![]() #реал #нейросетевое #математическое #длиннопост
Пока народ негодует из-за брайнрот контента, который захватывает цифровое пространство, есть энтузиасты, которые тестируют нейросетями научные границы дозволенного. Мне часто попадаются посты/статьи, где с помощью условного GPT-5 (это могут быть и другие сети), что-то улучшили, уточнили или решили из математических задач. Инженер из OpenAI рассказал о том, как скормил модели статью с нерешенной мат.проблемой и модель, порассуждав 17 минут, смогла улучшить решение ученых. Речь идет об этой статье. Она относительно свежая и в ней изучается такой вопрос: при каких условиях на размер шага eta в градиентном спуске в гладкой выпуклой оптимизации кривая, определяемая значением функции итераций, будет выпуклой? Люди смогли доказать, что при eta меньше 1/L кривая выпукла, а при eta больше 1,75/L – нет. Что происходит в диапазоне [1/L, 1,75/L] – осталось открытым вопросов. Так вот GPT-5 всего за 17 минут удалось улучшить границу и показать, что кривая выпукла при eta меньше 1.5/L. То есть да, разрыв устранен не полностью, но модель сократила его в три раза, при этом приведя полностью прозрачное и правильное доказательство своего утверждения. Так же нет-нет, да в моём инфополе проскакиевает, что под предводительством DeepMind собирают большую команду учёных, которые вообще решили посягнуть на святое - найти точное решение уравнений Навье-Стокса с помощью нейросеток. В DeepMind целая команда из 20 человек уже три года тайно работает над задачей Навье - Стокса. Это одна из семи математических задач, удостоенных звания проблемы тысячелетия. За ее решение положена премия в 1 миллион долларов (ну и вечная слава). До сих пор инженеры работали полностью конфиденциально. Впервые публично об «операции» заговорил сегодня испанский математик Гомес Серрано, с которым Google собираются объединиться для того, чтобы дорешать задачу. Проблема уходит корнями еще в 19 век. Тогда два математика – Анри Навье и Джордж Стокс – независимо друг от друга опубликовали дифференциальные уравнения, описывающие движение жидкостей и воздуха. И вот, спустя два века, до сих пор не существует общего аналитического решения этой системы. Если бы оно нашлось, люди смогли бы предсказывать турбулентность и цунами, точнее прогнозировать погоду, лучше понимать кровообращение и даже улучшить современные двигатели. Решение станет настоящим прорывом в физике и математике. Сейчас в мире за решение конкурируют три группы ученых. В составе одной из них как раз и был Гомес Серрано. Его группа отличалась тем, что они еще несколько лет назад пытались применять ИИ для решения задачи. Теперь же Гомес объединяется с той самой секретной командой из DeepMind. Они надеятся, что вместе и с помощью ИИ (видимо, имеется в виду AlphaEvolve) они продвинутся в решении уже до конца этого года. И уже, вроде как (не могу в полной мере оценить ибо не специалист в этом) есть какие-то подвижки. Странно, наверно читать от меня пост с тегом #астрономическое Но просто мне захотелось поделиться занимательной инфой. Еще одна медалька в копилку ИИ: GPT-5 и Gemini 2.5 Pro выиграли золото на Международной Олимпиаде по астрономии и астрофизике (IOAA) (почитать можно тут) Чтобы понимать сложность олимпиады, учтите, что это даже не просто решение задач по физике и математике. Каждое задание требует многошаговых расчетов, сверки с данными и атласами, глубоких знаний по астрономии и орбитальной механике, построения графиков на небесной сфере и тд. Но Gemini 2.5 Pro и GPT-5 показали почти идеальные результаты – 85–86%. Это золотая медаль и более того: это уровень топ-2 среди 200–300 участников последних лет. Больным местом, ожидаемо, оказалось геометрическое и пространственное мышление + анализ данных. Так что несмотря на такой результат, до уровня даже слабенького исследователя в этой области ИИ пока не дотягивает. 16 октября в 05:28
10 |
![]() |
|
Теmр
Там не черный ящик, там математические выкладки, то, как бы это доказывал человек Это на выходе. А "внутри" чёрный ящик как был чёрным, так и остался. Как LLM к этим выкладкам пришла-то? Прямым перебором всех возможных вариантов методов, каким-то внутренним алгоритмом отбора на основании анализа обучающих дата-сетов или ещё как? Снаружи оно не видно. Но проверяемость, конечно, у аналитических решений хорошая, это я понимаю.Очень сильно сомневаюсь, что золотую корову Навье-Стокса в принципе можно решить аналитически, но если получится – это будет, конечно, прорыв. В прикладном смысле в первую очередь, те же горячие части турбореактивных двигателей с лопатками хитрых форм считать с аналитическим решением будет песней, а не мучением. Очень-очень интересно! 1 |
![]() |
|
ReznoVV
Теmр Сейчас у сеток можно и помимо решения запросить цепочку рассуждений КАКИМ образом она пришла именно к такому решению. Но в целом да, это всё еще черный ящик. Но, если говорить и о человеческом мозге, он тоже как бы нифига не изи интепритируемый)Это на выходе. А "внутри" чёрный ящик как был чёрным, так и остался. Как LLM к этим выкладкам пришла-то? Прямым перебором всех возможных вариантов методов, каким-то внутренним алгоритмом отбора на основании анализа обучающих дата-сетов или ещё как? |
![]() |
|
Китайская комната наступает.
Теmр ReznoVV Я сомневаюсь, что цепочка рассуждений это именно то, "каким образом" нейросеть пришла к итогу. Насколько я понимаю, цепочка генерируется LLM примерно так же, как и ответ, а потом подаётся на вход, как дополнение к изначальному промпту. Но что там в промежутке происходит, нейросеть не осознает. В принципе, как и человек не понимает, как именно он приходит к какой-то мысли, хотя и может записать цепочку рассуждений и формализовать ее. Но потом.Сейчас у сеток можно и помимо решения запросить цепочку рассуждений КАКИМ образом она пришла именно к такому решению. Но в целом да, это всё еще черный ящик. Но, если говорить и о человеческом мозге, он тоже как бы нифига не изи интепритируемый) |
![]() |
|
ae_der
То, что язык (а математика - это язык) сам по себе позволяет сделать очень много Теорема Геделя о неполноте. Устанавливает заметные ограничения на то "многое", что может сделать математика, записанная на символическом языке. Впрочем, хотя концептуально ограничения существенные, но на практике это, вроде бы, не очень заметно. |
![]() |
|
Заяц
Теорема Геделя о неполноте. Устанавливает заметные ограничения на то "многое", что может сделать математика, записанная на символическом языке Нет. Теорема Гёделя о неполноте повествует исключительно об арифметиках, причём достаточно сильных. Например, аксиоматика действительных чисел полная. И теорема Гёделя к ней неприменима. Ага. |
![]() |
|
Матемаг
А вторая теорема Геделя о неполноте? |
![]() |
|
Заяц
Если формальная арифметика S непротиворечива, то в ней невыводима формула, содержательно утверждающая непротиворечивость S Что не так со второй теоремой? Хорошая теорема о классе аксиоматических систем под названием "формальные арифметики"....я уж не говорю о том, что через всякие теории моделей можно выводить утверждения о непротиворечивости ВНЕ данной формальной системы - с помощью другой, например. Формальные системы часто ограничены, но мы не обязаны использовать саму систему для доказательства утверждений в ней, можно использовать другую или другие. Математика знает много гитик! |
![]() |
|
Матемаг
Ой-большое(всё). |