စက်သင်္ချာအသစ်လား။ ကြော့ရှင်းသောပုံစံများနှင့်အကူအညီမဲ့

အချို့သော ကျွမ်းကျင်သူများ၏ အဆိုအရ၊ စက်များ တီထွင်နိုင်သည် သို့မဟုတ် သင်နှစ်သက်ပါက ကျွန်ုပ်တို့ လူသားများ မမြင်ဖူးသော သို့မဟုတ် မတွေးခဲ့ဖူးသော သင်္ချာအသစ်များကို ရှာဖွေတွေ့ရှိနိုင်သည်။ အခြားသူများက စက်များသည် ၎င်းတို့ကိုယ်တိုင် မည်သည့်အရာကိုမျှ မတီထွင်ကြကြောင်း၊ ၎င်းတို့သည် ကျွန်ုပ်တို့သိထားသော ဖော်မြူလာများကို ကွဲပြားခြားနားသောနည်းဖြင့်သာ ကိုယ်စားပြုနိုင်ပြီး အချို့သော သင်္ချာဆိုင်ရာ ပြဿနာများကို လုံးလုံးလျားလျား မဖြေရှင်းနိုင်ဟု အခြားသူများက စောဒကတက်ကြသည်။

မကြာသေးမီက အစ္စရေးနိုင်ငံရှိ Technion Institute မှ သိပ္ပံပညာရှင်အဖွဲ့တစ်ဖွဲ့နှင့် Google မှ တင်ပြခဲ့သည်။ သီအိုရီများ ထုတ်ပေးရန်အတွက် အလိုအလျောက်စနစ်သင်္ချာပညာရှင်နောက်တွင် Ramanujan machine ဟုခေါ်သည်။ Srinivasi Ramanujanaဂဏန်းသီအိုရီတွင် အနည်းငယ်မျှသာ သို့မဟုတ် လုံးဝမရှိသော အမိုက်စား ဖော်မြူလာများကို တီထွင်ခဲ့သူဖြစ်သည်။ သုတေသီများ တီထွင်ထားသော စနစ်သည် မူလနှင့် အရေးကြီးသော ဖော်မြူလာ အများအပြားကို သင်္ချာတွင် ပေါ်လာသော universal constants အဖြစ်သို့ ပြောင်းလဲခဲ့သည်။ ဒီအကြောင်းအရာနဲ့ ပတ်သက်တဲ့ စာတမ်းတစ်စောင်ကို Nature ဂျာနယ်မှာ ထုတ်ဝေခဲ့ပါတယ်။

စက်ဖြင့်ထုတ်လုပ်ထားသော ဖော်မြူလာများထဲမှ တစ်ခုကို universal constant ဟုခေါ်သော တန်ဖိုးကို တွက်ချက်ရန် အသုံးပြုနိုင်သည်။ ကတ်တလန်နံပါတ်ယခင်က လူသိထားသော ဖော်မြူလာများကို အသုံးပြုခြင်းထက် ပိုမိုထိရောက်သည်။ သို့သော် သိပ္ပံပညာရှင်များက ဤသို့ဆိုကြသည်။ Ramanujan ၏ကား သင်္ချာကို လူများထံမှ ဖယ်ထုတ်ရန် မရည်ရွယ်ဘဲ သင်္ချာပညာရှင်များကို အကူအညီပေးရန်အတွက်သာ ဖြစ်သည်။ သို့ရာတွင်၊ ယင်းက ၎င်းတို့၏စနစ်သည် ရည်မှန်းချက်မရှိဟု မဆိုလိုပါ။ သူတို့ရေးကြသည့်အတိုင်း Machine သည် "သင်္ချာပညာရှင်ကြီးများ၏ သင်္ချာဥာဏ်ရည်ဥာဏ်သွေးကို အတုယူရန်နှင့် နောက်ထပ်သင်္ချာဆိုင်ရာရှာဖွေမှုများအတွက် အရိပ်အမြွက်ပေးရန် ကြိုးပမ်းနေသည်။"

