Jun, 2024

科学界的 AI Oracle 的夙愿

PDF
TL;DR通过与科学和人工智能哲学的见解，我们提出了创造革命性数学理论的机制所需的条件，并借鉴人工智能的最新进展，认为机器满足这些条件可能是合理的。我们还提出了数学理论的可理解性的启发式定义，以加速机器理论家的发展。
machineskuhnian revolutionartificial intelligencemathematical theoriesmachine theorists
发现论文，激发创造
  • 天体机器学习：运用 AI Feynman，从数据到火星和更远

    机器学习算法通过天文观测单独发现或学习开普勒第一定律，我们使用受物理启发的符号回归工具 AI Feynman 来模拟约翰尼斯・开普勒使用鲁道夫表发现了火星轨道方程。

    Dec, 2023

  • 从开普勒到牛顿：用可解释的人工智能探索科学

    本文介绍了可解释 AI 在科学研究中发现新的数据模型，提出新的思想假设和科学发现的作用和意义，并通过重现 Tycho Brahe 的天文观测数据，展示了 AI 在科学发现中的应用。

    Nov, 2021

  • 机器学习和信息论概念对人工智能数学家的贡献

    当前人工智能的最新技术在语言方面非常出色，但在数学推理方面则相对不足。本文以数学家的思维方式为参考，建立在当前深度学习在直觉和习惯性行为等方面取得成功的基础上，指出其在推理和稳健性不确定性估计等方面仍存在重要缺陷。文中以信息论的观点探讨了什么样的数学陈述是有趣的，这可能为塑造高级数学家人工智能的未来工作提供指导。重点不是证明给定的定理，而是发现新奇的猜想。核心假设是，一个有用的定理组应更好地总结所有可证陈述的集合，例如通过具有较小的描述长度，同时在推导步骤的数量上接近许多可证陈述。

    Mar, 2024

  • 关于人工智能在科学认知中的应用

    本文探讨了人工智能在科学理解方面的贡献，阐述了其作为计算显微镜、灵感资源和未来的理解者三个维度，提出了新的推进人工智能在科学理解中的应用的途径。

    Apr, 2022

  • 计算不透明时代的先验知识：人工智能在数学发现中的角色

    如果将一个自动化人类形式的证明检查器附加到 LLMs / DNNs 这样的机器上，我们可以从中获得先验的数学知识，即使原始机器对我们完全不透明且其输出的证明不可由人审查。

    Mar, 2024

  • 人工智能中的范式转变

    Kuhn’s framework provides a useful understanding of the paradigm shifts in Artificial Intelligence, including the current shift signaled by the emergence of large pre-trained systems like GPT-3, and this paper summarizes the forces, issues, and risks associated with the current AI paradigm shift.

    Aug, 2023

  • 因果革命中七个火花对机器学习的理论阻碍

    为了实现强人工智能，机器学习系统需要现有因果推断任务所使用的现实模型等形式来进行指导，以克服当前系统以统计或无模型方式运行时的理论性局限和性能障碍。该论文总结了现有系统无法完成的七个任务，并说明了现实模型对机器学习系统的必要性。

    Jan, 2018

  • 天体机器学习：用 AI Feynman 发现火星的平面性、太阳中心性和轨道方程

    机器学习、算法、火星轨道、符号回归和开普勒第一定律的发现。

    Dec, 2023

  • 面向语言驱动的科学人工智能

    基于 AI 在自然语言理解和生成方面的革命性进展，我们设计了能够解决复杂科学任务的 AI 系统，并将自然语言作为 AI 与人类科学家之间的核心表示、推理和交换格式。本文旨在探讨实现这一愿景所面临的主要研究挑战。

    Oct, 2022

  • 量子、原子尺度和连续体系统科学中的人工智能

    本文为 AI4Science 领域中的一个子领域 —— 量子、原子和连续系统的 AI 提供了技术上的全面介绍，重点在于探讨诸如如何采用深度学习方法捕捉自然系统物理第一性原理、特别是对称性等挑战。

    Jul, 2023