七大數學世紀難題科普?伽利略用望遠鏡收集了大量天文觀測數據他用自己的頭腦在大量數據中發現了模式，創造了運動和力學理論，為現代科學鋪平了道路，接下來我們就來聊聊關于七大數學世紀難題科普?以下内容大家不妨參考一二希望能幫到您!

七大數學世紀難題科普

伽利略用望遠鏡收集了大量天文觀測數據。他用自己的頭腦在大量數據中發現了模式，創造了運動和力學理論，為現代科學鋪平了道路。

《心靈深處》通過人工智能為數學家們提供了一個新的“望遠鏡”。

沈志與兩位數學家合作設計了一個算法。該算法可以觀察不同的數學領域，發現人類大腦在過去沒有發現的相關點。人工智能不是一切。如果她有足夠的數據，她會找到模式。然後，這些模型被轉移給人類數學家，以指導他們的研究機構和創造性工作，并最終得出一條新的自然法則。

“我沒想到我的一些偏見會被徹底推翻。”牛津大學的馬克·拉肯比博士告訴《自然》雜志，包括他和深圳特勤局在内的科學家之間的合作成果已在《自然》雜志上發表。

幾個月前，申志成功地解決了生物學50年的挑戰。這次情況有所不同。數學的本質是發現模式，并最終得到關于我們世界運行的正式測試的想法（或理論）。它強調機器與人之間的合作，結合觀測數據，接受有指導意義的理論。

“人類的創造力使數學家直觀地知道在哪裡尋找新模式。”波鴻魯爾大學的Christian Stumpf博士說，他沒有參與這項研究，但寫了一篇随附的文章。

為什麼是數學？

當我想到我在學校上的數學課時，有多少人仍然感到害怕？但我們當時學的數學隻是膚淺的。

數學世界是美好的，不僅僅是算術、代數或幾何。它洞察了管理世界運作的基本規則。事實上，正是數學奠定了計算機的基礎，并使人工智能算法得以出現。今天的網絡世界主要由算法驅動。

這是因為數學試圖在數據中找到模式。這是重力的一個例子。

牛頓看着物體墜落。牛頓以包括伽利略在内的大個子為基礎，從觀測數據中找到了模式，并将這些模式提煉成公式。這個過程聽起來可能很無聊，但如果沒有這一步，我們就不會有飛行、火箭或太空旅行。

根據Stumpf的說法，數學遵循一系列堅實的步驟。

它從幾個相關示例（例如，對象的形狀或對象從不同高度墜落）開始，然後收集數據、計算屬性并分析這些屬性之間的可能關系，直到發現模式。

數學家然後在更一般或更複雜的環境中測試這些想法。如果有奇怪的字符，則應更新模式。這一系列步驟繼續循環，最終将得到一個新的理論。這是數字世界的好消息。

我們現在生成的數據呈指數級增長，這意味着要傳輸的數據量是前所未有的。怎麼了，夥計？有這麼多的數據，沒有數學家能在他或她的生活中發現。

人工智能的認可

人工智能特别擅長的一件事是在海量數據中發現模式。

數學家們用軟件處理數字并發現新的理論。然而，機械學習并不流行，部分原因是其固有的可能性。由于算法設計的因素，這些算法隻能提供估計，不能給出明确的結果。數學需要的是一個明确的結果。

解決方案呢？建立一個由人和機器組成的團隊。

Deep Intelligence Company得出結論，人工智能可以提供一些見解來指導新的數學思想，因此它與牛津大學的lakenby博士Andr 225s Juh T225S博士和悉尼大學的Georgie Williamson博士合作，探索兩個領域：結理論和對稱性研究。有許多年的開放性問題會影響我們對世界的理解。

以結理論為例。從表面上看，這是關于繩子如何綁在一起以及它形成了什麼樣的結（這對登山者和漁民來說非常重要）。但是節點理論的核心所包含的數學原理可以幫助指導量子計算，就像過去數學和邏輯的擴展給了我們計算機一樣。

深圳智能公司的團隊在一篇博文中寫道，紐結理論特别有吸引力，因為數學的不同分支“代數、幾何和量子理論”共享“獨特的視角”。但“一個古老的秘密是這些不同的分支如何相互關聯。”

在這項研究中，研究小組訓練了一個機器學習模型來建立數據中的連接。人工智能受到計算機視覺中一種叫做Salizienz卡的技巧的影響。簡言之，這些鹽度卡在尋找包含更多信息的像素方面特别強大，類似于一個人聚焦于某個事物的眼睛和随機模糊背景之間的差異。鹽度圖在幾何方面表現出特别有趣的特性。（也稱為“簽名”）揭示了以前被忽略的重要功能。

“與拉肯比一起，下一步将是證明所發現的關系的确切性質，并确定數學不同分支之間的一些最初關系。”深度智慧計劃的作者寫道。

在另一個概念中，申智和威廉姆森共同解決了一個涉及到許多其他數學分支的對稱性問題。

傳統上，數學家使用圖表來研究對稱性。但就像一部三維高清電影，這部作品很快變得太複雜、太耗時，甚至“超出了人類的理解”。

申智利用人工智能在對稱性領域發現了幾個有趣的模式。這些模型引起了研究人員的極大興趣，并使威廉姆森得以繼續進行這項研究。他提出了一個假設（基于所有已知數據，它顯然是正确的，但仍需要嚴格的數學證據）。

“人工智能的強大威力給我留下了深刻的印象。”威廉姆森說：“我想我已經在黑暗中走了一年，才知道電腦知道一些我不知道的東西。”。

下一步是什麼？

申智一直證明機器學習不僅适用于遊戲，而且有許多實際應用。從用人工智能解決基本生物學原理到預測基因表達，再到幫助數學家發現新理論，人工智能在科學領域取得了越來越多的進展。

然而，人類的直覺仍然無法複制

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!