健康 2022-07-04 18:09

Artificial intelligence, the booster for mathematicians’ discoveries

1798年,法国数学家阿德里安·玛丽·勒让德在书房里盯着黑板,他在黑板上写下了无穷无尽的质数序列。突然间,他明白了它们之间可能存在的联系,并因此有可能对一个经典数学问题给出一个粗略的描述:质数是如何分布的。这是素数定理的第一个公式。这并不来自于对规则的冷冷的应用,相反,来自于我们可以定义为一种启发,一种顿悟。一个直觉。

分析

有限公司有意识的深度学习仍然是一个乌托邦

作者Andrea Daniele Signorelli

这不是一个独特的例子:同样是开普勒,在17世纪初,他说他发现自己处于一种“几乎是梦幻”的状态,同时想象着与行星运动有关的开普勒定律的起源元素。这两个故事帮助我们理解数学,在最高和最理论化的层面上,是如何以一种与我们外行人可能想象的非常不同的方式运作的:“这是一个需要大量想象力和创造力的过程”,向意大利科技解释Petar Veli?Kovi吗?他是DeepMind(人工智能领域最先进的研究实验室之一,由谷歌所有)的塞尔维亚研究员,当时他正在罗马参加Pi Campus组织的活动,Pi Campus是一家致力于人工智能更具体应用的风险投资基金。有时,这个过程需要信念的飞跃:例如,数学家确信他已经理解了两个数学对象之间的联系,然后他必须能够将它们形式化,证明它们的存在。通常做到这一切都是非常困难的,

 

这个项目

人工智能用于公共照明维护

这就是DeepMind设计的深度学习模型,Petar Veli?kovi?和他的同事们赢得了《自然》杂志的封面:一种能够在从直觉到证明的阶段支持数学家的算法。简而言之,在学者制定了他的假设之后,深度学习模型能够生成必要的数据,以确定在研究的数学框架内的相关性,帮助研究人员了解他是否遵循了正确的道路,也缩小了领域,将他的注意力集中在最重要的元素上。

IA

人工智能还是自动化?以下是如何识别它们的方法

由Giuditta莫斯卡

“在某些情况下,试图预测X和Y之间联系的算法已经可以提供具有一定准确性的响应,例如鼓励一个人直接进入演示阶段,”Veli?Kovi ?。“在其他情况下,我们可以询问机器学习模型,例如,要求它在一个图中突出显示哪个最重要的区域,使它能够识别两个数学对象之间可能的联系。在此基础上,算法为我们提供了图形的一部分,可能从几千个元素到10-15个元素,从而更容易用肉眼检查它们,理解它们之间的联系是什么”。

尽管在科学领域有明显的潜力,但仍有很多需要取得的进步:“我们的审讯技术仍处于初级阶段,它给我们的答案中有很多‘噪音’(或机器发出的信号中的干扰),”这位28岁的DeepMind研究员继续说道。“然而,与我们合作的数学家,以及我们向他们展示算法返回的图表的数学家,往往能够从噪声中区分信号,这再次帮助我们改进我们可以得到的结果。”

 

DeepMind的算法已经被用于处理极端复杂的数学问题,如Kazhdan-Lusztig多项式或节点理论,试图识别节点特征(或“不变量”)之间的新关系(即空间中相互缠绕的闭合曲线),可能在物理、化学和生物等领域有应用。“它仍然是一个工具:一种非常先进的袖珍计算器,让你放大一个特定的问题,并了解哪些是最重要的部分,从而促进识别连接,”Veli?kovi ?。

这是人与机器的合作,其中最有创造力的部分和发现的最后阶段仍然完全属于人类。该算法是一种支持,允许识别最有希望集中注意力的领域,从而“增加”研究人员拥有正确直觉的能力。然而,一个悬而未决的问题仍然存在:直觉到底是什么?“当你在一篇关于机器学习的论文中使用这些术语时,总是有被误解的风险,”Veli?Kovi ?。“比方说,用数学术语来说,直觉是一种观察非常复杂的问题的能力,是对问题的基本要素进行精神上的飞跃,然后努力证明我们想法的正确性的能力。”

此外,deepmind所做的工作似乎更普遍地朝着一个非常具体的方向发展:人工智能不会取代人类,但会提高人类的能力。“这是一种协同作用,让人类更有效率,就像一个超级计算器。当然,根据该技术的使用方式,它也可以取代一些任务,但这是正常的。我们必须注意我们如何使用它,注意它是公平和没有偏见的事实,但如果使用正确,它将使我们赋予人类权力”。

 

在我们开始讨论有感知能力的人工智能以及通过深度学习实现超级智能的可能性的阶段,这是一种更为重要的解释:“心理学家和神经科学家都还没有对它的确切定义。感知能力:一些定义满足了某些人,但不满足另一些人,与此同时,所有通过图灵测试的程序总是通过一些技巧来达到目的。”DeepMind公司的研究员解释道,该公司的法定使命是创造通用人工智能。“如果你看到这些系统的所有错误,你就会明白,距离达到这一水平还有很长一段路要走:例如,你可以让一个算法来证明你的数学陈述是错误的,它显然会这样做。语言建模,即统计上预测如何完成一个句子,和成为人类知识的一部分是有区别的。话虽如此,我认为我们迟早会征服最新的突发新闻(一般人工智能,人类水平)。但我们不能害怕它,我们必须首先考虑如何负责任地使用它”。


推荐阅读:日本房产