စနစ်သည် အပိုင်းအစများ သို့မဟုတ် အပိုင်းကိန်းများဆက်ရန် (၁) ဟုခေါ်သော ပြေပြစ်သော ဖော်မြူလာများအဖြစ် ရေးသားထားသည့် universal constants (ဥပမာ) ၏တန်ဖိုးများနှင့်ပတ်သက်၍ ယူဆချက်တစ်ခုပြုလုပ်သည်။ ဤသည်မှာ အထူးပုံစံတစ်ခုတွင် အပိုင်းကိန်းတစ်ခုအဖြစ် အစစ်အမှန် ကိန်းဂဏာန်းများကို ဖော်ပြသည့်နည်းလမ်း သို့မဟုတ် ယင်းအပိုင်းကိန်းများ၏ ကန့်သတ်ချက်ဖြစ်သည်။ အပိုင်းဆက်တစ်ခုသည် အကန့်အသတ်ရှိနိုင်သည် သို့မဟုတ် အကန့်အသတ်များစွာရှိသော ကောက်နုတ်ချက်များရှိသည်။_i/b_i; အပိုင်း A_k/B_k (k+1)th မှစတင်၍ အဆက်အပိုင်းရှိ တစ်စိတ်တစ်ပိုင်းအပိုင်းများကို ဖယ်ထားခြင်းဖြင့် ရရှိသော အရာကို kth reduct ဟုခေါ်ပြီး ဖော်မြူလာများဖြင့် တွက်ချက်နိုင်ပါသည်။_-1= 1, A₀=b₀အတွက်_-1=0၊V₀= 1, A_k=b_kA_k-1+a_kA_k-2အတွက်_k=b_kB_k-1+a_kB_k-2; အလျှော့အတင်း၏ အစီအစဥ်သည် ကန့်သတ်ကန့်သတ်ချက်တစ်ခုသို့ ပေါင်းသွားပါက၊ ဆက်လက်အပိုင်းကိန်းကို convergent ဟုခေါ်သည်၊ သို့မဟုတ်ပါက ၎င်းကို ကွဲပြားသည်။ အဆက်အပိုင်းကိန်းကို ဂဏန်းသင်္ချာဆိုပါက ဟုခေါ်သည်။_i= 1, p₀ ပြီးပါပြီ၊ ခ_i (i>0) - သဘာဝ; ဂဏန်းသင်္ချာဆက်၍ အပိုင်းကိန်းများ ပေါင်းစည်းခြင်း၊ ကိန်းဂဏန်းများတိုင်းသည် ဆင်ခြင်တုံတရားကိန်းများအတွက်သာ အကန့်အသတ်ရှိသော ဂဏန်းသင်္ချာအပိုင်းကိန်းတစ်ခုအထိ ချဲ့ထွင်သည်။

1. Pi ကို အပိုင်းအစတစ်ခုအဖြစ် ဆက်လက်ရေးသားခြင်း ဥပမာ

Ramanujan စက် algorithm ဘယ်ဘက်အတွက်မဆို universal constants နှင့် ညာဘက်ခြမ်းအတွက် ဆက်တိုက်ကိန်းသေများကို ရွေးပြီး၊ ထို့နောက် တစ်ဖက်စီကို တိကျမှုအနည်းငယ်ဖြင့် သီးခြားစီတွက်ချက်သည်။ နှစ်ဖက်စလုံး ထပ်နေပုံပေါ်ပါက၊ ကိုက်ညီမှု သို့မဟုတ် တိကျမှုမဟုတ်ကြောင်း သေချာစေရန်အတွက် ပမာဏများကို ပိုမိုတိကျစွာဖြင့် တွက်ချက်ပါသည်။ အရေးကြီးသည်မှာ၊ ဥပမာအားဖြင့်၊ မည်သည့်တိကျမှုဖြင့်မဆို universal constants ၏တန်ဖိုးကို တွက်ချက်နိုင်စေမည့် ဖော်မြူလာများရှိပြီးဖြစ်သောကြောင့် စာမျက်နှာညီညွတ်မှုကို စစ်ဆေးရာတွင် တစ်ခုတည်းသောအတားအဆီးမှာ တွက်ချက်ချိန်ဖြစ်သည်။

