찾다
기술 주변기기일체 포함낮에는 일하고 밤에는 연구를 수행하는 Google Brain 연구 과학자들은 수십 년 동안 수학계를 곤혹스럽게 만들었던 추측을 풀었습니다.

2022년 10월 중순, 저스틴 길머는 동부 해안에 있는 러트거스 대학의 수학자이자 전 멘토였던 마이클 삭스를 만나기 위해 캘리포니아에서 뉴욕으로 날아갔습니다.

회상하는 동안 그들은 수학에 대해 이야기하지 않았습니다. 실제로 길머는 2015년 러트거스 대학교에서 박사 학위를 취득한 이후로 수학에 대해 진지하게 생각해 본 적이 없습니다. 그 당시 그는 학계에서 경력을 쌓지 않기로 결정하고 프로그래밍을 독학하기 시작했습니다. Saks와 저녁 식사를 하면서 Gilmer는 멘토에게 Google에서 하는 일, 즉 기계 학습과 인공 지능에 대해 이야기했습니다.

길머는 캠퍼스 길을 걷던 중 2013년에 "Union Closed Set Conjecture(프랭클 추측이라고도 함)"라는 문제를 생각하며 이 길을 걷는 데 1년이 넘는 시간을 보냈다고 회상했습니다. 이것은 언제나 쓸데없는 문제였습니다. 그의 모든 노력에도 불구하고 Gilmer는 숫자 모음에 관한 겉보기에 단순해 보이는 이 문제가 해결하기 어려운 이유를 스스로 가르치는 데 성공했습니다.

그러나 7년 후, 이번 방문 이후 길머는 갑자기 새로운 영감을 얻었습니다. 그는 집합 추측을 풀고 마무리하기 위해 정보 이론을 적용하는 방법에 대해 생각하기 시작했습니다. 한 달 간의 연구 끝에 증거를 향한 길이 계속 열렸습니다. 11월에 그는 arXiv에 결과를 게시하여 전체 추측을 입증하는 데 상당한 진전이 있음을 발표했습니다.

낮에는 일하고 밤에는 연구를 수행하는 Google Brain 연구 과학자들은 수십 년 동안 수학계를 곤혹스럽게 만들었던 추측을 풀었습니다.

논문 링크: https://arxiv.org/pdf/2211.09055.pdf

이 논문은 후속 연구의 물결을 촉발시켰습니다. 옥스퍼드 대학교, MIT 및 고등연구소의 수학자들은 신속하게 길머의 새로운 방법에 대한 연구를 시작했습니다.

합집합 폐쇄집합 추측이란 무엇인가요?

닫힌 집합 추측은 {1, 2} 및 {2, 3, 4}와 같은 숫자 집합과 관련이 있습니다. 집합을 병합하는 합집합을 포함하여 집합에 대한 작업을 수행할 수 있습니다. 예를 들어, {1, 2}와 {2, 3, 4}의 합집합은 {1, 2, 3, 4}입니다.

패밀리에 있는 두 세트의 합집합이 해당 패밀리에 있는 기존 세트와 같을 경우 세트 또는 패밀리를 "결합 폐쇄"라고 합니다. 예를 들어, {1}, {1, 2}, {2, 3, 4}, {1, 2, 3, 4}의 4개 집합 계열을 생각해 보세요.

어떤 쌍이든 결합하면 해당 패밀리에 이미 존재하는 세트를 얻게 되므로 이 패밀리를 닫힌 세트라고 합니다.

수학자들은 집합 추측에 대해 이미 1960년대부터 논의하고 종결했지만, 1979년이 되어서야 이 집합 추측에 대한 최초의 공식 성명이 발표되었습니다. 헝가리 수학자 피터 프랭클은 1980년대에 일본으로 이주했습니다. 그는 수학 외에도 거리 공연도 좋아합니다.

프랭클은 집합군이 폐쇄형 집합이라면 적어도 집합의 절반에 나타나는 요소(또는 숫자)가 하나 이상 있어야 한다고 추측했습니다. 이는 두 가지 이유로 인해 자연적으로 발생하는 임계값입니다.

낮에는 일하고 밤에는 연구를 수행하는 Google Brain 연구 과학자들은 수십 년 동안 수학계를 곤혹스럽게 만들었던 추측을 풀었습니다.

Justin Gilmer

첫째, 모든 요소가 집합의 정확히 50%에 나타나는 기성 집합 집합의 폐쇄형 집합의 예입니다. 예를 들어, 1부터 10까지의 숫자를 사용하여 모든 다른 세트를 구성하면 총 1024개의 세트가 생성될 수 있습니다. 그들은 10개의 요소 각각이 나타나는 512개 세트의 닫힌 계열을 형성합니다.

