نظرية الالتفاف أو نظرية العقدة في الرياضيات ليست مشكلة سهلة؟ DeepMind يقوم بعمله بشكل جيد

العقل العميق مرتكز على الذكاء الاصطناعي وقد ساعد بالفعل في حل حتى أصعب الألغاز عدة مرات. هذه المرة كان الأمر يتعلق بالعقدة التي كان علماء الرياضيات يتصارعون معها لسنوات عديدة

كان موضوع البحث شيئًا يسمى التخمين ، وهي جملة غير مؤكدة تبدو صحيحة. خوارزميات التعلم الالي  تم استخدامها من قبل في الرياضيات لتطوير مثل هذه الأفكار النظرية ، لكنها لم تكن معقدة كما في هذه الحالة. مؤلفو هذا الاختراق حققوا نجاحهم في الطبيعة وصفها.

 مصدر الصورة: Pixabay / هؤلاء

كانت المنطقة العامة التي انتقل إليها الباحثون هي ما يُعرف بـ rالرياضيات. يشير هذا المصطلح إلى الرياضيات التي تحفزها تطبيقات أخرى غير التطبيقات العملية. ال الرياضيات "العادية" ومع ذلك ، فهي تهدف عادةً إلى إجراء تحسينات في مجالات أخرى حتى نتمكن من الاستفادة منها عمليًا.

البحث في هذا المجال ليس سهلاً ولا ممتعًا ، ولكنه تعلم آلي على وجه الخصوص العقل العميق، يقدم دعمًا ملموسًا. هذا لأنه فعال للغاية في العثور على الأنماط ، مما يسرع بشكل كبير عملية استخلاص استنتاجات معينة. عمل ممثلون من DeepMing مع علماء من جامعتي سيدني وأكسفورد.

يستخدم DeepMind خوارزميات التعلم الآلي

ركز فريق البحث على ذلك نظرية العقدة ونظرية التمثيل. بالنسبة للسابق هم ما يسمى ب الثوابت، أي الكميات الجبرية أو الهندسية أو العددية المتشابهة ، المفتاح. قرر الباحثون استخدام DeepMind لإيجاد العلاقة بين الثوابت الهندسية والجبرية. وبهذه الطريقة يمكنهم عمل ما يسمى ب التدرج العقدي الطبيعي حدد.

بالإضافة إلى ذلك ، تم استخدام DeepMind لفهم أفضل للتخمين الذي قدمه علماء الرياضيات في أواخر السبعينيات. في ذلك الوقت ، كان يُعتقد أنه من الممكن النظر إلى نوع معين من الرسم البياني المعقد متعدد الأبعاد والعثور على معادلة يمكن أن تمثله. في DeepMind كانوا قادرين على تحقيق هذا الهدف باستخدام شيء يسمى a كثيرات حدود Kazhdan-Lusztig يقترب. حتى لو لم تقدم هذه التطورات أي تطبيقات عملية ، فإنها تظهر مدى الإمكانات الموجودة في أنظمة  الذكاء الاصطناعي مسدود.