ထိုကဲ့သို့သော အယ်လဂိုရီသမ်များကို အကောင်အထည်မဖော်မီတွင် သင်္ချာပညာရှင်များသည် ရှိပြီးသားတစ်ခုကို အသုံးပြုရမည်ဖြစ်သည်။ သင်္ချာဗဟုသုတ i သီအိုရီများထိုသို့သော ယူဆချက်ကို ပြုလုပ်ပါ။ အယ်လဂိုရီသမ်များမှ ထုတ်ပေးသော အလိုအလျောက် မှန်းဆချက်များကြောင့်၊ သင်္ချာပညာရှင်များသည် ၎င်းတို့ကို လျှို့ဝှက်သီအိုရီများ သို့မဟုတ် ပိုမို "ပြေပြစ်သော" ရလဒ်များ ဖန်တီးရန် ၎င်းတို့ကို အသုံးပြုနိုင်သည်။

သုတေသီများ၏ အထင်ရှားဆုံး တွေ့ရှိမှုမှာ အံ့သြစရာကောင်းသော အရေးပါမှု၏ ယူဆချက်အသစ်တစ်ခုအဖြစ် ဗဟုသုတအသစ်များစွာ မဟုတ်ပါ။ ဒီလိုလုပ်ပေးတယ်။ Catalan ကိန်းသေတွက်ချက်မှုသင်္ချာပုစ္ဆာများစွာတွင် တန်ဖိုးလိုအပ်သော စကြာဝဠာကိန်းသေတစ်ခု။ အသစ်ရှာဖွေတွေ့ရှိထားသော ယူဆချက်တစ်ခုတွင် အပိုင်းလေးပိုင်းတစ်ခုအဖြစ် ဖော်ပြခြင်းက ယနေ့အထိ အမြန်ဆုံး တွက်ချက်မှုများကို လုပ်ဆောင်နိုင်စေပြီး ကွန်ပျူတာတွင် လုပ်ဆောင်ရန် ပိုကြာသော အစောပိုင်းဖော်မြူလာများကို အနိုင်ယူနိုင်စေပါသည်။ ၎င်းသည် ကွန်ပြူတာ စစ်တုရင် ကစားသမားများကို ပထမဆုံး အနိုင်ယူပြီးကတည်းက ကွန်ပြူတာသိပ္ပံအတွက် တိုးတက်မှုအသစ် အမှတ်အသား ဖြစ်ပုံရသည်။

AI က ဘယ်လိုမှ မကိုင်တွယ်နိုင်ဘူး။

စက် algorithms သင်တွေ့မြင်ရသည့်အတိုင်း၊ ၎င်းတို့သည် အချို့သောအရာများကို ဆန်းသစ်ပြီး ထိရောက်သောနည်းလမ်းဖြင့် လုပ်ဆောင်သည်။ တခြားပြဿနာတွေနဲ့ ကြုံလာရတော့ အားကိုးရာမဲ့ ဖြစ်ကုန်ကြတယ်။ ကနေဒါနိုင်ငံ Waterloo တက္ကသိုလ်မှ သုတေသီအဖွဲ့တစ်ဖွဲ့သည် အသုံးပြုသည့် ပြဿနာအမျိုးအစားတစ်ခုကို ရှာဖွေတွေ့ရှိခဲ့သည်။ စက်သင်ယူမှု. အဆိုပါတွေ့ရှိမှုသည် ဩစတြီးယားသင်္ချာပညာရှင် Kurt Gödel မှ ပြီးခဲ့သောရာစုအလယ်ပိုင်းတွင် ဖော်ပြထားသော ဝိရောဓိနှင့် ဆက်စပ်နေသည်။

