein einziger Beweis kann jahrelange Arbeit erfordern, sodass nur ein kleiner Teil des mathematischen Wissens formalisiert und dann von Maschinen bewiesen wird.
Autoformalisierung bezieht sich auf die Aufgabe, Mathematik automatisch aus der natürlichen Sprache in die formale Sprache zu übersetzen. Die praktischen und philosophischen Implikationen eines erfolgreichen automatisierten Formalisierungstools wären enorm, es könnte die derzeit übermäßig hohen Formalisierungskosten reduzieren und auf lange Sicht könnte es automatisierte Aspekte des mathematischen Denkens in verschiedenen Forschungsbereichen verbinden.
In einer aktuellen Studie verwendeten Yuhuai Wu von Google und seine Mitarbeiter neuronale Netze von OpenAI Codex, um die Formalisierungsarbeit zu automatisieren. Codex wurde auf große Textmengen und Programmierdaten aus dem Web trainiert und Programmierer können damit zuverlässigen Code generieren. 🔜 Potenzial. Bisherige Erfolge beschränkten sich jedoch auf formale Sprachen (wie Python), für die im Web große Korpora existieren. Im Gegensatz dazu sind formale mathematische Daten sehr rar. Eine der größten formalen mathematischen Sprachbibliotheken, Archive of Formal Proofs, ist nur 180 MB groß, was weniger als 0,18 % der Trainingsdaten des großen Sprachmodells Codex ausmacht.
Darüber hinaus gibt es im Gegensatz zu allgemeinen Programmiersprachen, bei denen Docstrings in natürlicher Sprache weit verbreitet sind, kaum eine Datenangleichung zwischen natürlichen Sprachen und formalen mathematischen Sprachen. Daher ist noch nicht bekannt, ob der Erfolg groß angelegter Sprachmodelle die Entwicklung der automatischen Formalisierung direkt fördern kann.
Um die Wirksamkeit dieses automatisierten Formalisierers zu testen, wandte das Team Codex dann auf eine Reihe von Problemen an, für die es bereits menschliche formalisierte Versionen gab, für die Codex auch eigene formalisierte Versionen generierte. Das Team nutzte eine andere KI namens MiniF2F, um beide Versionen des Problems zu lösen.
Die automatische Formalisierung des Problems erhöht die Erfolgsquote von MiniF2F von 29 % auf 35 %, was darauf hindeutet, dass Codex wichtige Fortschritte bei der Problemformalisierung gemacht hat.
Es ist erwähnenswert, dass Aussagen in vielen Mathematikwettbewerben in der Regel so formuliert sind, dass man eher die Antwort auf eine bestimmte Frage finden soll als einen gegebenen Satz zu beweisen. Formale mathematische Aussagen haben jedoch die Form von Sätzen und nicht von Fragen.
Um eine Frage in einen Vorschlag umzuwandeln, fügte der Forscher „Die endgültige Antwort“ nach der Frage hinzu:
Das für die automatische Formalisierung verwendete Eingabeaufforderungsformat ist:
Wird KI mit menschlichen Mathematikern konkurrieren?
Das ist eine interessante Entwicklung, aber Wu sagte: Die Arbeit des Teams ist nur ein Proof of Concept. „Wenn das Ziel darin besteht, eine Maschine zu trainieren, die mit den besten menschlichen Mathematikern vergleichbar ist, dann scheint die automatische Formalisierung der Schlüsselweg zu sein, um dieses Ziel zu erreichen.“ Die Erfolgsquote wird weiter verbessert, die KI wird in der Lage sein, mit menschlichen Mathematikern zu konkurrieren. „
Wenn wir 100 % erreichen, werden wir definitiv einen KI-Agenten entwickeln, der die Goldmedaille der Internationalen Mathematikolympiade gewinnt.“Das unmittelbare Ziel des Teams besteht darin, automatische formale Modelle und automatisierte Beweismaschinen zu verbessern, aber die Zukunft der Forschungsergebnisse Die Auswirkungen werden weitreichend sein. Laut Wu können diese Modelle Bereiche der Mathematik aufdecken, die dem Menschen derzeit unbekannt sind.
Die Argumentationsfähigkeiten dieser Maschine eignen sich auch sehr gut für Verifizierungsaufgaben in einem breiteren Spektrum von Bereichen. „Sie können überprüfen, ob eine Software genau das tut, was Sie wollen, oder Sie können einen Hardware-Chip überprüfen, sodass er sowohl in Finanzhandelsalgorithmen als auch im Hardware-Design Anwendung findet.
Der Einsatz von Maschinen zur Erforschung der Mathematik ist spannend.“ Entwicklung, aber die eigentliche Herausforderung besteht darin, das Modell in der mathematischen Forschung zu verwenden, die größtenteils in LaTex geschrieben ist, sagt Yang-Hui He vom Institute of Mathematical Sciences in London. „Wir verwenden LaTex nur, weil es reibungslos zu tippen ist, aber es ist in gewisser Weise eine natürliche Sprache und hat seine eigenen Regeln
Er sagte, weil Benutzer ihre eigenen Funktionen und Symbole in LaTeX definieren können, diese Funktionen und Symbole.“ darf nur in einer Mathematikarbeit verwendet werden, was für neuronale Netze, die nur auf Klartext trainiert werden, schwierig sein kann.
Das obige ist der detaillierte Inhalt vonDurch die Umwandlung mathematischer Probleme in Code hat die Forschung von Google die Genauigkeit maschineller Beweise erheblich verbessert.. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Bei der Konvertierung von Zeichenfolgen in Objekte in Vue.js wird JSON.Parse () für Standard -JSON -Zeichenfolgen bevorzugt. Bei nicht standardmäßigen JSON-Zeichenfolgen kann die Zeichenfolge durch Verwendung regelmäßiger Ausdrücke verarbeitet und Methoden gemäß dem Format oder dekodierten URL-kodiert reduziert werden. Wählen Sie die entsprechende Methode gemäß dem String -Format aus und achten Sie auf Sicherheits- und Codierungsprobleme, um Fehler zu vermeiden.

