Intelligence artificielle Découverte mathématique : le rôle de l'homme

L'intelligence artificielle explore de nouveaux algorithmes qui ne sont pas seulement dans le monde des mathématiques. Conversion rapide vécue en résolvant les problèmes au niveau olympique et en intégrant les processus de données probantes,Où est le rôle de l'homme dans la découverte mathématique?La question est à l'ordre du jour. La nécessité d'un équilibre entre la capacité technique de l'intelligence artificielle et l'expertise humaine est maintenant la base des discussions sur la recherche mathématique.

Nouveau acteur dans la découverte mathématique: l'intelligence artificielle

Ces dernières années, l'intelligence artificielle impose des recherches universitaires et technologiques. DeepMind, OpenAI et Microsoft, les principales sociétés d'IA dans le monde, ont réalisé des projets très complets où les systèmes basés sur l'IA sont utilisés dans les domaines des poches, de la géométrie, de l'optimisation et surtout des preuves. La découverte mathématique n'est pas seulement technologique, si elle est considérée comme un domaine qui a progressé avec la connaissance et l'accumulation théorique tout au long de l'histoire, on peut aussi dire d'une certaine manière que la transformation interfère avec une nouvelle ère concernant la connaissance humaine.

Algoritma Discovery: Exemple AlphaTensor

Étude AlphaTensor publiée dans Nature en 2022 de DeepMindUn seul des points brisés dans le domaine de l'exploration mathématique. Le système a découvert de nouveaux algorithmes qui nécessitent un traitement plus faible dans certaines tailles de matrice en convertissant les algorithmes d'impact de matrice en un environnement de jeu et non seulement théorique ; l'optimisation matérielle a également créé des solutions pratiques. L'étude est un bon exemple de la contribution de l'intelligence artificielle dans le monde des mathématiques.

Problème résolu au niveau olympique

Modèles AlphaGeométrie et AlphaProof En résolvant les problèmes géométriques au niveau de l'OMI (International Olympic), des performances élevées ont été présentées par rapport aux concurrents humains. Grâce à ces études, l'intelligence artificielle peut produire une grande efficacité dans des problèmes bien définis, même si, en particulier, la grande partie des solutions dans les problèmes de type ouvert s'est avérée être la surveillance et la vérification humaines.

Intégration des processus formels d'Ispat

La contribution la plus importante à la recherche mathématique de l'intelligence artificielle doit être intégrée dans les processus formels de preuve. Les outils de vérification officiels tels que Lean, Metamath et HOL Light fournissent une couche de sécurité qui valide avec précision les étapes de preuve faites par l'intelligence artificielle. Cela joue un rôle critique surtout lorsque les systèmes basés sur la LLM sont considérés comme une structure productive mais peu fiable. En particulier, des solutions telles que Lean4 permettent aux chercheurs de compléter soigneusement les données probantes en se déplaçant avec l'IA, l'achèvement automatique, la capture d'erreurs et les processus de correction d'étapes défectueux.

Resealable humain

Il peut conduire à la perception de la technologie pour développer très rapidement et désactiver les personnes dans les processus de recherche. Toutefois, la recherche mathématique ne se limite pas à la production de solutions, et dans de nombreux domaines, le contrôle humain est important. Nous pouvons placer ces champs comme suit :

Sélection et formulation du problème

Non pas l'IA quel problème mathématique devrait être résolu, les chercheurs humains décident. L'intelligence artificielle ne peut faire que quelques optimisations via le problème donné mais ne peut pas formuler le problème lui-même.

Vérification

Les modèles basés sur la LLM sont souvent convaincants, mais peuvent produire des pas de preuve défectueux. Ces erreurs peuvent conduire à des résultats inacceptables en termes de précision mathématique. Par conséquent, l'utilisation des personnes et des systèmes formels est un impératif.

Examen théorique du contexte

Comprendre la valeur réelle d'une découverte est possible de la placer dans la littérature mathématique, généraliser et théoriquement l'interpréter. À ce stade, l'intelligence artificielle est limitée. L'établissement du lien revient à l'humain. Encore un homme.

Responsabilité éthique

Les plus grandes discussions sur l'intelligence artificielle s'articulent autour de problèmes éthiques. Par conséquent, la précision mathématique n'est possible qu'avec la confiance académique au-delà d'être une question technique. Les revues scientifiques déterminent encore les mécanismes d'arbitre et les principes de publication de ces revues, les normes éthiques.

Différents témoignages dans le monde académique

La formation de différentes perspectives sur le rôle de l'intelligence artificielle dans le verre mathématique est tout à fait normale. Par exemple Ken Ono de l'Université Virginia, interviewé,AI; la formation mathématique de l'intelligence artificielle exprime les préoccupations de l'information particulièrement trompeuse et la perte de contrôle de base liée aux effets positifs et négatifs possibles. Ono, qui affirme que les questions qu'ils ont posées aux systèmes sont en train d'examiner leurs réponses, considère qu'il s'agit d'une situation où les réponses incorrectes ne sont pas bien comprises.

Les limites avec le problème commun d'autres LLM s'appliquent dans la recherche mathématique. Seuls les grands modèles linguistiques qui se spécialisent dans les ensembles de données qu'ils reçoivent une formation peuvent être problématiques dans les nouvelles données. Aussi, SommaireLes informations détaillées sur la façon dont elles atteignent les résultats ne sont pas souvent communiquées directement à l'utilisateur. Cela laisse beaucoup de questions derrière.

D'autre part, il est un fait que l'intelligence artificielle est un nouveau partenaire de découverte qui complète la connaissance humaine. Dans les données à grande échelle, il est possible que les gens explorent les situations où ils peuvent être négligés, et la part d'erreur est réduite lorsqu'elle est combinée à une vérification formelle.

Intelligence artificielle en mathématiques

L'IA dans l'enseignement des mathématiques a une rétroaction instantanée et une capacité de solution étape par étape, ce qui crée un environnement d'apprentissage personnalisé pour les étudiants. De plus, le niveau de difficulté peut produire des pools de problèmes de haute qualité. Toutefois, ces avantages présentent des risques potentiels. Les étudiants ont souvent recours à ces véhicules dans les cours et les examens et causer la capacité de résoudre le problème de l'étudiant. C'est pourquoi il est important de l'utiliser comme un outil qui soutient les élèves ainsi que l'école dans l'enseignement des mathématiques.

Dans un proche avenir, la découverte mathématique sera façonnée dans le cadre du travail conjoint de trois composantes:

• Les modèles d'intelligence artificielle produiront de nouveaux algorithmes et de nouvelles preuves.
• Les preuves produites par AI avec des correcteurs de forme tels que Lean seront pas à pas.
• Les chercheurs experts évalueront et examineront également les résultats.

Cette structure augmentera la nature de la recherche mathématique, mais un scénario qui sera complètement désactivé n'est pas réaliste pour le moment. Le problème de la sélection, de l'interprétation, de la responsabilité en matière de vérification et de l'éthique académique est encore considéré comme une étape qu'aucun outil d'intelligence artificielle ne peut atteindre. Le bon fonctionnement de cette structure revêt une importance critique pour des découvertes scientifiques fiables.