頂尖數(shù)學(xué)家表示：「這是利用機(jī)器學(xué)習(xí)做出的第一個(gè)重大數(shù)學(xué)發(fā)現(xiàn)?！?/span>

多年來(lái)，數(shù)學(xué)家們一直使用計(jì)算機(jī)來(lái)生成數(shù)據(jù)以幫助搜索數(shù)學(xué)模式，這種被稱(chēng)為實(shí)驗(yàn)數(shù)學(xué)的研究方法產(chǎn)生出許多重要的猜想，例如BSD猜想。雖然這種方法已經(jīng)取得成功并且相當(dāng)普遍，但從這些數(shù)據(jù)中識(shí)別和發(fā)現(xiàn)數(shù)學(xué)模式仍然主要依賴(lài)于數(shù)學(xué)家。

隨著計(jì)算機(jī)領(lǐng)域的飛速發(fā)展，利用計(jì)算機(jī)尋找數(shù)學(xué)模式變得越來(lái)越重要，因?yàn)橛?jì)算機(jī)生成的數(shù)據(jù)量爆炸式激增。一些非常復(fù)雜的數(shù)學(xué)對(duì)象（例如具有數(shù)千個(gè)維度的對(duì)象），可能因?yàn)樘願(yuàn)W而無(wú)法直接推理。出于這些限制，DeepMind的研究者希望采用人工智能以全新的方式增強(qiáng)數(shù)學(xué)家的洞察力。

數(shù)學(xué)家的直覺(jué)在數(shù)學(xué)發(fā)現(xiàn)中扮演著極其重要的角色，只有結(jié)合嚴(yán)格的形式主義和良好的直覺(jué)才能解決復(fù)雜的數(shù)學(xué)問(wèn)題。下圖的框架描述了一種通用方法，數(shù)學(xué)家可以通過(guò)該方法使用機(jī)器學(xué)習(xí)工具來(lái)啟發(fā)他們對(duì)復(fù)雜數(shù)學(xué)對(duì)象的直覺(jué)。這是一種自然且富有成效的方式，將統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)很好地融入了數(shù)學(xué)研究。



從概念上講，這個(gè)框架提供了一個(gè)直覺(jué)試驗(yàn)臺(tái)，可以快速驗(yàn)證兩個(gè)量之間的關(guān)系直覺(jué)是否值得研究，如果是，試驗(yàn)臺(tái)會(huì)指導(dǎo)它們之間如何相關(guān)。DeepMind已經(jīng)使用上述框架幫助數(shù)學(xué)家在兩種情況下獲得有影響力的數(shù)學(xué)結(jié)果。

DeepMind作為一家全球領(lǐng)先的人工智能公司，他們探索了機(jī)器學(xué)習(xí) (ML) 在識(shí)別數(shù)學(xué)結(jié)構(gòu)和模式方面的潛力。現(xiàn)在他們幫助數(shù)學(xué)家解決了一些數(shù)學(xué)難題，成為AI首次探索純數(shù)學(xué)的前沿研究，相關(guān)論文今天已在《自然》雜志上發(fā)表。

論文地址：https://www./articles/s41586-021-04086-x

具體來(lái)說(shuō)，DeepMind與頂級(jí)數(shù)學(xué)家合作，將AI應(yīng)用于純數(shù)學(xué)中的兩個(gè)領(lǐng)域：拓?fù)浜捅硎菊摗Ｆ渲蠨eepMind與牛津大學(xué)的 Marc Lackenby 教授和András Juhász 教授一起，通過(guò)研究紐結(jié) (Knot)的結(jié)構(gòu)發(fā)現(xiàn)了不同數(shù)學(xué)領(lǐng)域之間的意外聯(lián)系；與悉尼大學(xué)的 Geordie Williamson 教授一起，DeepMind發(fā)現(xiàn)了一個(gè)關(guān)于排列猜想的新公式，該猜想幾十年來(lái)一直未解決。

拓?fù)潆y題

下圖顯示了紐結(jié)不變量的一些例子。



DeepMind假設(shè)在一個(gè)紐結(jié)的雙曲不變量和代數(shù)不變量之間存在一種未被發(fā)現(xiàn)的關(guān)系。監(jiān)督學(xué)習(xí)模型能夠檢測(cè)大量幾何不變量和signature σ(K) 之間存在的模式，并用歸因技術(shù)（attribution technique）確定最相關(guān)的特征。下圖(a) 顯示了cusp幾何的三個(gè)不變量，圖 3b 中部分地顯示了其中的關(guān)系。

Geordie Williamson

組合不變性猜想指出某些有向圖和多項(xiàng)式之間應(yīng)該存在關(guān)系。DeepMind使用機(jī)器學(xué)習(xí)方法確認(rèn)了這種關(guān)系確實(shí)存在，并確定其可能與稱(chēng)為破碎的二面角區(qū)間（broken dihedral interval）和外反射（extremal reflection）的結(jié)構(gòu)有關(guān)。有了這些知識(shí)，Williamson教授就能夠發(fā)現(xiàn)一個(gè)令人驚訝的算法來(lái)解決組合不變性猜想。

表示論是數(shù)學(xué)中抽象代數(shù)的一支。旨在將代數(shù)結(jié)構(gòu)中的元素「表示」成向量空間上的線性變換，借以以研究結(jié)構(gòu)的性質(zhì)。其中，任何表示都是不可約表示的直和。不可約表示的結(jié)構(gòu)由 Kazhdan-Lusztig (KL) 多項(xiàng)式控制，這些多項(xiàng)式與組合學(xué)、代數(shù)幾何和奇點(diǎn)理論都有著深厚的聯(lián)系。

組合不變性猜想作為一個(gè)關(guān)于 KL 多項(xiàng)式的開(kāi)放猜想，已經(jīng)存在了約40年，但只有部分進(jìn)展。在理解對(duì)象之間關(guān)系方面取得進(jìn)展的一個(gè)障礙是 Bruhat 區(qū)間。下圖給出了小 Bruhat 區(qū)間及其 KL 多項(xiàng)式的例子。



DeepMind的研究把組合不變性猜想作為初始假設(shè)，利用機(jī)器學(xué)習(xí)的方法發(fā)現(xiàn)了一個(gè)能夠預(yù)測(cè) KL 多項(xiàng)式Bruhat區(qū)間的監(jiān)督學(xué)習(xí)模型，并且具有相當(dāng)高的準(zhǔn)確率。通過(guò)測(cè)試將 Bruhat 區(qū)間輸入網(wǎng)絡(luò)的方式，研究者發(fā)現(xiàn)某些圖表和特征的選擇特別有助于準(zhǔn)確預(yù)測(cè)。特別地，借助更準(zhǔn)確的估計(jì)函數(shù)，研究者還發(fā)現(xiàn)有一種受先前工作啟發(fā)的子圖足以計(jì)算 KL 多項(xiàng)式。

該研究已經(jīng)在超過(guò) 300 萬(wàn)個(gè)示例中對(duì)新算法進(jìn)行了計(jì)算驗(yàn)證，下圖是表示論歸因的例子。



研究者進(jìn)一步探究了機(jī)器學(xué)習(xí)是否可以闡明不同數(shù)學(xué)對(duì)象之間的關(guān)系。下圖顯示了兩個(gè)「Bruhat 區(qū)間」及其相關(guān)的「Kazhdan-Lusztig 多項(xiàng)式」其中，Bruhat 區(qū)間是一個(gè)圖表，它代表了通過(guò)一次只交換兩個(gè)對(duì)象來(lái)反轉(zhuǎn)對(duì)象集合的順序的所有不同方式。KL 多項(xiàng)式能夠告訴數(shù)學(xué)家一些關(guān)于該圖在高維空間中存在的不同方式的信息。當(dāng) Bruhat 區(qū)間有 100 或 1000 個(gè)頂點(diǎn)時(shí)，有趣的結(jié)構(gòu)才開(kāi)始出現(xiàn)。