Zusammenfassung: Es gibt die folgenden Methoden zum Umwandeln von VUE.JS -String -Arrays in Objektarrays: Grundlegende Methode: Verwenden Sie die Kartenfunktion, um regelmäßige formatierte Daten zu entsprechen. Erweitertes Gameplay: Die Verwendung regulärer Ausdrücke kann komplexe Formate ausführen, müssen jedoch sorgfältig geschrieben und berücksichtigt werden. Leistungsoptimierung: In Betracht ziehen die große Datenmenge, asynchrone Operationen oder effiziente Datenverarbeitungsbibliotheken können verwendet werden. Best Practice: Clear Code -Stil, verwenden Sie sinnvolle variable Namen und Kommentare, um den Code präzise zu halten.

Es gibt viele Gründe, warum MySQL Startup fehlschlägt und durch Überprüfung des Fehlerprotokolls diagnostiziert werden kann. Zu den allgemeinen Ursachen gehören Portkonflikte (prüfen Portbelegung und Änderung der Konfiguration), Berechtigungsprobleme (Überprüfen Sie den Dienst Ausführen von Benutzerberechtigungen), Konfigurationsdateifehler (Überprüfung der Parametereinstellungen), Datenverzeichniskorruption (Wiederherstellung von Daten oder Wiederaufbautabellenraum), InnoDB-Tabellenraumprobleme (prüfen IBDATA1-Dateien), Plug-in-Ladeversagen (Überprüfen Sie Fehlerprotokolle). Wenn Sie Probleme lösen, sollten Sie sie anhand des Fehlerprotokolls analysieren, die Hauptursache des Problems finden und die Gewohnheit entwickeln, Daten regelmäßig zu unterstützen, um Probleme zu verhindern und zu lösen.

