Mengapa kecerdasan buatan boleh merevolusikan matematik
Editor |. Daun Kubis
"Mencadangkan satu tekaan - satu dalil yang disyaki benar, tetapi memerlukan bukti yang jelas - adalah seperti detik ilham ilahi untuk ahli matematik. Konjektur matematik bukan sahaja ada, namun begitu, secara berlawanan. fikir ini adalah bidang kecerdasan mesin yang paling transformatif kata Thomas Fink, Pengarah Institut Sains Matematik di London.
Pada 2017, penyelidik di Institut Sains Matematik di London mula menggunakan pembelajaran mesin kepada data matematik sebagai hobi. Semasa pandemik COVID-19, mereka mendapati bahawa pengelas kecerdasan buatan (AI) mudah boleh meramalkan kedudukan lengkung elips—ukuran kerumitannya.
Keluk eliptik ialah asas teori nombor tujuh utama Teka-teki dipilih oleh Institut Matematik Tanah Liat di Providence, Rhode Island, dan dianugerahkan $1 juta setiap satu. Sebilangan kecil menjangkakan kecerdasan buatan memainkan peranan dalam bidang pertaruhan tinggi ini.
Kecerdasan buatan telah mencapai kemajuan dalam bidang lain. Beberapa tahun yang lalu, program komputer yang dipanggil Mesin Ramanujan menghasilkan formula baharu untuk pemalar asas seperti π dan e. Ia melakukan ini dengan mencari secara menyeluruh keluarga pecahan berterusan—pecahan yang penyebutnya ialah nombor campur pecahan, penyebutnya juga pecahan dengan nombor tambah pecahan ialah pecahan, dan seterusnya. Beberapa sangkaan ini telah terbukti, sementara yang lain masih tidak dapat diselesaikan.
Pautan kertas: https://www.nature.com/articles/s41586-021-03229-4
Contoh lain berkaitan dengan teori knot, yang merupakan cabang topologi di mana satu Hipotesis tali tersangkut sebelum hujungnya melekat. Penyelidik di Google DeepMind melatih rangkaian saraf menggunakan data daripada banyak simpulan yang berbeza dan menemui hubungan yang tidak dijangka antara struktur algebra dan geometri mereka.
Pautan kertas: https://www.nature.com/articles/s41586-021-04086-x
Bagaimanakah kecerdasan buatan boleh memberi kesan dalam bidang matematik di mana kreativiti manusia dianggap penting?
Pertama sekali, tiada kebetulan dalam matematik. Dalam percubaan dunia sebenar, negatif palsu dan positif palsu berlimpah. Tetapi dalam matematik, contoh balas akan membatalkan sepenuhnya sangkaan itu. Sebagai contoh, Konjektur Polya menyatakan bahawa kebanyakan integer di bawah mana-mana integer tertentu mempunyai bilangan ganjil bagi faktor perdana. Tetapi pada tahun 1960, didapati bahawa sangkaan ini tidak berlaku untuk nombor 906,180,359. Tekaan Polya langsung disangkal.
Kedua, data matematik yang boleh melatih kecerdasan buatan adalah murah. Nombor perdana, simpulan, dan banyak jenis objek matematik yang lain adalah banyak. Ensiklopedia Dalam Talian Jujukan Integer (OEIS) mengandungi hampir 375,000 jujukan—dari jujukan Fibonacci yang biasa (1, 1, 2, 3, 5, 8, 13, ...) kepada jujukan Merang Sibuk (0, 1, 4) , 6, 13, ...), yang berkembang lebih cepat daripada mana-mana fungsi boleh dikira. Para saintis sudah menggunakan alat pembelajaran mesin untuk mencari pangkalan data OEIS untuk menemui hubungan yang tidak dijangka.
OEIS: https://oeis.org/
Kecerdasan buatan boleh membantu kita menemui corak dan membentuk sangkaan. Tetapi tidak semua sangkaan adalah konsisten. Mereka juga diperlukan untuk meningkatkan pemahaman kita tentang matematik. G. H. Hardy menjelaskan dalam artikel 1940nya "A Mathematician's Apology" bahawa teorem yang baik "harus menjadi sebahagian daripada banyak konstruk matematik yang digunakan untuk membuktikan pelbagai jenis teorem."
Dalam erti kata lain, teorem terbaik meningkatkan kemungkinan untuk menemui yang baharu. Jangkaan yang membantu kami mencapai sempadan matematik baharu adalah lebih baik daripada yang menghasilkan lebih sedikit cerapan. Tetapi membezakannya memerlukan intuisi tentang bagaimana bidang itu sendiri akan berkembang. Pemahaman konteks yang lebih luas seperti ini akan berada di luar keupayaan kecerdasan buatan untuk masa yang lama-jadi teknologi akan bergelut untuk mengesan tekaan penting.
Walaupun terdapat masalah yang berpotensi ini, terdapat banyak faedah kepada penggunaan alat AI yang lebih meluas dalam komuniti matematik. Kecerdasan buatan boleh memberikan kelebihan yang menentukan dan membuka jalan penyelidikan baharu.
Jurnal matematik arus perdana juga harus menerbitkan lebih banyak tekaan. Beberapa masalah yang paling penting dalam matematik—seperti Teorem Terakhir Fermat, hipotesis Riemann, 23 masalah Hilbert, dan banyak identiti Ramanujan—serta banyak tekaan yang kurang dikenali telah membentuk perkembangan arah medan. Dugaan menunjukkan kita ke arah yang betul, mempercepatkan penyelidikan. Artikel jurnal mengenai konjektur yang disokong oleh data atau hujah heuristik akan mempercepatkan penemuan.
Pada 2023, penyelidik di Google DeepMind meramalkan bahawa 2.2 juta struktur kristal baharu akan muncul. Tetapi masih perlu dilihat berapa banyak bahan baharu yang berpotensi ini stabil, boleh disintesis dan mempunyai aplikasi praktikal. Pada masa ini, ini adalah tugas utama untuk penyelidik manusia dengan latar belakang yang luas dalam sains bahan.
Pautan kertas: https://www.nature.com/articles/s41586-023-06735-9
Begitu juga, memahami output alatan kecerdasan buatan memerlukan imaginasi dan intuisi. Oleh itu, AI hanya akan bertindak sebagai pemangkin kepada kreativiti manusia, bukan pengganti.
Kandungan berkaitan: https://www.nature.com/articles/d41586-024-01413-w
Atas ialah kandungan terperinci Mengapa kecerdasan buatan boleh merevolusikan matematik. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Dalam pembuatan moden, pengesanan kecacatan yang tepat bukan sahaja kunci untuk memastikan kualiti produk, tetapi juga teras untuk meningkatkan kecekapan pengeluaran. Walau bagaimanapun, set data pengesanan kecacatan sedia ada selalunya tidak mempunyai ketepatan dan kekayaan semantik yang diperlukan untuk aplikasi praktikal, menyebabkan model tidak dapat mengenal pasti kategori atau lokasi kecacatan tertentu. Untuk menyelesaikan masalah ini, pasukan penyelidik terkemuka yang terdiri daripada Universiti Sains dan Teknologi Hong Kong Guangzhou dan Teknologi Simou telah membangunkan set data "DefectSpectrum" secara inovatif, yang menyediakan anotasi berskala besar yang kaya dengan semantik bagi kecacatan industri. Seperti yang ditunjukkan dalam Jadual 1, berbanding set data industri lain, set data "DefectSpectrum" menyediakan anotasi kecacatan yang paling banyak (5438 sampel kecacatan) dan klasifikasi kecacatan yang paling terperinci (125 kategori kecacatan

