می‌توانیم پیشنهاد و اثبات قضایای ریاضی را به فهرست طولانی توانایی‌های هوش مصنوعی اضافه کنیم: ریاضی‌دانان و کارشناسان هوش مصنوعی با هم متحد شده‌اند تا نشان دهند چگونه یادگیری ماشینی می‌تواند راه‌های جدیدی را برای کاوش در این زمینه باز کند.

در حالی که ریاضیدانان دهه‌هاست که از رایانه‌ها برای کشف الگوها استفاده می‌کنند، قدرت فزاینده یادگیری ماشینی به این معنی است که این شبکه‌ها می‌توانند از طریق بخش‌های عظیمی از داده‌ها کار کنند و الگوهایی را شناسایی کنند که قبلاً دیده نشده‌اند.

در مطالعه‌ای که به تازگی منتشر شده است، یک تیم تحقیقاتی از سیستم‌های هوش مصنوعی توسعه یافته توسط DeepMind، همان شرکتی که هوش مصنوعی را برای حل مسائل پیچیده زیست‌شناسی و بهبود دقت پیش‌بینی‌های آب‌وهوا به کار می‌گیرد، استفاده کرد تا گرهی از برخی از مسائل ریاضی طولانی‌مدت باز کند.

این تیم نشان می دهد که هوش مصنوعی اثباتی برای چندجمله ای های Kazhdan-Lusztig، یک مسئله ریاضی شامل تقارن جبر با ابعاد بالاتر است که برای 40 سال حل نشده باقی مانده است.

این تحقیق همچنین نشان داد که چگونه یک تکنیک یادگیری ماشینی به نام مدل یادگیری نظارت شده قادر به تشخیص یک رابطه ناشناخته قبلی بین دو نوع مختلف گره ریاضی است که منجر به یک قضیه کاملاً جدید می شود. نظریه گره در ریاضی در زمینه های چالش برانگیز مختلف علم نیز نقش دارد، از جمله ژنتیک، دینامیک سیالات و حتی رفتار تاج خورشید. بنابراین اکتشافاتی که هوش مصنوعی انجام می دهد می تواند منجر به پیشرفت در سایر زمینه های تحقیقاتی شود. ی

کی از مزایای سیستم های یادگیری ماشین این است که می توانند الگوها و سناریوهایی را جستجو کنند که برنامه نویسان به طور خاص آنها را کدنویسی نکرده اند تا به آنها توجه کنند - آنها داده های آموزشی خود را می گیرند و همان اصول را در موقعیت های جدید به کار می گیرند.

این تحقیق نشان می‌دهد که این نوع پردازش داده با سرعت بالا، فوق‌العاده قابل اعتماد و در مقیاس بزرگ می‌تواند به عنوان یک ابزار اضافی با شهود طبیعی ریاضیدانان عمل کند. وقتی با معادلات پیچیده و طولانی سر و کار دارید، این می تواند تفاوت قابل توجهی ایجاد کند.

محققان امیدوارند که کار آنها منجر به مشارکت بیشتر بین دانشگاهیان در زمینه های ریاضیات و هوش مصنوعی شود و فرصتی را برای یافته هایی باز کند که در غیر این صورت کشف نشده بودند.

215000914.158