프랭클이 이 추측을 제안했을 때, 그 추측이 유효하지 않은 닫힌 집합의 예를 제안한 사람은 아직 아무도 없었습니다. 따라서 50%는 올바른 예측인 것 같습니다.

그렇다고 증명하기 쉽다는 뜻은 아닙니다. Gilmer의 작업 이전에는 많은 논문에서 모든 크기의 세트 패밀리에 대해 동일한 50% 임계값이 아니라 패밀리의 세트 수에 따라 달라지는 임계값만 설정했습니다.

Columbia University의 Will Sawin은 "쉬워야 할 것 같고 많은 쉬운 문제와 비슷하지만 결코 정복된 적이 없습니다."라고 말했습니다.

진행이 부족한 것은 문제의 다루기 힘든 성격과 많은 수학자들이 그것에 대해 생각하지 않는다는 사실을 모두 반영합니다. 그들은 불가능한 문제를 쫓느라 수년간의 경력을 낭비하게 될까 봐 걱정합니다. Gilmer는 2013년의 어느 날을 기억합니다. 그가 Saks의 사무실에 가서 이것과 비공개 추측을 언급했고, 역시 문제와 씨름하던 강사들이 그를 방에서 쫓아냈습니다.

불확실성에 대한 통찰력

Rutgers를 방문한 후 Gilmer는 마음 속으로 질문을 굴려 그것이 왜 그렇게 어려운지 이해하려고 노력했습니다. 그는 기본적인 사실을 스스로 상기시켰습니다. 100개의 세트 조합으로 구성된 가족이 있다면 두 개를 선택하고 조합하는 방법은 4950가지가 있다는 것입니다. 그런 다음 그는 생각했습니다. 적어도 어느 정도 빈도로 이러한 조합에 요소가 나타나지 않으면 어떻게 4950개의 서로 다른 조합이 100개의 세트로 매핑될 수 있습니까?

이 시점에서 그는 아직은 모르지만 이미 결심의 길에 들어서 있습니다.

정보 이론은 20세기 전반에 개발되었으며, 특히 클로드 섀넌(Claude Shannon)의 1948년 논문 "커뮤니케이션의 수학적 이론"에서 가장 두드러지게 나타났습니다. 이 문서에서는 메시지가 표현하는 내용을 둘러싼 불확실성의 양을 기반으로 메시지를 보내는 데 필요한 정보의 양을 계산하는 정확한 방법을 제공합니다. 정보와 불확실성 사이의 이러한 연결은 Shannon의 놀라운 통찰력입니다.

정보 이론은 길머가 대학원생 때 공부했던 사물의 세기와 관련된 수학 분야인 조합론에 자주 등장합니다. 그러나 캘리포니아로 돌아오면서 그는 정보 이론을 통합 폐쇄 집합 추측과 연관시키는 방식이 아마추어의 순진함을 걱정했습니다.

"솔직히 말해서 이전에 아무도 이런 생각을 해본 적이 없다는 사실에 조금 놀랐습니다." 길머가 말했습니다. "하지만 놀라지 않아도 될 것 같습니다. 왜냐하면 나 자신이 1년 동안 그것에 대해 생각해왔고 정보 이론을 이해했기 때문입니다."

어려운 문제 탐구

Gilmer의 수학 연구는 수학에 대한 사랑에서 비롯되었습니다. 주로 평일에는 구글에서의 일상 업무로 바쁘고, 여가 시간에는 수학 문제를 공부하는 데 전념합니다. 그는 또한 수학 교과서를 가지고 출근하여 잊어버린 공식을 언제든지 찾아볼 수 있습니다. Gilmer는 땅에 발을 딛고 별을 바라보기도 합니다. 그는 그에게 영감을 주는 유명한 수학자 Tim Gowers의 블로그를 읽는 것을 좋아합니다.

Gilmer는 겸손하게 말했습니다: "수학 문제를 푸는 사람은 "정보 이론의 기본(정보 이론의 기초)" 2장을 참조하면 안 된다고 생각할 수도 있지만 저는 그랬습니다.

Gilmer가 제안한 방법은 다음과 같습니다. 모든 집합에 요소가 나타날 확률이 1% 미만인 폐쇄 집합군을 생각해 보세요. 이것은 만약 사실이라면 프랭클의 추측을 위조하는 반례이다.

