Członkowie zespołu badawczego, którzy opisali swoje dokonania na łamach Nature, są związani z firmą DeepMind. Zapewne jej nazwa nie jest Wam obca, ponieważ to brytyjskie przedsiębiorstwo ma na koncie między innymi stworzenie sieci neuronowej, która grała w gry komputerowe w sposób niemal identyczny jak ludzie. Poza tym, systemy od DeepMind były również używane do rozwiązywania problemów biologicznych i zwiększania dokładności prognoz pogody.
Czytaj też: Model wykorzystujący uczenie maszynowe miał dawać etyczne porady. Okazał się rasistą
W ramach przeprowadzonych niedawno badań naukowcom udało się wykazać, że tzw. model uczenia nadzorowanego dostrzegł nieobserwowany wcześniej związek pomiędzy dwoma różnymi typami węzłów. Doprowadziło to do opisania zupełnie nowego twierdzenia. Poza tym, uczenie maszynowe umożliwiło postępy w odniesieniu do wielomianu Kazhdana-Lusztiga. Jest to problem matematyczny, którego nie udało się rozwiązać przez 40 lat.
Uczenie maszynowe jest obszarem sztucznej inteligencji
Problemy matematyczne są powszechnie uważane za jedne z najtrudniejszych pod względem intelektualnym. I choć matematycy wykorzystywali uczenie maszynowe w formie wsparcia analizy złożonych zbiorów danych, to my po raz pierwszy użyliśmy komputerów, aby pomóc w sformułowaniu przypuszczeń lub zasugerowaniu możliwych działań dla niesprawdzonych pomysłów w matematyce. Geordie Williamson, Uniwersytet w Sydney
Czytaj też: Integracja ludzi i maszyn? Za projektem stoją przedstawiciele MIT
Jeśli chodzi o wspomnianą teorię węzłów, to jest ona kluczowa dla innych dziedzin nauki. Wymienia się wśród nich genetykę, dynamikę płynów czy… badania nad zachowaniem korony słonecznej. Nic więc dziwnego, że postępy w zakresie matematyki dokonywane z wykorzystaniem uczenia maszynowego są tak ważne. Jedną z największych zalet tej metody jest sposób, w jaki komputery doszukują się wzorów. Wystarczy im szkolenie, na podstawie którego w przyszłości są w stanie samodzielnie prowadzić poszukiwania.