ШІ знаходить закономірності в чистій математиці, яких ще ніколи не бачили

До довгого списку того, на що здатен штучний інтелект (ШІ), можна додати висування припущень та доведення математичних теорем: математики та експерти з ШІ об’єдналися, щоб продемонструвати, як машинне навчання може відкрити нові шляхи для досліджень в цій галузі.

Про це пише видання Science Alert, передають OstanniPodii.com

Хоча математики десятиліттями використовували комп’ютери для виявлення закономірностей, та зростання потужності машинного навчання означає, що ці мережі можуть працювати з величезними масивами даних і виявляти закономірності, які раніше не були помічені.

У нещодавно опублікованому дослідженні група вчених використовувала системи штучного інтелекту, розроблені DeepMind – тією ж компанією, яка впроваджувала ШІ для вирішення складних біологічних проблем та покращення точності прогнозів погоди, – щоб розв’язати деякі давні математичні проблеми.

«Проблеми в математиці повсюди вважаються одними з найскладніших в інтелектуальному плані», – каже математик Джорді Вільямсон з Сіднейського університету в Австралії.

«Хоча математики використовували машинне навчання для допомоги в аналізі складних наборів даних, ми вперше використовуємо комп’ютери для того, щоб допомогти нам сформулювати припущення або запропонувати можливі лінії атаки для недоведених ідей у математиці».

Команда показує, як ШІ просунувся у доведенні поліномів Каждана-Люштіга – математичної задачі, пов′язаної із симетрією алгебри вищих вимірів, яка залишається невирішеною протягом 40 років.

Дослідження також продемонструвало, як техніка машинного навчання, яка називається моделлю контрольованого навчання, змогла виявити раніше невиявлений зв’язок між двома різними типами математичних вузлів, що призвело до абсолютно нової теореми.

Теорія вузлів у математиці також грає роль в інших складних галузях науки, включаючи генетику, гідродинаміку та навіть поведінку корони Сонця. Тому відкриття, які робить ШІ, можуть призвести до прогресу в інших областях досліджень.

«Ми продемонстрували, що, якщо керуватися математичною інтуїцією, машинне навчання надає потужну основу, яка може виявити цікаві та доказові гіпотези в областях, де доступна велика кількість даних, або де об’єкти занадто великі для вивчення класичними методами», - каже математик Андрас Юхас з Оксфордського університету у Великобританії.

Однією з переваг систем машинного навчання є те, що вони можуть шукати закономірності та сценарії, на які програмісти не запрограмували їх спеціально – вони беруть свої навчальні дані та застосовують ті самі принципи до нових ситуацій.

Дослідження показують, що такий вид високошвидкісної, наднадійної, великомасштабної обробки даних може діяти як додатковий інструмент, що працює з природною інтуїцією математиків. Коли ви маєте справу зі складними, довгими рівняннями, це може мати важливе значення.

Дослідники сподіваються, що їхня робота призведе до подальших партнерських відносин між науковцями в галузі математики та штучного інтелекту, відкриваючи можливість для відкриттів, які інакше були б невідкриті.

«ШІ — це надзвичайний інструмент», — каже Вільямсон. «Ця робота — один із перших випадків, коли вона продемонструвала свою корисність для чистих математиків, таких як я».

«Інтуїція може завести нас далеко, але ШІ може допомогти нам знайти зв’язки, які людський розум не завжди може легко помітити».

Дослідження було опубліковано в журналі Nature.