Der Artikel führt den Betrieb der MySQL -Datenbank vor. Zunächst müssen Sie einen MySQL -Client wie MySQLworkBench oder Befehlszeilen -Client installieren. 1. Verwenden Sie den Befehl mySQL-uroot-P, um eine Verbindung zum Server herzustellen und sich mit dem Stammkonto-Passwort anzumelden. 2. Verwenden Sie die Erstellung von Createdatabase, um eine Datenbank zu erstellen, und verwenden Sie eine Datenbank aus. 3.. Verwenden Sie CreateTable, um eine Tabelle zu erstellen, Felder und Datentypen zu definieren. 4. Verwenden Sie InsertInto, um Daten einzulegen, Daten abzufragen, Daten nach Aktualisierung zu aktualisieren und Daten nach Löschen zu löschen. Nur indem Sie diese Schritte beherrschen, lernen, mit gemeinsamen Problemen umzugehen und die Datenbankleistung zu optimieren, können Sie MySQL effizient verwenden.

Um die Zeitüberschreitung für Vue Axios festzulegen, können wir eine Axios -Instanz erstellen und die Zeitleitungsoption angeben: in globalen Einstellungen: vue.Prototyp. $ Axios = axios.create ({Timeout: 5000}); In einer einzigen Anfrage: this. $ axios.get ('/api/user', {timeout: 10000}).

Verarbeiten Sie 7 Millionen Aufzeichnungen effizient und erstellen Sie interaktive Karten mit Geospatial -Technologie. In diesem Artikel wird untersucht, wie über 7 Millionen Datensätze mithilfe von Laravel und MySQL effizient verarbeitet und in interaktive Kartenvisualisierungen umgewandelt werden können. Erstes Herausforderungsprojektanforderungen: Mit 7 Millionen Datensätzen in der MySQL -Datenbank wertvolle Erkenntnisse extrahieren. Viele Menschen erwägen zunächst Programmiersprachen, aber ignorieren die Datenbank selbst: Kann sie den Anforderungen erfüllen? Ist Datenmigration oder strukturelle Anpassung erforderlich? Kann MySQL einer so großen Datenbelastung standhalten? Voranalyse: Schlüsselfilter und Eigenschaften müssen identifiziert werden. Nach der Analyse wurde festgestellt, dass nur wenige Attribute mit der Lösung zusammenhängen. Wir haben die Machbarkeit des Filters überprüft und einige Einschränkungen festgelegt, um die Suche zu optimieren. Kartensuche basierend auf der Stadt

Remote Senior Backend Engineer Job Vacant Company: Circle Standort: Remote-Büro-Jobtyp: Vollzeitgehalt: 130.000 bis 140.000 US-Dollar Stellenbeschreibung Nehmen Sie an der Forschung und Entwicklung von Mobilfunkanwendungen und öffentlichen API-bezogenen Funktionen, die den gesamten Lebenszyklus der Softwareentwicklung abdecken. Die Hauptaufgaben erledigen die Entwicklungsarbeit unabhängig von RubyonRails und arbeiten mit dem Front-End-Team von React/Redux/Relay zusammen. Erstellen Sie die Kernfunktionalität und -verbesserungen für Webanwendungen und arbeiten Sie eng mit Designer und Führung während des gesamten funktionalen Designprozesses zusammen. Fördern Sie positive Entwicklungsprozesse und priorisieren Sie die Iterationsgeschwindigkeit. Erfordert mehr als 6 Jahre komplexes Backend für Webanwendungen

Die MySQL -Leistungsoptimierung muss von drei Aspekten beginnen: Installationskonfiguration, Indexierung und Abfrageoptimierung, Überwachung und Abstimmung. 1. Nach der Installation müssen Sie die my.cnf -Datei entsprechend der Serverkonfiguration anpassen, z. 2. Erstellen Sie einen geeigneten Index, um übermäßige Indizes zu vermeiden und Abfrageanweisungen zu optimieren, z. B. den Befehl Erklärung zur Analyse des Ausführungsplans; 3. Verwenden Sie das eigene Überwachungstool von MySQL (ShowProcessList, Showstatus), um die Datenbankgesundheit zu überwachen und die Datenbank regelmäßig zu sichern und zu organisieren. Nur durch kontinuierliche Optimierung dieser Schritte kann die Leistung der MySQL -Datenbank verbessert werden.