Komuniti LLM terbuka ialah era apabila seratus bunga mekar dan bersaing Anda boleh melihat Llama-3-70B-Instruct, QWen2-72B-Instruct, Nemotron-4-340B-Instruct, Mixtral-8x22BInstruct-v0.1 dan banyak lagi. model yang cemerlang. Walau bagaimanapun, berbanding dengan model besar proprietari yang diwakili oleh GPT-4-Turbo, model terbuka masih mempunyai jurang yang ketara dalam banyak bidang. Selain model umum, beberapa model terbuka yang mengkhusus dalam bidang utama telah dibangunkan, seperti DeepSeek-Coder-V2 untuk pengaturcaraan dan matematik, dan InternVL untuk tugasan bahasa visual.

Bagi AI, Olimpik Matematik tidak lagi menjadi masalah. Pada hari Khamis, kecerdasan buatan Google DeepMind menyelesaikan satu kejayaan: menggunakan AI untuk menyelesaikan soalan sebenar IMO Olimpik Matematik Antarabangsa tahun ini, dan ia hanya selangkah lagi untuk memenangi pingat emas. Pertandingan IMO yang baru berakhir minggu lalu mempunyai enam soalan melibatkan algebra, kombinatorik, geometri dan teori nombor. Sistem AI hibrid yang dicadangkan oleh Google mendapat empat soalan dengan betul dan memperoleh 28 mata, mencapai tahap pingat perak. Awal bulan ini, profesor UCLA, Terence Tao baru sahaja mempromosikan Olimpik Matematik AI (Anugerah Kemajuan AIMO) dengan hadiah berjuta-juta dolar Tanpa diduga, tahap penyelesaian masalah AI telah meningkat ke tahap ini sebelum Julai. Lakukan soalan secara serentak pada IMO Perkara yang paling sukar untuk dilakukan dengan betul ialah IMO, yang mempunyai sejarah terpanjang, skala terbesar dan paling negatif

