Глубокая seq2seq нейронная сеть удивительным и неожиданным образом побила Matlab в алгебраических вычислениях (via )

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Глубокая seq2seq нейронная сеть удивительным и неожиданным образом побила Matlab в алгебраических вычислениях (via )

https://arxiv.org/abs/1912.01412

"Neural networks have a reputation for being better at solving statistical or approximate problems than at performing calculations or working with symbolic data. In this paper, we show that they can be surprisingly good at more elaborated tasks in mathematics, such as symbolic integration and solving differential equations. We propose a syntax for representing mathematical problems, and methods for generating large datasets that can be used to train sequence-to-sequence models. We achieve results that outperform commercial Computer Algebra Systems such as Matlab or Mathematica."

См. также глобальные исторические тренды, которые привели к такому положению вещей: "Реванш нейронов" https://vk.com/wall369631409_3297

По сути, продолжается наращивание преимущества коннекционистского подхода (нейронных сетей) над символьным подходом, впрочем, ровно так, по логике, и должно быть – ведь мозг человека является коннекционистским механизмом, а порождаемые им символьные вычисления представляют из себя не более чем высокоуровневый язык описания все тех же низкоуровневых коннекционистких вычислений. Если раньше этот тезис был достаточно абстрактен и неверифицируем, то теперь он все больше насыщается эмпирическими подтверждениями.

Конечно, нельзя говорить что архитектура этой глубокой seq2seq нейронной сети изоморфна архитектуре реальных нейронных сетей, выполняющих алгебраические вычисления в мозге человека, но в них есть нечто общее, что, вероятно, и определило итоговый успех искусственной нейросети. Найти это общее и усилить его – это главная задача нашего ближайшего будущего, которую можно сформулировать как "нейроморфизация искусственного интеллекта". Сейчас становится абсолютно ясно, что эта задача должна стать приоритетной не только для математиков и специалистов в области компьютерных наук, но и для психологов и нейроученых, которые должны работать содружественно, в одной команде, с математиками и кибернетиками для достижения общего итогового успеха.


Источник: vk.com

Комментарии:

Ян Дененберг, 2019-12-05 16:26:19
Уважаемый автор!
Вы пишете следующее:

"По сути, продолжается наращивание преимущества коннекционистского подхода (нейронных сетей) над символьным подходом, впрочем, ровно так, по логике, и должно быть – ведь мозг человека является коннекционистским механизмом, а порождаемые им символьные вычисления представляют из себя не более чем высокоуровневый язык описания все тех же низкоуровневых коннекционистких вычислений. Если раньше этот тезис был достаточно абстрактен и неверифицируем, то теперь он все больше насыщается эмпирическими подтверждениями."

Мне кажется, Вы малость поторопились, ведь современная наука ещё крайне далека от того, чтобы проникнуть в тайны человеческого мозга. Для нас он пока является загадкой и я бы не стал называть его "коннекционистским механизмом", как это сделали Вы.

Впрочем, возможно, Вам виднее, ибо я институтов не кончал.

С уважением,
Ян Альбертович Дененберг,
Ноф-а-Галиль, Израиль,
Четверг, 5 декабря 2019, 15:26:02