Како овај аи пробој са чистом математиком и учењем ојачања могао би да помогне предвиђању будућих криза

Замислите да ће се знати да ће се берза вероватно срушити за три године, да ће ваш екстремно време уништити ваш дом у осам или да ћете имати ослабљујућу болест у 15-али да сада можете да предузмете кораке сада да бисте се сада одрјели од ових криза. Иако је са сигурношћу предвиђајући будућност, увек ће бити немогућа, вештачка интелигенција би се могла приближити томе, неки стручњаци сугерирају. Предвиђања такве величине захтијевало би давање милијарди веза у огромним скуповима скуповима на огромним удаљеностима или временским периодима. Иако су такве способности изван тренутних АИ система, математички пробој описани у недавном прецичком папиру може пружити трагове за навигацију тако огромних података и проналажење већих образаца у њему да би открили исходе које људи иначе не би могли предвидјети.

Да би се развио АИ систем који може да учини тако тежак посао, тим истраживача у Калифорнијском институту за технологију и друге институције користили су Андревс-Цуртис претпоставку – интрактиван математички проблем из групе групе групе, поље које студира симетрија, структуру и оперативне групе у математичким групама. Предложио је математичари Јамес Андревс и Мортон Цуртис 1965. године, претпоставка сугерира да се свака таква компликована математичка конфигурација може свести на њен најосновнији облик коначном редоследом три потеза. Један од начина да се визуализује претпоставка је да сликате огромни лавиринт у којем играч покушава да повеже све поене у централну „дом“ место. Дужина било којег појединачног стаза могла би бити незамисливо дугачка и захтијевају узимање милиона или чак милијарди корака у лавиринт, каже Сергеј Гуков, недавни старији аутор и професор математике у Цалтецх-у. „То је био разлог што смо изабрали овај проблем“, каже, „јер је то математички проблем где да постигнемо било који напредак, у основи смо приморани да развијемо нове АИ системе који се могу прилагодити овом нивоу сложености.“

У 60 година од када је формулисана Андревс-Цуртис претпоставка, претпоставка никада није доказана или оповргавала. Доказивање то значило да би се показало да сваки опис који испуњава услове може бити повезан са једним стандардном оцртом „Дом“. Омогућивање би било потребно показивање такозваног контракомплете у којем не постоји „пут“ да постигне претпоставку. „А приори, није познато да ли постоје стазе (за координате), а циљ је да покуша да докаже или опонаша да ли постоји пут или да пронађе један пример где пут не приказује путник,“ каже да је водећи аутор студије Али Шести, старији АИ истраживач „, а да је путник АИ истраживач АЛИ СХИПЕ. Десетљећима је математичари покушао да оповргну претпоставку предлажући многе контраоке примјере за које се не могу наћи стазе – бар до сада. Тим је направио свој пробој у проналажењу потпуних или делимичних стаза за бројне такве неријешене потенцијалне контракупле примера, што показује да ниједан од ових предлога заправо не одбацује претпоставку.

О подржавању научног новинарства

Ако уживате у овом чланку, размислите о подршци нашем награђиваном новинарству Претплата. Куповином претплате помажете да се осигура будућност утицајних прича о открићима и идејама које данас у облику света у облику света.

Са преношењем Андревс-Цуртиса као свог модела, тим је створио игру: слика шаховског плоча, али са милион или чак милијарду квадрата. Као играч, морате достићи означену „кућну“ квадратни алат са само неколико потеза, слично како се сваки шаховски комад може преместити на одређене начине. Али ово је самотна игрица: Ви сте једини играч, а ваш посао је да преузмете било коју координацију коју сте дате и утврдите да ли користите неку комбинацију доступних потеза онолико пута колико је потребно, можете доћи до куће. За координате ближе кући, задатак није толико тежак. Али када су координате далеке флунг, проналажење вашег суђења и грешке би могло лако да траје током целог живота, посебно зато што не можете одмах да просудите да ли је сваки корак узет на правом путу док не дођете до одредишта. Пут је такође много дужи од стварне удаљености између две тачке. „Да бисте прешли од А до Б морате ићи на хиљаде миља у овом компликованом лавиринт, иако је стварна удаљеност могла бити врло мала“, каже Гуков. „Значи, то је као враг дизајнирао лавиринт.“

Тренирати АИ да играм игру, Гуков тим је користио арматурним учењем, технику машине-учења у којем АИ агент-систем који доноси одлуке и предузима акције за постизање циљева – сазнаје које акције најбоље раде кроз суђење и примање награда или казне. „Ако само покажете агенте Тешке проблеме у почетку, неће знати шта да ради са њима. Али ако прво покажете олакшавајуће проблеме, онда то заиста помаже“, каже о томе да каже Схехпер.

