在新的数学证明中,人工智能发挥着决定性作用!( 二 )


所有这些游戏都只是有限决策的有限序列(允许步骤无限多的游戏会带来新的复杂功能) 。
Brualdi和Cao的问题涉及一组特定的0-1矩阵 , 他们称之为312模式避免 , 指的是3x3 , “312矩阵” , 它代表混合三维矢量的条目 , 使(a , b , c)成为(c , a , b) 。 0-1矩阵是312模式的 , 避免无法删除其某些行和列 , 并最终使用312矩阵 。
更具体地说 , Brialdi和Cao的问题是关于矩阵中一个称为“永久”的属性 , 这是一个由一个复杂的公式获得的数字 , 该公式涉及添加和乘以所有矩阵条目 。 他们想知道哪些312个避免模式的矩阵具有最大的永久性 , 以及该永久矩阵可能有多大 , 并制定任何大小的正方形矩阵的猜测 。
为了回答他们的问题 , 瓦格纳为他的模型设计了一个游戏:猜一个0-1矩阵 。 按条目输入 , 它选择0或1 。 永久越大 , 模型的分数越高 , 由于没有避免312矩阵 , 会扣除积分 。 该模型发现 , 一旦矩阵为4x4或更大 , 这些例子比Brualdi和Cao的猜测要好 。
新作品是令人兴奋的概念证明 , 尽管到目前为止 , 它对数学的实际贡献不大 。
(模型解决的问题)都不是非常重要的猜测 。
计算机在许多方面仍然无法与人类大脑的能力相匹配 , 而这些能力对数学研究很重要 。 在试图反驳新论文的猜想之一时 , 瓦格纳的模型撞了墙 。 它的计算能力太少了 , 无法独自找到反例 。 尽管如此 , 它还是产生了一系列猜测 , 使瓦格纳自己可以轻松找到一个 。
只要看看它构建的最好的东西 , 如果你把它带给任何数学家 , 它不必是图论者 , 你完全可以明显地尝试什么 。
即使以Brialdi和Cao为例 , 一旦矩阵太大 , 模型也需要一点帮助 。
数学家要把自己的领域让给机器 , 甚至还需要很长时间 。 与此同时 , 那些想利用人工智能的人需要睁大眼睛 , 寻找将其纳入研究的机会 。 这就是电力等其他新技术最终揭示其潜力的方式 , 人工智能没有理由有所不同 。