Nature最新封面：兩大數(shù)學(xué)難題被AI突破！DeepMind YYDS

夢晨 2021-12-02 14:15:45 來源：量子位

博雯 夢晨 發(fā)自 凹非寺

量子位 報道 | 公眾號 QbitAI

現(xiàn)在，AI不僅能參與數(shù)學(xué)研究，甚至還快人一步，開始幫助人類提出數(shù)學(xué)猜想了。

就在今天，這只由DeepMind與頂級數(shù)學(xué)家合作研發(fā)的AI，登上了最新一期Nature封面。

有多頂級呢？這些數(shù)學(xué)家全部都來自牛津大學(xué)、悉尼大學(xué)，其中還不乏英國皇家學(xué)會史上最年輕的院士。

就是這位，曾在兩年內(nèi)斬獲謝瓦萊獎、克雷研究獎等4項數(shù)學(xué)大獎的Geordie Williamson：

對于這項研究，DeepMind官方自稱其“首次證明了人工智能可以走在純數(shù)學(xué)研究的前沿”。

為什么這次的研究被Nature評價為「AI與人類合作」甚至是「AI指引人類直覺」，與「人類使用AI工具」有何不同？

首先我們要知道，證偽一個猜想相對簡單，只需要找出一個反例即可。

但從零開始提出一個全新猜想這種工作，AI還是首次參與進來。

猜想本身是推動數(shù)學(xué)發(fā)展的一大動力，世界近代三大數(shù)學(xué)難題都是猜想：費馬猜想、四色猜想和哥德巴赫猜想。

此前提出猜想主要靠少數(shù)科學(xué)家的洞察力和個人經(jīng)驗積累，比如歷史上兩位天才，物理學(xué)家愛因斯坦和數(shù)學(xué)家拉馬努金。

但隨著科學(xué)不斷發(fā)展，需要研究的問題復(fù)雜程度逐漸超出人類能力極限。

有的問題涉及的數(shù)據(jù)規(guī)模，是一個人一輩子也研究不完的。

有的研究對象復(fù)雜程度之高，甚至可以有幾千個維度，超出了一般人類大腦從直覺上可以理解的能力。

除此之外，這次研究也幫忙搞了搞數(shù)學(xué)領(lǐng)域內(nèi)存在了40年的陳年老題，得到了不小進展。

參與這次研究的數(shù)學(xué)家之一，牛津大學(xué)的Marc Lackenby說：

我很震驚機器學(xué)習(xí)在直覺指引上的作用這么大，也沒想到我過去先入為主的一些觀念被AI給顛覆了。

沒有參與這次研究的另一位數(shù)學(xué)家，以色列特拉維夫大學(xué)的Adam Zsolt Wagner也很羨慕：

如果沒有這個工具，我們數(shù)學(xué)工作者可能會花上數(shù)周至數(shù)月的時間，最終發(fā)現(xiàn)證明的公式或定理是錯誤的 。”

那么，AI這次到底幫助數(shù)學(xué)家們解決了哪些問題？下面來一探究竟。

AI發(fā)現(xiàn)代數(shù)和幾何間的聯(lián)系

第一個問題關(guān)于紐結(jié)理論（Knot Theory），是拓撲學(xué)的一個分支。

用數(shù)學(xué)語言來講，紐結(jié)是一個圓在三維實歐氏空間中的嵌入。

呃……還是看圖吧。

假設(shè)你有一根繩子，打上一個結(jié)。

再把兩端粘起來，這就是一個紐結(jié)?（Knot）了。

結(jié)可以多打幾個，比如這樣：

或者，這樣？

數(shù)學(xué)家倒是不關(guān)心紐結(jié)到底是用鞋帶還是面包做的，他們最關(guān)心一件事：

一個復(fù)雜的紐結(jié)能不能被還原成簡單的紐結(jié)，如果能就說明這兩種紐結(jié)在拓撲上是等價的。

以此為依據(jù)給紐結(jié)分類，才能理解它們的性質(zhì)，進一步與實際應(yīng)用問題建立聯(lián)系。

紐結(jié)理論在現(xiàn)實世界中，可以用來確定一個化學(xué)分子是否有手性，還有希望靠拓撲量子計算模型構(gòu)建出量子計算機。

數(shù)學(xué)家們從幾何特征和代數(shù)特征兩個角度去研究紐結(jié)，分別定義了紐結(jié)的幾個屬性。

但問題難就難在紐結(jié)的種類太多，自19世紀(jì)以來人類已經(jīng)收集了無數(shù)種，如果用上計算機自動生成，現(xiàn)在每天都能生成幾十億種。

