牛顿以包括伽利略在内的大个子为基础，从观测数据中找到了模式，并将这些模式提炼成公式。这是数字世界的好消息。在这项研究中，研究小组训练了一个机器学习模型来建立数据中的连接。“与拉肯比一起，下一步将是证明所发现的关系的确切性质，并确定数学不同分支之间的一些最初关系。”这些模型引起了研究人员的极大兴趣，并使威廉姆森得以继续进行这项研究。
七大数学世纪难题科普?伽利略用望远镜收集了大量天文观测数据他用自己的头脑在大量数据中发现了模式，创造了运动和力学理论，为现代科学铺平了道路，接下来我们就来聊聊关于七大数学世纪难题科普?以下内容大家不妨参考一二希望能帮到您!
七大数学世纪难题科普
伽利略用望远镜收集了大量天文观测数据。他用自己的头脑在大量数据中发现了模式，创造了运动和力学理论，为现代科学铺平了道路。
《心灵深处》通过人工智能为数学家们提供了一个新的“望远镜”。
沈志与两位数学家合作设计了一个算法。该算法可以观察不同的数学领域，发现人类大脑在过去没有发现的相关点。人工智能不是一切。如果她有足够的数据，她会找到模式。然后，这些模型被转移给人类数学家，以指导他们的研究机构和创造性工作，并最终得出一条新的自然法则。
“我没想到我的一些偏见会被彻底推翻。”牛津大学的马克·拉肯比博士告诉《自然》杂志，包括他和深圳特勤局在内的科学家之间的合作成果已在《自然》杂志上发表。
几个月前，申志成功地解决了生物学50年的挑战。这次情况有所不同。数学的本质是发现模式，并最终得到关于我们世界运行的正式测试的想法（或理论）。它强调机器与人之间的合作，结合观测数据，接受有指导意义的理论。
“人类的创造力使数学家直观地知道在哪里寻找新模式。”波鸿鲁尔大学的Christian Stumpf博士说，他没有参与这项研究，但写了一篇随附的文章。
为什么是数学？
当我想到我在学校上的数学课时，有多少人仍然感到害怕？但我们当时学的数学只是肤浅的。
数学世界是美好的，不仅仅是算术、代数或几何。它洞察了管理世界运作的基本规则。事实上，正是数学奠定了计算机的基础，并使人工智能算法得以出现。今天的网络世界主要由算法驱动。
这是因为数学试图在数据中找到模式。这是重力的一个例子。
牛顿看着物体坠落。牛顿以包括伽利略在内的大个子为基础，从观测数据中找到了模式，并将这些模式提炼成公式。这个过程听起来可能很无聊，但如果没有这一步，我们就不会有飞行、火箭或太空旅行。
根据Stumpf的说法，数学遵循一系列坚实的步骤。
它从几个相关示例（例如，对象的形状或对象从不同高度坠落）开始，然后收集数据、计算属性并分析这些属性之间的可能关系，直到发现模式。
数学家然后在更一般或更复杂的环境中测试这些想法。如果有奇怪的字符，则应更新模式。这一系列步骤继续循环，最终将得到一个新的理论。这是数字世界的好消息。
我们现在生成的数据呈指数级增长，这意味着要传输的数据量是前所未有的。怎么了，伙计？有这么多的数据，没有数学家能在他或她的生活中发现。
人工智能的认可
人工智能特别擅长的一件事是在海量数据中发现模式。
数学家们用软件处理数字并发现新的理论。然而，机械学习并不流行，部分原因是其固有的可能性。由于算法设计的因素，这些算法只能提供估计，不能给出明确的结果。数学需要的是一个明确的结果。
解决方案呢？建立一个由人和机器组成的团队。
Deep Intelligence Company得出结论，人工智能可以提供一些见解来指导新的数学思想，因此它与牛津大学的lakenby博士Andr 225s Juh T225S博士和悉尼大学的Georgie Williamson博士合作，探索两个领域：结理论和对称性研究。有许多年的开放性问题会影响我们对世界的理解。
以结理论为例。从表面上看，这是关于绳子如何绑在一起以及它形成了什么样的结（这对登山者和渔民来说非常重要）。但是节点理论的核心所包含的数学原理可以帮助指导量子计算，就像过去数学和逻辑的扩展给了我们计算机一样。
深圳智能公司的团队在一篇博文中写道，纽结理论特别有吸引力，因为数学的不同分支“代数、几何和量子理论”共享“独特的视角”。但“一个古老的秘密是这些不同的分支如何相互关联。”
在这项研究中，研究小组训练了一个机器学习模型来建立数据中的连接。人工智能受到计算机视觉中一种叫做Salizienz卡的技巧的影响。简言之，这些盐度卡在寻找包含更多信息的像素方面特别强大，类似于一个人聚焦于某个事物的眼睛和随机模糊背景之间的差异。盐度图在几何方面表现出特别有趣的特性。（也称为“签名”）揭示了以前被忽略的重要功能。
“与拉肯比一起，下一步将是证明所发现的关系的确切性质，并确定数学不同分支之间的一些最初关系。”深度智慧计划的作者写道。
在另一个概念中，申智和威廉姆森共同解决了一个涉及到许多其他数学分支的对称性问题。
传统上，数学家使用图表来研究对称性。但就像一部三维高清电影，这部作品很快变得太复杂、太耗时，甚至“超出了人类的理解”。
申智利用人工智能在对称性领域发现了几个有趣的模式。这些模型引起了研究人员的极大兴趣，并使威廉姆森得以继续进行这项研究。他提出了一个假设（基于所有已知数据，它显然是正确的，但仍需要严格的数学证据）。
“人工智能的强大威力给我留下了深刻的印象。”威廉姆森说：“我想我已经在黑暗中走了一年，才知道电脑知道一些我不知道的东西。”。
下一步是什么？
申智一直证明机器学习不仅适用于游戏，而且有许多实际应用。从用人工智能解决基本生物学原理到预测基因表达，再到帮助数学家发现新理论，人工智能在科学领域取得了越来越多的进展。
然而，人类的直觉仍然无法复制
