Konvolucia teorio aŭ noda teorio en matematiko ne estas facila problemo? DeepMind faras sian laboron sufiĉe bone
Deepmind bazita sur artefarita inteligento kaj jam plurfoje helpis solvi eĉ la plej malfacilajn enigmojn. Ĉi-foje temis pri nodoj, kiujn matematikistoj luktas de multaj jaroj
La temo de la esplorado estis io nomata diveno, kio estas nekonfirmita frazo, kiu ŝajnas esti ĝusta. Algoritmoj de la maŝinlernado estis uzitaj antaŭe en matematiko por evoluigi tiajn teoriajn ideojn, sed ili ne estis tiel kompleksaj kiel en ĉi tiu kazo. La aŭtoroj de ĉi tiu sukceso havas sian sukceson en naturo priskribita.
Bildofonto: Pixabay / fonto
La ĝenerala areo en kiu la esploristoj moviĝis estis kio estas konata kiel la rmatematikon. Ĉi tiu termino rilatas al matematiko, kiu estas motivita per aliaj ol praktikaj aplikoj. la "ordinara" matematiko tamen ĝi kutime celas fari plibonigojn en aliaj kampoj, por ke ni povu profiti el ĝi praktike.
Esplorado en ĉi tiu areo estas nek facila nek agrabla, sed maŝinlernado, kaj precipe Deepmind, proponas konkretan subtenon. Ĉi tio estas ĉar ĝi estas tre efika ĉe trovado de ŝablonoj, kio multe akcelas la procezon de eltiri certajn konkludojn. Reprezentantoj de DeepMing laboris kun sciencistoj de la Universitatoj de Sidnejo kaj Oksfordo.
DeepMind uzas maŝinlernajn algoritmojn
La esplorteamo koncentriĝis pri tio Noda teorio kaj reprezenta teorio. Ĉar la unuaj estas la tiel nomataj Invariantoj, t.e. algebraj, geometriaj aŭ nombraj kvantoj, kiuj estas samaj, la ŝlosilo. La esploristoj decidis uzi DeepMind por trovi la rilaton inter geometriaj kaj algebraj invariantoj. Tiamaniere ili povus fari tn natura noda gradiento difini.
Krome, DeepMind kutimis pli bone kompreni konjekton faritan fare de matematikistoj en la malfruaj 1970-aj jaroj. Tiutempe, estis kredite ke estis eble rigardi certan specon de kompleksa, plurdimensia grafeo kaj trovi ekvacion kiu povis reprezenti ĝin. Ĉe DeepMind ili povis atingi ĉi tiun celon uzante ion nomatan a Kazhdan-Lusztig polinomoj alproksimiĝo. Eĉ se tiaj progresoj ne ofertas iujn ajn praktikajn aplikojn, ili ja montras kiom da potencialo estas en sistemoj de la artefarita inteligento ŝtopita.