A teoria da convolução ou teoria do nó na matemática não é um problema fácil? DeepMind faz seu trabalho muito bem

DeepMind baseado em inteligência artificial e já ajudou várias vezes a resolver até os quebra-cabeças mais difíceis. Desta vez, foi sobre nós que os matemáticos têm lutado por muitos anos

O assunto da pesquisa era algo chamado suposição, que é uma frase não confirmada que parece estar correta. Algoritmos do aprendizado de máquina  já foram usados ​​antes em matemática para desenvolver tais ideias teóricas, mas não eram tão complexos como neste caso. Os autores desta descoberta têm seu sucesso em Natureza descrito.

 Fonte da imagem: Pixabay / Aqueles

A área geral para a qual os pesquisadores se mudaram foi a conhecida como ruma matemática. Este termo se refere à matemática motivada por outras aplicações além da prática. a matemática "comum" entretanto, geralmente visa fazer melhorias em outras áreas para que possamos nos beneficiar disso na prática.

A pesquisa nesta área não é fácil nem agradável, mas o aprendizado de máquina e, em particular, DeepMind, oferece suporte concreto. Isso ocorre porque ele é muito eficaz em encontrar padrões, o que acelera muito o processo de tirar certas conclusões. Representantes da DeepMing trabalharam com cientistas das Universidades de Sydney e Oxford.

DeepMind usa algoritmos de aprendizado de máquina

A equipe de pesquisa se concentrou nisso Teoria do nó e teoria da representação. Pois os primeiros são os chamados Invariantes, ou seja, grandezas algébricas, geométricas ou numéricas iguais, a chave. Os pesquisadores decidiram usar DeepMind para encontrar a relação entre invariantes geométricos e algébricos. Desta forma, eles poderiam fazer uma chamada gradiente nodal natural definir.

Além disso, DeepMind foi usado para entender melhor uma conjectura feita por matemáticos no final dos anos 1970. Na época, acreditava-se que era possível olhar para um determinado tipo de gráfico complexo e multidimensional e encontrar uma equação que pudesse representá-lo. Na DeepMind, eles conseguiram atingir esse objetivo usando algo chamado Polinômios de Kazhdan-Lusztig aproximação. Mesmo que tais avanços não ofereçam nenhuma aplicação prática, eles mostram quanto potencial existe nos sistemas do  inteligência artificial conectado.