Editor |KX Sehingga hari ini, perincian dan ketepatan struktur yang ditentukan oleh kristalografi, daripada logam ringkas kepada protein membran yang besar, tidak dapat ditandingi oleh mana-mana kaedah lain. Walau bagaimanapun, cabaran terbesar, yang dipanggil masalah fasa, kekal mendapatkan maklumat fasa daripada amplitud yang ditentukan secara eksperimen. Penyelidik di Universiti Copenhagen di Denmark telah membangunkan kaedah pembelajaran mendalam yang dipanggil PhAI untuk menyelesaikan masalah fasa kristal Rangkaian saraf pembelajaran mendalam yang dilatih menggunakan berjuta-juta struktur kristal tiruan dan data pembelauan sintetik yang sepadan boleh menghasilkan peta ketumpatan elektron yang tepat. Kajian menunjukkan bahawa kaedah penyelesaian struktur ab initio berasaskan pembelajaran mendalam ini boleh menyelesaikan masalah fasa pada resolusi hanya 2 Angstrom, yang bersamaan dengan hanya 10% hingga 20% daripada data yang tersedia pada resolusi atom, manakala Pengiraan ab initio tradisional

Editor |. ScienceAI Berdasarkan data klinikal yang terhad, beratus-ratus algoritma perubatan telah diluluskan. Para saintis sedang membahaskan siapa yang harus menguji alat dan cara terbaik untuk melakukannya. Devin Singh menyaksikan seorang pesakit kanak-kanak di bilik kecemasan mengalami serangan jantung semasa menunggu rawatan untuk masa yang lama, yang mendorongnya untuk meneroka aplikasi AI untuk memendekkan masa menunggu. Menggunakan data triage daripada bilik kecemasan SickKids, Singh dan rakan sekerja membina satu siri model AI untuk menyediakan potensi diagnosis dan mengesyorkan ujian. Satu kajian menunjukkan bahawa model ini boleh mempercepatkan lawatan doktor sebanyak 22.3%, mempercepatkan pemprosesan keputusan hampir 3 jam bagi setiap pesakit yang memerlukan ujian perubatan. Walau bagaimanapun, kejayaan algoritma kecerdasan buatan dalam penyelidikan hanya mengesahkan perkara ini

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Pada tahun 2023, hampir setiap bidang AI berkembang pada kelajuan yang tidak pernah berlaku sebelum ini. Pada masa yang sama, AI sentiasa menolak sempadan teknologi trek utama seperti kecerdasan yang terkandung dan pemanduan autonomi. Di bawah trend berbilang modal, adakah status Transformer sebagai seni bina arus perdana model besar AI akan digoncang? Mengapakah penerokaan model besar berdasarkan seni bina MoE (Campuran Pakar) menjadi trend baharu dalam industri? Bolehkah Model Penglihatan Besar (LVM) menjadi satu kejayaan baharu dalam penglihatan umum? ...Daripada surat berita ahli PRO 2023 laman web ini yang dikeluarkan dalam tempoh enam bulan lalu, kami telah memilih 10 tafsiran khas yang menyediakan analisis mendalam tentang aliran teknologi dan perubahan industri dalam bidang di atas untuk membantu anda mencapai matlamat anda dalam bidang baharu. tahun. Tafsiran ini datang dari Week50 2023

Editor |. Penggunaan Ziluo AI dalam memperkemas penemuan dadah semakin meletup. Skrin berbilion molekul calon untuk mereka yang mungkin mempunyai sifat yang diperlukan untuk membangunkan ubat baharu. Terdapat begitu banyak pembolehubah untuk dipertimbangkan, daripada harga material kepada risiko kesilapan, sehingga menimbang kos mensintesis molekul calon terbaik bukanlah tugas yang mudah, walaupun saintis menggunakan AI. Di sini, penyelidik MIT membangunkan SPARROW, rangka kerja algoritma membuat keputusan kuantitatif, untuk mengenal pasti calon molekul terbaik secara automatik, dengan itu meminimumkan kos sintesis sambil memaksimumkan kemungkinan calon mempunyai sifat yang diingini. Algoritma juga menentukan bahan dan langkah eksperimen yang diperlukan untuk mensintesis molekul ini. SPARROW mengambil kira kos mensintesis sekumpulan molekul sekaligus, memandangkan berbilang molekul calon selalunya tersedia
