DeepMind tvrdi da je veštačka inteligencija pomogla novim otkrićima i uvidima u matematiku

DeepMind, laboratorija za istraživanje veštačke inteligencije, danas je objavila rezultate saradnje između nje i matematičara u primeni AI u otkrivanju novih uvida u matematici.

PCPress.rs Image

Otkrivanje postojanja obrazaca u matematici uz nadgledano učenje

DeepMind tvrdi da je njegova AI tehnologija pomogla da se otkrije nova formula za prethodno nerešenu pretpostavku, kao i vezu između različitih oblasti matematike koja je razjašnjena proučavanjem strukture čvorova. DeepMind-ovi eksperimenti sa veštačkom inteligencijom pokreću širok spektar sistema, od onih koji mogu da pobede u StarCraft II i Go-u, do  modela mašinskog učenja za preporuke aplikacija i optimizaciju hlađenja data centara. Ali nauke ostaju od principijelnog interesa za DeepMind, ne samo zbog njihove komercijalne primene. Ranije ove godine, suosnivač DeepMinda Demis Hassabis najavio je pokretanje Isomorphic Labs, koji će koristiti mašinsko učenje za identifikaciju tretmana bolesti koji su do sada izmicali istraživačima.

Laboratorija je takođe istakla svoj rad u oblastima vremenske prognoze, modeliranja materijala i proračuna atomske energije. DeepMind nije prvi koji je primenio AI na matematiku, ostavljajući po strani činjenicu da je matematika temelj svih AI sistema. Međutim, ono što naizgled izdvaja DeepMindov rad jeste njegovo otkrivanje postojanja obrazaca u matematici uz nadgledano učenje — i davanje uvida u ove obrasce pomoću tehnika atribucije iz AI. Nadzirano učenje je definisano upotrebom označenih skupova podataka za obuku algoritama za klasifikaciju podataka, predviđanje ishoda i još mnogo toga, a primenjuje se na različite domene, uključujući otkrivanje prevara, predviđanje prodaje i optimizaciju zaliha.

Pročitajte i:  Uskoro stiže AI platforma za komponovanje muzike

U članku objavljenom u časopisu Nature, DeepMind opisuje kako je  koristio AI da pomogne u otkrivanju novog pristupa dugotrajnoj pretpostavci u teoriji reprezentacije. Prkoseći napretku skoro 40 godina, pretpostavka kombinatorne invarijantnosti kaže da bi trebalo da postoji veza između određenih usmerenih grafova i polinoma. (Usmereni graf je skup temena povezanih ivicama, pri čemu svaki čvor ima pravac koji je povezan sa njim.) Koristeći tehnike mašinskog učenja, DeepMind je uspeo da stekne uverenje da takav odnos zaista postoji i da pretpostavi da bi mogao biti povezan strukturama poznatim kao „izlomljeni diedrski intervali“ i „spoljne refleksije“. Sa ovim znanjem, kreiran je algoritam koji bi rešio pretpostavku kombinatorne invarijantnosti, koju je DeepMind računarski verifikovao u više od 3 miliona primera.

U radu se takođe detaljno opisuje rad DeepMinda na istraživanju čvorova, što je jedan od fundamentalnih objekata proučavanja u topologiji (tj. matematičko proučavanje svojstava koja su očuvana kroz deformacije, uvijanja, i istezanja). Sistem veštačke inteligencije koji je obučavao DeepMind, otkrio je da je određena algebarska veličina – “potpis” – direktno povezana sa geometrijom čvora, koja ranije nije bila poznata ili sugerisana postojećom teorijom. DeepMind veruje da rad, zajedno sa pratećim dokumentima koji tek treba da budu objavljeni za svaki rezultat, demonstriraju korisnost mašinskog učenja kao alata za matematičko proučavanje. AI se ističe u identifikaciji i otkrivanju obrazaca u podacima, tvrdi laboratorija, čak i prevazilazi mogućnosti stručnih ljudskih matematičara.

Pročitajte i:  AI: duboko učenje i neuronske mreže

Izvor: Venturebeat

Facebook komentari:
SBB

Tagovi: , , ,

Leave a Reply

Your email address will not be published.