DeepMind почти «распутал» загадку узла, мучавшую математиков

Хотя математики уже несколько десятилетий используют компьютеры для обнаружения закономерностей, растущая мощь машинного обучения означает, что эти сети могут работать с огромными массивами данных и выявлять закономерности, которые не были замечены ранее.
DeepMind почти «распутал» загадку узла, мучавшую математиков
Unsplash

К длинному списку того, на что способен искусственный интеллект, можно добавить доказательство математических теорем.

Группа ученых использовала системы искусственного интеллекта, разработанные DeepMind, чтобы «распутать» давнюю математическую задачку.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Распутывать пришлось буквально — в математике теория узлов играет крайне важную роль. Но не только в ней. Другие области науки опираются на неё — например, генетика и гидродинамика.

Что сделали ученые? Ученые продвинулись в гипотезе о многочленах Каждана-Луштига — в математической проблеме, связанной с симметрией алгебры высших измерений. Она остаётся нерешенной уже 40 лет. Метод контролируемого машинного обучения смог выявить ранее не обнаруженную связь между двумя различными типами математических узлов, что привело к совершенно новой теореме.

«Узел раздора» и соответствующий ему граф
«Узел раздора» и соответствующий ему граф
DeepMind
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Подобная обработка данных может выступать в качестве дополнительного инструмента, работающего с природной интуицией математиков. Это может здорово помочь при работе со сложными уравнениями. Огромный плюс машинного обучения заключается в том, что поиск закономерностей, порой крайне неочевидных, упрощается — алгоритм применяет «уже виденное» на тестовом наборе на ранее неизведанные ситуации.