普通人難以從海量數(shù)據(jù)中發(fā)現(xiàn)隱藏的模式，AI這次卻做到了。

AI的貢獻是發(fā)現(xiàn)了紐結(jié)的幾何特征和代數(shù)特征之間存在直接的關(guān)聯(lián)。

數(shù)學(xué)家由此發(fā)現(xiàn)提出猜想，再給出嚴格證明，為紐結(jié)問題研究開辟了新的方向。

40年難題終于有望得證

除了解決了扭結(jié)問題之外，另一個則與表示論?（Representation theory）相關(guān)。

表示論是數(shù)學(xué)中抽象代數(shù)的一支，表示的所有構(gòu)件都不可約。

而這種不可約表示（Irreducible representations）的結(jié)構(gòu)主要受Kazhdan-Lusztig（KL）多項式的影響。

組合不變性猜想（Combinatorial Invariance Conjecture）就是與KL多項式相關(guān)的一個重要猜想。

它指出，對稱群SN中兩個元素的KL多項式可以從它們的無標(biāo)記Bruhat區(qū)間，即一個有向圖中計算出來：

△Bruhat區(qū)間及其KL多項式的例子

這一猜想已經(jīng)存在了40年，卻只有部分進展。

兩位科學(xué)家將這個猜想作為初始假設(shè)，通過AI中的監(jiān)督學(xué)習(xí)模型從Bruhat區(qū)間預(yù)測KL多項式。

通過計算與確定的歸因技術(shù)（Attribution Techniques）相關(guān)的代表性子圖，并分析這些圖與原始圖的邊緣分布，他們發(fā)現(xiàn)了進一步的結(jié)構(gòu)證據(jù)：

如下圖，KL多項式可以通過一個公式直接從超立方體和SN-1部分計算出來。

因此，科學(xué)家們提出猜想：

一個無標(biāo)記的Bruhat區(qū)間的KL多項式可以用上述的方法，并通過任何超立方體分解（hypercube decomposition）進行計算。

雖然還沒有進行嚴格證明，但目前他們已能在300萬個測試例子上驗證這一方法。

如果驗證成立，那么對稱群（Symmetric Group）的組合不變性猜想問題將得到解決。

AI引導(dǎo)數(shù)學(xué)家直覺

那么整體來說，數(shù)學(xué)家們到底是怎么與AI合作解決問題的？

或者說AI到底是如何幫助引導(dǎo)數(shù)學(xué)家的直覺的呢？

簡單來說，這篇論文中提出了一種框架，用來快速驗證對兩個量之間關(guān)系的猜想（直覺）是否值得繼續(xù)探索，如果是的話，則指導(dǎo)如何進一步研究。

△框架流程圖

具體的，先通過監(jiān)督學(xué)習(xí)來驗證數(shù)學(xué)對象中的某一結(jié)構(gòu)/模式的假設(shè)是存在的。

然后，再使用歸因技術(shù)來深入理解這些模式。

在這個過程中，AI能夠以人類無法比擬的規(guī)模輸出數(shù)據(jù)，并從數(shù)據(jù)中挑選出人類無法檢測到的模式。

這正是AI和人類合作與傳統(tǒng)的數(shù)學(xué)研究方法的不同。

其實，數(shù)學(xué)在很大程度上是一門對關(guān)系和模式進行研究的學(xué)科。

比如我們小學(xué)時就學(xué)過的勾股定理，如果將平面上的三角形擴展到八維空間中的900邊多面體，還能輕易找到a2+b2=c2的等價形式嗎？

答案是：數(shù)學(xué)家們可以找到，但他們能做的工作量有限。

因為一個人必須評估許多例子，然后才能確定觀察到的公式是普遍通用而非偶然。

當(dāng)然，這篇論文也并不打算創(chuàng)造一個“通用的純數(shù)學(xué)助手”，而是讓AI去幫助數(shù)學(xué)家更有效地發(fā)現(xiàn)和識別數(shù)學(xué)中的新模式。

論文的作者之一，牛津大學(xué)的Juhász教授表示：

任何可以生成足夠大數(shù)據(jù)集的數(shù)學(xué)領(lǐng)域都可以使用這種方法，而生物、經(jīng)濟學(xué)等領(lǐng)域也將從其中收益。

除了Nature論文外，研究人員還在Arxiv上發(fā)布了數(shù)學(xué)角度解釋兩個研究的論文，將來會投到合適的數(shù)學(xué)期刊。

另外還為兩個問題提供了Colab代碼，讓你體驗一下與AI合作搞科研是什么感覺。

論文鏈接：
https://www.nature.com/articles/d41586-021-03593-1
https://arxiv.org/abs/2111.15323
https://arxiv.org/abs/2111.15161

Colab地址：
https://colab.research.google.com/github/deepmind/mathematics_conjectures/blob/main/knot_theory.ipynb
https://colab.research.google.com/github/deepmind/mathematics_conjectures/blob/main/representation_theory.ipynb

參考鏈接：
[1]https://deepmind.com/blog/article/exploring-the-beauty-of-pure-mathematics-in-novel-ways
[2]https://techcrunch.com/2021/12/01/ai-does-pure-mathematics-and-protein-hallucination/
[3]https://www.nature.com/articles/d41586-021-03593-1