Теория свертки или теория узлов в математике - непростая задача? DeepMind неплохо справляется со своей работой

DeepMind основано на искусственный интеллект и уже несколько раз помогал решать даже самые сложные головоломки. На этот раз речь шла о тех узлах, с которыми математики боролись много лет.

Предметом исследования было то, что называется предположением, которое представляет собой неподтвержденное предложение, которое кажется правильным. Алгоритмы работы машинное обучение  ранее использовались в математике для развития таких теоретических идей, но они не были такими сложными, как в данном случае. Авторы этого прорыва добились успеха в природа описано.

 Источник изображения: Pixabay / Источник

Общая область, в которой перемещались исследователи, была так называемой r.математика. Этот термин относится к математике, которая мотивирована другими приложениями, помимо практических. в "обычная" математика однако обычно он направлен на улучшение других областей, чтобы мы могли извлечь из этого пользу на практике.

Исследования в этой области непростые и непростые, но машинное обучение, в частности DeepMind, предлагает конкретную поддержку. Это потому, что он очень эффективен при поиске закономерностей, что значительно ускоряет процесс получения определенных выводов. Представители DeepMing работали с учеными из университетов Сиднея и Оксфорда.

DeepMind использует алгоритмы машинного обучения

Исследовательская группа сосредоточилась на этом Теория узлов и теория представлений. Для первых это так называемые Инварианты, т.е. алгебраические, геометрические или числовые величины, которые являются одними и теми же ключевыми. Исследователи решили использовать DeepMind, чтобы найти связь между геометрическими и алгебраическими инвариантами. Таким образом они могли сделать так называемый естественный узловой градиент определить.

Кроме того, DeepMind использовался для лучшего понимания гипотезы, сделанной математиками в конце 1970-х годов. В то время считалось, что можно посмотреть на определенный тип сложного многомерного графа и найти уравнение, которое могло бы его представить. В DeepMind они смогли достичь этой цели с помощью так называемого Полиномы Каждана-Люстига подход. Даже если такие достижения не имеют практического применения, они показывают, какой потенциал есть у систем  искусственный интеллект заглушены.