計算手法の使用は、膨大な量のデータが収集される科学分野に特に関連していますが、実験のすべての結果を説明する理論はまだありません。 そして、生物学、遺伝学、海洋学、宇宙学、そしてほとんどすべての自然科学において、そのような分野はますます増えています。
一般に、これは数学的定理と物理学の法則の発見に人工知能を契約する最初の試みからはほど遠いです。 以前のものはすべて決定的ではありませんでした。
- 半世紀前、 IBMのハーバート・ゲラーンターは 、ユークリッド幾何学の法則そのものを定式化したプログラムを書いたが、実際、批評家によると、プログラムは事前定義されたパターンに依存しすぎたため、これらの「発見」は独立とは見なされない。
- 70年代、Douglas Lenat 自動数学プログラムは多くの数学定理を自動的に生成しましたが、それらはすべて役に立たないと考えられていました。
- 1965年に開始されたスタンフォードデンドラルプロジェクトの一環として、20年間、NASAの宇宙船によって収集された化学データに基づいて、可能な有機化合物を分子的にモデル化する試みが行われました。 結果は残念でした。
- 80年代には、少なくともいくつかの重要な数学的定理を開くプログラムを作成するために、 ライプニッツ賞が10万ドルで設立されました。 賞品はまだ請求されていません。
ただし、コーネル大学のプログラムにはまだ一定の期待が寄せられています。 それはすべての前任者よりも本当に効率的に動作する可能性があります。 それらのすべてとは異なり、この開発は数学的ルールの限られた基本セットでのみ動作します。 Dendralとは異なり、プログラムは可能なオプションの数を最も可能性のある数に減らすことができます。
データ配列の分析。 プログラムはいくつかの段階で機能します。 まず、彼女はランダムな算術演算をランダムに実行し、パターンを見つけようとします。 その後、他と比較してエラーの少ない結果を選択し、アルゴリズムを変更し、計算を再実行し、最適なオプションを再度選択します。
科学者はすでにプログラムを実際にテストしています。 彼らはまだ具体的な結果を発表していませんが、興味深いと考えています。
有線経由