Sebbene alcune scoperte offrissero risposte convincenti, altre promettevano vie di esplorazione per le generazioni future.
 
Oltre a preservare la conoscenza sbiadita e rispondere a vecchi problemi, matematici e informatici hanno assistito a vari progressi nella risoluzione di domande senza risposta con l’aiuto dell’intelligenza artificiale. Sono stati compiuti nuovi progressi nel campo, celebrando le connessioni tra aree lontane della matematica , osservando la crescita di altre discipline.

Sebbene alcune scoperte offrissero risposte convincenti, altre promettevano vie di esplorazione per le generazioni future. 

Ecco alcune scoperte matematiche nell’intelligenza artificiale finora! 

I ricercatori del MIT CSAIL   hanno risolto un’equazione differenziale tra l’interazione di due neuroni, sbloccando un nuovo tipo di algoritmo AI efficiente. Le modalità hanno caratteristiche simili a quelle delle reti neurali liquide, che sono di natura robusta. Questo tipo di rete neurale può essere utilizzato per attività che comportano l’acquisizione di informazioni dettagliate sui dati nel tempo, poiché sono adattabili anche dopo l’addestramento. 

Soprannominata la rete neurale a tempo continuo in forma chiusa (CfC), il modello ha superato le controparti nelle attività, con prestazioni più elevate e accelerazioni nel riconoscimento delle attività umane come i sensori di movimento, la modellazione della dinamica fisica di un robot e l’elaborazione sequenziale delle immagini . 

 

Risolve problemi di matematica di vecchia data

In uno studio recentemente pubblicato, i ricercatori dell’Università di Sydney hanno utilizzato l’intelligenza artificiale per suggerire e aiutare a dimostrare nuovi teoremi matematici nelle complesse aree della rappresentazione e della teoria dei nodi. La ricerca dimostra principalmente come sia stato utilizzato un modello di apprendimento supervisionato per individuare una relazione sconosciuta tra due diversi tipi di nodi matematici. Questa svolta ha ora portato a un teorema completamente nuovo. 

Guidata da uno dei matematici più famosi al mondo, la professoressa Geordie Williamson, la ricerca ha applicato la potenza dei processi di intelligenza artificiale di Deep Mind per esplorare le congetture nella teoria della rappresentazione.

I coautori di Williamson provenivano da DeepMind di proprietà di Google, il team dietro AlphaGo, che è stato il primo programma per computer in assoluto a vincere un campione del mondo nel gioco del Go tenutosi nel 2016. 

Guarda come Williamson ha dimostrato le congetture di vecchia data qui . 

Dimostrazione di 1200 problemi matematici utilizzando il sistema AI di Google

Un nuovo programma di dimostrazione di teoremi di intelligenza artificiale è stato svelato dai ricercatori del centro di ricerca di Google con sede in California a Mountain View. Il programma utilizzava principalmente il dimostratore di teoremi HOL-Light, utilizzato nella dimostrazione di Hales nella congettura di Keplero, dimostrando molti teoremi di base della matematica senza l’aiuto degli umani. Inoltre, il team ha fornito lo strumento in una versione open-source per assistere altri matematici e informatici nei loro esperimenti. 

Il modello è stato addestrato su un insieme di 10.200 teoremi nelle aree dell’algebra lineare e dell’analisi reale e complessa. Tuttavia, il team ha affermato che l’approccio era ampiamente applicabile.

 

Risolvere i problemi delle Olimpiadi internazionali di matematica con Meta AI 

I teoremi matematici sono stati a lungo considerati dalla comunità scientifica come un passo cruciale nella costruzione di macchine intelligenti. Indubbiamente, Meta AI ha modellato un dimostratore di teoremi neurali che ha risolto 10 problemi dell’International Math Olympiad (IMO). 

Meta afferma che il nuovo modello è 5 volte migliore di qualsiasi precedente sistema di intelligenza artificiale. Dice: “Il nostro modello di intelligenza artificiale migliora anche rispetto all’attuale stato dell’arte del 20 percento su miniF2F, un benchmark matematico ampiamente utilizzato, e del 10 percento sul benchmark Metamath”. 

I ricercatori hanno utilizzato il metodo ” HyperTree Proof Search (HTPS) ” che è stato addestrato su set di dati costituiti da dimostrazioni matematiche riuscite. L’intelligenza artificiale è stata quindi addestrata per imparare a generalizzare nuovi e diversi tipi di problemi. 

DI BHUVANA KAMATH da analyticsindiamag.com

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi