參考消息網(wǎng)11月24日?qǐng)?bào)道 據(jù)英國《新科學(xué)家》周刊網(wǎng)站11月19日?qǐng)?bào)道，一種尋找非直觀數(shù)學(xué)模式的人工智能（AI）工具似乎能夠解決各種各樣的數(shù)學(xué)問題，包括幾十年來一直沒取得進(jìn)展的一些問題。

　　盡管AI模型在一些具體數(shù)學(xué)問題上取得了些許成功，但通常很難解決困擾人類的數(shù)學(xué)問題。正因?yàn)槿绱�，大多�?shù)數(shù)學(xué)家不愿花額外時(shí)間把學(xué)習(xí)使用AI作為他們研究的一部分。

　　現(xiàn)在，臉書的母公司元宇宙公司的基礎(chǔ)AI研究團(tuán)隊(duì)的弗朗索瓦·沙爾東和他的同事們發(fā)明了一種被稱為PatternBoost的AI工具。這種工具似乎能夠解決更多問題，而且這種模型的建立也不太費(fèi)力。沙爾東說：“這是一個(gè)總體想法。令人驚訝的是，它確實(shí)有效�？梢园阉鼞�(yīng)用于解決一大堆問題�！�

　　PatternBoost的工作分兩階段進(jìn)行。第一階段被稱為局部搜索，利用帶有隨機(jī)性的算法找到解決問題的可能方案，并辨別看起來最有希望的方案。然后，把這些結(jié)果傳給一個(gè)AI模型，該模型使用與聊天生成預(yù)訓(xùn)練轉(zhuǎn)換器（ChatGPT）相同的轉(zhuǎn)換算法對(duì)這些結(jié)果進(jìn)行研究，并產(chǎn)生更多同一種類型的結(jié)果。然后這些結(jié)果將被反饋到局部研究算法中，并不斷重復(fù)這個(gè)過程，直到最好的答案出現(xiàn)為止。

　　沙爾東和他的團(tuán)隊(duì)嘗試解決的所有問題都源自名為極值組合學(xué)的數(shù)學(xué)領(lǐng)域。這個(gè)領(lǐng)域研究的是找到遵循某種規(guī)律的非常大或者非常小的數(shù)學(xué)對(duì)象。其中一個(gè)數(shù)學(xué)對(duì)象被稱為“無球面問題”，即在三維網(wǎng)格中找到最大的點(diǎn)集合，使得沒有五個(gè)點(diǎn)位于同一個(gè)球面。

　　沙爾東說：“每個(gè)人都非常非�？隙ǖ卣f，這個(gè)答案是17個(gè)點(diǎn)，這樣就沒法找到比17個(gè)點(diǎn)多的點(diǎn)。我只是在嘗試（用PatternBoost），我發(fā)現(xiàn)了18個(gè)——數(shù)學(xué)家并不是真的那么相信。這并非被過多研究的一個(gè)問題，所以或許沒有那么令人驚嘆，但至少它讓專家們意外�！�

　　研究小組成員、威斯康星大學(xué)麥迪遜分校的喬丹·埃倫貝格說，研究人員試圖解決極值組合問題是因?yàn)檫@種問題容易適用于PattenBoost的結(jié)構(gòu)，但是可能用它解決許多不同的數(shù)學(xué)問題也是適用的。他說：“我們對(duì)這種結(jié)構(gòu)能有效解決何種問題幾乎沒有太多直觀感受。也許能解決所有問題，但誰也說不清�！保ň幾g/劉曉燕）