Riyaziyyatda bükülmə nəzəriyyəsi və ya düyün nəzəriyyəsi asan problem deyil? DeepMind öz işini olduqca yaxşı yerinə yetirir

DeepMind əsasən süni intellekt və artıq bir neçə dəfə ən çətin tapmacaları həll etməyə kömək etdi. Bu dəfə söhbət riyaziyyatçıların uzun illərdir mübarizə apardıqları düyünlərdən gedirdi

Tədqiqatın mövzusu, doğru görünən təsdiqlənməmiş bir cümlə olan təxmin deyilən bir şey idi. Alqoritmləri maşın öyrənmə  əvvəllər riyaziyyatda bu cür nəzəri fikirləri inkişaf etdirmək üçün istifadə edilmişdir, lakin onlar bu halda olduğu kimi mürəkkəb deyildi. Bu sıçrayışın müəlliflərinin uğurları var təbiət təsvir edilmişdir.

 Şəkil mənbəyi: Pixabay / O

Tədqiqatçıların hərəkət etdiyi ümumi sahə r kimi tanınan sahə idibir riyaziyyat. Bu termin praktik tətbiqlərdən başqa motivasiya edilən riyaziyyata aiddir. the "adi" riyaziyyat lakin o, adətən digər sahələrdə təkmilləşdirmələr etməyi hədəfləyir ki, praktikada bundan faydalana bilək.

Bu sahədə araşdırma nə asan, nə də xoşdur, lakin maşın öyrənməsi və xüsusilə DeepMind, konkret dəstək təklif edir. Bunun səbəbi, nümunələri tapmaqda çox təsirli olmasıdır, bu da müəyyən nəticələrin çıxarılması prosesini xeyli sürətləndirir. DeepMing-in nümayəndələri Sidney və Oksford Universitetlərinin alimləri ilə işləyiblər.

DeepMind maşın öyrənməsi alqoritmlərindən istifadə edir

Araşdırma qrupu buna diqqət yetirib Düyün nəzəriyyəsi və təmsil nəzəriyyəsi. Keçmiş üçün sözdə var İnvariantlar, yəni eyni olan cəbri, həndəsi və ya ədədi kəmiyyətlər, açar. Tədqiqatçılar həndəsi və cəbri invariantlar arasındakı əlaqəni tapmaq üçün DeepMind-dən istifadə etmək qərarına gəliblər. Bu şəkildə sözdə bir şey edə bildilər təbii nodal gradient müəyyənləşdirmək.

Bundan əlavə, DeepMind 1970-ci illərin sonunda riyaziyyatçılar tərəfindən irəli sürülən bir fərziyyəni daha yaxşı başa düşmək üçün istifadə edilmişdir. O dövrdə belə hesab edilirdi ki, müəyyən tipli mürəkkəb, çoxölçülü qrafikə baxmaq və onu təmsil edə biləcək tənliyi tapmaq mümkündür. DeepMind-də a adlı bir şeydən istifadə edərək bu məqsədə nail ola bildilər Kajdan-Lusztiq polinomları yanaşma. Bu cür irəliləyişlər heç bir praktik tətbiq təklif etməsə də, sistemlərdə nə qədər potensialın olduğunu göstərir  süni intellekt tıxandı.