Али да пређу огромне просторе које захтевају претпоставку Андревс-Цуртис, мали кораци нису довољни. Игра се бави овим проблемом користећи два агента са различитим улогама: играч и посматрач. Гледајући играча и оцењивање његових успеха, агент посматрача почиње да комбинује основне потезе у комбинације или „супермовес“ које играч може затим користити за веће скокове. Како играч извршава своје расположиве потезе да би се одличнији на краћим стазама, посматрач учи да процени потешкоће са координатама и одмјеравање које ће супермове најбоље служити играчу; Затим стратешки пружа оне супермове када је играч највероватније да их може користити.

Док олакшане координате могу бити потребне да је 10 потеза да се досегне „кући“, што је теже координате брзо расту у сложености. „Математички је познато да постоје случајеви где треба милијарде потеза, али још увек нисмо стигли тамо са нашим АИ системом“, каже Схезпер. „Ми смо у распону хиљада потеза.“

Хиљаде потеза је ипак било довољно да се разбију земљу на неким дугогодишњим контраксима за преношење Андревс-Цуртиса. Користећи Агентиц АИ систем, тим је могао да реши велике породице дугогодишњег потенцијалног контракуплера који су били отворени 30 година. Чак је постигао напредак у низу супротних прилика који су постојали око четири деценије, смањујући већину њих на више поједностављених облика. Студија препринта на Универзитету у Ливерпулу од тада је самостално потврдила резултате ГУКОВ-овог тима.

„Оно што су учинили, изван очекивања да сам имао“ због онога што је АИ могао да учиним са претпоставком, каже Алексеј Миасников, професор математике на Стевенс институту за технологију. Миасников, који је спровео истраживање о престанку Андревс-Цуртиса и није био укључен у студију Гуковског тима, каже да је њихов рад показао како би корисно машинско појачање могло бити за експерименталну математику. „То показује да можете добити занимљиве резултате који не можете без рачунара“, каже Миасников. „Мислим да ће ускоро бити развијене много занимљивијих ствари. Ми смо само на почетку.“

Гуков тим се нада да ће створити алате за широк спектар проблема у математици и изван ње, каже Схеппер. Тренутни АИ системи, као што су алфаго (који играју иди) или алфастар (који игра видео игру СтарЦрафт ИИ), па чак и многи велики језички модели, као што су ГПТ-ов ГПТ или Ксаи-ов Грок, баве се проблемима који су познати да су решили и они који се зна да су решили и они који се зна да су решили. „Знамо да су шах и отишли проблеми са растворљивим“, каже Схехпер. „Игра се завршава, а ви победите или изгубите, а ови системи заправо само проналазе бољи начин да то ураде.“ Циљ тима је да развије системе да би се решили проблеми у којима математичари још не знају да ли чак и да постоје решења – и где је пут да процени да ли је одговор могао бити могућ.

Гуков и Шеппер надају се да се нови алати који развијају на крају могу применити на предвиђање у стварном свету. Можда ће будући АИ модели моћи да предвиде како би сложене машине можда не успеле након што су аутоматизовани системи возача могу произвести ретке, али опасне грешке током дужег периода и како болест може настати у појединцу. Потенцијално су се могли применити на многа поља, попут лека, криптографије, финансирања и климатског моделирања. „Могли бисте рећи да развијамо АИ системе за такве апликације“, каже ГУКОВ, „, али прво их тренирамо само са математиком. Математика је јефтина, тако да нећемо нечијег новца нити да нечимо нечији новац или погрешимо нечији новац или погрешимо нечији новац или дамо нечији нечији новац нити нећемо спалити нечији новац нити ћемо некога спалити или погрешити нечији новац или погрешили нечијег новца или дамо погрешне нечије или погрешне предвиђања о ураганима.“

Што се тиче доказивања или оповргавања самог претпоставке Андревс-Цуртис, АИ систем који је развио Гуков тим далеко од тога да то учини – а то није ни циљ истраживача. Али искључивањем супротстављења, њихов рад је пружио неку нову подршку за претпоставку. „Заједничко веровање у (математику) заједницу када смо започели овај рад је да је преношење Андревс-Цуртиса вероватно лажно, па би се требао покушати опоравити“, каже ГУКОВ. „Али након што је проводио неколико година на овој претпоставци, почео сам да верујем да можда постоји шанса – добра шанса – то је заправо тачно.“