算法|最近，人工智能推进了数学研究的进程，揭示了矩阵乘法的新可能性( 三 ) deepmind

但这个新记录仍然落后于91步，而要击败使用5 × 5矩阵的斯特拉森算法需要91步。

这一引人注目的新结果引起了很多注意，一些研究人员对这种基于人工智能的对现状的改进大加赞赏。但并不是所有矩阵乘法领域的人都对此表示肯定。研究人员还强调，破纪录的4 × 4算法的即时应用将受到限制：它不仅只在模2算法中有效，而且在现实生活中，除了速度之外，还有其他重要的考虑因素。
最后的转折
相对于成熟的计算机搜索方法， AlphaTensor最大的优势也是它最大的弱点：它不受人类对好的算法的直觉的约束，所以它无法解释自己的选择。这使得研究人员很难从它的成就中学习。
但这缺点没有看上去那么大。 AlphaTensor结果公布几天后，奥地利约翰内斯·开普勒大学的数学家曼纽尔·考尔斯和他的研究生报告了又一进展。
当DeepMind的论文发表时，考尔斯正在使用传统的计算机辅助搜索新的乘法算法。他们的方法是通过反复调整现有的算法，希望从中节省更多的步骤。以AlphaTensor的5 × 5模2矩阵算法为起点，他们惊奇地发现，他们的方法在短短几秒钟的计算之后，就将乘法步骤从96步减少到了95步。
AlphaTensor还间接帮助他们进行了另一项改进。在此之前，考尔斯并没有费心去探索4 × 4矩阵的空间，他们认为不可能击败斯特拉森算法的两次迭代。 AlphaTensor的结果促使他们重新考虑，在从头开始计算一周后，他们的方法出现了另一个47步算法，与AlphaTensor发现的算法无关。
考尔斯认为这是机器学习在发现新算法方面应用的真正试金石。他指出，寻找快速矩阵乘法算法是一个组合问题，计算机搜索，无论是否有人工辅助，都非常适合。但并不是所有的数学问题都那么容易确定。如果机器学习能够发现一个全新的算法思想，这将是一个游戏规则的改变者。