AIGC動態(tài)歡迎閱讀

原標(biāo)題：人工智能在數(shù)學(xué)上能夠走多遠(yuǎn)？IMO銀牌是個里程碑 | jonathan zhou
關(guān)鍵字：人工智能,命題,數(shù)學(xué)家,人類,個例
文章來源：人工智能學(xué)家
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

來源：風(fēng)云之聲
近日，DeepMind的AlphaProof/AlphaGeo在國際數(shù)學(xué)奧林匹克競賽(IMO)中取得了前所未有的成績，解出了六道問題中的四道，獲得銀牌。這是個什么成績呢？本屆競賽共有來自108個國家的609位選手參加，其中54人獲得金牌，121人獲得銀牌，145人獲得銅牌。因此，AlphaProof/AlphaGeo的成績可以說僅次于54位人類選手。這一成就無疑將與”深藍(lán)”擊敗卡斯帕羅夫和”AlphaGo”擊敗李世石一樣，成為人工智能挑戰(zhàn)人類智力巔峰的又一里程碑，同時也將引發(fā)新一輪關(guān)于機(jī)器智力邊界的討論。
冷戰(zhàn)背景下，一些社會主義陣營國家認(rèn)為數(shù)學(xué)是科學(xué)和技術(shù)發(fā)展的基礎(chǔ)，也意識到了早期發(fā)現(xiàn)和培養(yǎng)數(shù)學(xué)天才的重要性。他們提出了一個顛覆性的數(shù)學(xué)教育理念——將前沿科學(xué)研究轉(zhuǎn)化為不需要專業(yè)知識背景的抽象基礎(chǔ)數(shù)學(xué)問題，用這些問題在更小年齡段選拔科研人才。在這種思路下，分子結(jié)構(gòu)、線性規(guī)劃等復(fù)雜的科學(xué)問題被簡化為如雞兔同籠、牛吃草等基礎(chǔ)數(shù)學(xué)題。與傳統(tǒng)注重知識點(diǎn)的教育模式相比，奧數(shù)更考驗(yàn)包括歸納和推理能力在內(nèi)的”流動智力”。奧數(shù)解題過程更接近科研工作的本質(zhì)——將具體問題抽象化，或?qū)⒊橄髥栴}

原文鏈接：人工智能在數(shù)學(xué)上能夠走多遠(yuǎn)？IMO銀牌是個里程碑 | jonathan zhou

聯(lián)系作者

文章來源：人工智能學(xué)家
作者微信：
作者簡介：