ИИ находит закономерности в чистой математике, которых еще никогда не видели

В длинный список того, на что способен искусственный интеллект (ИИ), можно добавить выдвижение предположений и доказательство математических теорем: математики и эксперты по ИИ объединились, чтобы продемонстрировать, как машинное обучение может открыть новые пути для исследований в этой области.

Об этом пишет издание Science Alert, передают OstanniPodii.com

Хотя математики десятилетиями использовали компьютеры для выявления закономерностей, но возростание мощности машинного обучения означает, что эти сети могут работать с огромными массивами данных и выявлять ранее не замеченные закономерности.

В недавно опубликованном исследовании группа ученых использовала системы искусственного интеллекта, разработанные DeepMind – той же компанией, которая внедряла ИИ для решения сложных биологических проблем и улучшения точности прогнозов погоды, чтобы решить некоторые древние математические проблемы.

«Проблемы в математике повсюду считаются одними из самых сложных в интеллектуальном плане», - говорит математик Джорди Уильямсон из Сиднейского университета в Австралии.

«Хотя математики использовали машинное обучение для помощи в анализе сложных наборов данных, мы впервые используем компьютеры для того, чтобы помочь нам сформулировать предположения или предложить возможные линии атаки для недоказанные идеи в математике.»

Команда показывает, как ИИ продвинулся в доказательстве полиномов Каждана-Люштига – математической задачи, связанной с алгебраической симметрией высших измерений, которая остается нерешенной в течение 40 лет.

Исследование также продемонстрировало, как техника машинного обучения, называемая моделью контролируемого обучения, смогла обнаружить ранее невыявленную связь между двумя разными типами математических узлов, что привело к совершенно новой теореме.

Теория узлов в математике также играет роль в других сложных областях науки, включая генетику, гидродинамику и даже поведение короны Солнца. Поэтому открытия, которые совершает ИИ, могут привести к прогрессу в других областях исследований.

«Мы продемонстрировали, что, если руководствоваться математической интуицией, машинное обучение дает мощную основу, которая может выявить интересные и доказательные гипотезы в областях, где доступно большое количество данных, или где объекты слишком велики для изучения классическими методами», – говорит математик Андрас Юхас из Оксфордского университета в Великобритании.

Одним из преимуществ систем машинного обучения является то, что они могут искать закономерности и сценарии, на которые программисты не запрограммировали их специально – они берут свои учебные данные и применяют те же принципы к новым ситуациям.

Исследования показывают, что такой вид высокоскоростной, сверхнадежной крупномасштабной обработки данных может действовать как дополнительный инструмент, работающий с естественной интуицией математиков. Если вы имеете дело со сложными длинными уравнениями, это может иметь важное значение.

Исследователи надеются, что их работа приведет к дальнейшим партнерским отношениям между учеными в области математики и искусственного интеллекта, открывая возможность совершения открытий, которые иначе были бы ненайдены.

«ИИ - это чрезвычайный инструмент», - говорит Уильямсон. «Эта работа – один из первых случаев, когда она продемонстрировала свою полезность для чистых математиков, таких как я».

«Интуиция может завести нас далеко, но ИИ может помочь нам найти связи, которые человеческий разум не всегда может легко заметить».

Исследование было опубликовано в журнале Nature.