သင်္ချာပညာရှင် Shai Ben-David နှင့်အဖွဲ့သည် Nature ဂျာနယ်တွင် ထုတ်ဝေသည့် အမြင့်ဆုံး ခန့်မှန်းချက် (EMX) ဟုခေါ်သော စက်သင်ယူမှုပုံစံကို တင်ပြခဲ့သည်။ ဉာဏ်ရည်တုအတွက် ရိုးရှင်းသောအလုပ်တစ်ခု မဖြစ်နိုင်ဟု ထင်ရသည်။ အသင်းက ပြဿနာတက်တယ်။ Shay Ben-David ဆိုက်ကို မကြာခဏလာရောက်လည်ပတ်သော စာဖတ်သူများအပေါ် အာရုံစိုက်ကာ အမြတ်အစွန်းအများဆုံး ကြော်ငြာကမ်ပိန်းကို ခန့်မှန်းခြင်းမှ ဆင်းသက်လာသည်။ ဖြစ်နိုင်ခြေအရေအတွက်သည် အလွန်ကြီးမားသောကြောင့် အာရုံကြောကွန်ရက်သည် ဝဘ်ဆိုဒ်အသုံးပြုသူများ၏ အပြုအမူကို မှန်ကန်စွာ ခန့်မှန်းပေးမည့် လုပ်ဆောင်ချက်ကို ရှာဖွေနိုင်ခြင်းမရှိသည့်အတွက် အချက်အလက်အနည်းငယ်သာ နမူနာသာ ပါရှိပြီး ဝဘ်ဆိုဒ်အသုံးပြုသူများ၏ အပြုအမူကို မှန်ကန်စွာ ခန့်မှန်းနိုင်မည်ဖြစ်သည်။

အာရုံကြောကွန်ရက်များမှ ဖြစ်ပေါ်လာသော ပြဿနာအချို့သည် Georg Cantor မှတင်ပြသော သန္တာန်အယူအဆနှင့် ညီမျှကြောင်း တွေ့ရှိရပါသည်။ ဂျာမန်သင်္ချာပညာရှင်သည် သဘာဝကိန်းဂဏာန်းများ၏ ကာဒီနယ်နိမိတ်သည် ဂဏန်းအစစ်များ၏ ကာဒီနယ်နှုန်းထက် နည်းပါးကြောင်း သက်သေပြခဲ့သည်။ ထို့နောက် မဖြေနိုင်သော မေးခွန်းတစ်ခုကို မေးသည်။ ပြောရရင်၊ ကာဒီနယ်လစ်ဇစ်ထက် နည်းတဲ့ အဆုံးမရှိတဲ့ အစုံရှိသလားလို့ သူ တွေးမိတယ်။ ကိန်းဂဏန်းအစစ်အမှန်များဒါပေမယ့် စွမ်းအား ပိုပါတယ်။ သဘာဝကိန်းဂဏာန်းများအစု.

ဩစတြီးယား ကိုးရာစု၏ သင်္ချာပညာရှင်။ Kurt Gödel လက်ရှိသင်္ချာစနစ်တွင် သန္တာန် အယူအဆသည် အဆုံးအဖြတ်မရနိုင်ကြောင်း သက်သေပြခဲ့သည်။ ယခုအခါတွင် အာရုံကြောကွန်ရက်များကို ဒီဇိုင်းထုတ်သည့် သင်္ချာပညာရှင်များသည် အလားတူပြဿနာမျိုး ကြုံတွေ့နေရပြီဖြစ်သည်။

ထို့ကြောင့်၊ ကျွန်ုပ်တို့မြင်နေရသည့်အတိုင်း ကျွန်ုပ်တို့အတွက် မမြင်နိုင်သော်လည်း အခြေခံကန့်သတ်ချက်များနှင့် ရင်ဆိုင်ရချိန်တွင် ၎င်းသည် အကူအညီမဲ့နေပါသည်။ ဥပမာ- အဆုံးမရှိသောအစုံများကဲ့သို့သော ဤအတန်း၏ပြဿနာများရှိမရှိကို သိပ္ပံပညာရှင်များက အံ့သြနေကြသည်။