두 집합 A와 B가 이 집합에서 무작위로 선택되었다고 가정하고, 집합 A에 숫자 1이 포함될 확률은 얼마입니까? B세트는 어떨까? 특정 세트에 각 요소가 나타날 확률은 1%보다 약간 낮으므로 A 또는 B에 1이 포함될 것이라고 기대해서는 안 됩니다. 이는 둘 다 실제로 1을 포함하지 않더라도 놀라지 않을 것이며 확실히 많은 정보를 얻지 못할 것임을 의미합니다.

다음으로, A와 B의 합집합에 1이 포함될 확률을 생각해 보세요. 이는 여전히 가능성이 낮지만 어느 한 세트에만 1이 나타날 확률보다 약간 더 크며 A에 1이 나타날 확률과 B에 1이 나타날 확률의 합에서 두 세트 모두에 1이 나타날 확률을 뺀 값입니다. 따라서 A와 B의 합집합에 1이 포함될 확률은 약 2% 미만입니다.

이 수치는 여전히 낮지만 50% 추측에 가깝습니다. 즉, 결과를 공유하려면 더 많은 정보가 필요하다는 의미입니다. 즉, 모든 집합에 요소가 나타날 확률이 1% 미만인 집합을 묶는 집합 계열이 있는 경우 두 집합의 합집합에는 두 집합 자체보다 더 많은 정보가 포함됩니다.

프린스턴 대학의 Ryan Alweiss는 "요소별로 추측 요소를 증명하는 아이디어는 매우 영리합니다."라고 말했습니다.

Gilmer의 작업은 Frankl의 추측에 가까워지기 시작했습니다. 이는 공용체 폐쇄 세트 계열에서 두 세트의 합집합이 두 세트 자체보다 더 적은 정보를 포함해야 함을 보여주기 쉽기 때문입니다.

이유는 간단합니다. 1024개의 서로 다른 세트를 포함하는 통합 폐쇄 세트 패밀리를 예로 들면, 각 세트의 요소는 1부터 10까지입니다. 이들 세트 중 2개를 무작위로 선택하면 평균적으로 5개 요소의 합집합이 얻어집니다. (1024개의 세트 중 252개에는 5개의 요소가 포함되어 있으며 이는 가장 일반적인 세트 크기입니다.) 약 7개의 요소의 합집합을 얻는 것도 가능합니다. 그러나 7가지 요소의 합집합을 얻는 방법의 조합은 120가지에 불과합니다.

중요한 점은 무작위로 선택된 두 세트에는 합집합보다 불확실성이 더 큰 요소가 포함되어 있다는 것입니다. 공용체는 더 많은 요소와 더 적은 가능성을 가진 더 큰 집합에 가깝습니다. 집합이 닫힌 집합의 두 집합에 대해 합집합 연산을 수행하면 편향된 동전을 던지는 것처럼 합집합의 결과를 알 수 있습니다. 동전이 어느 쪽에 떨어질지 쉽게 추측할 수 있습니다. 두 세트 자체보다.

이를 바탕으로 Gilmer는 집합에 적어도 하나의 요소가 나타날 확률이 1% 이상이라고 믿습니다.

잃어버린 것, 얻는 것이 있다

Gilmer가 11월 16일에 자신의 증명을 발표했을 때 메모를 첨부했습니다. 그는 자신의 방법을 사용하는 것이 완전한 추측의 증명에 더 가까울 수 있다고 믿었습니다. 기준치가 38%로 높아졌습니다.

5일 후, 세 개의 서로 다른 수학자 그룹이 서로 몇 시간 내에 Gilmer의 작업을 기반으로 한 논문을 발표했습니다. 이번 발병으로 인해 Gilmer의 접근 방식이 극단으로 치닫게 된 것으로 보이지만 50%에 도달하려면 더 많은 새로운 아이디어가 필요할 수 있습니다.

그러나 후속 논문의 일부 저자들은 왜 Gilmer가 상대적으로 간단한 38% 연구를 직접 수행하지 않았는지 궁금해했습니다. 사실 그 이유는 복잡하지 않습니다. 수학에서 5년 이상 떨어져 있던 Gilmer는 이 목표를 달성하기 위해 기술적 분석 작업을 수행하는 방법을 몰랐습니다.

"저는 좀 녹슬었고, 솔직히 막히네요." 길머가 말했습니다. "그러나 나는 수학계가 그것을 어디로 가져갈지 궁금합니다."

그러나 길머는 또한 그에게 그것을 연습할 기회를 잃게 만든 동일한 이유가 부분적으로 그의 증명을 처음에 가능하게 만든 것이라고 믿습니다. place: “ 대학원에서 1년 동안 이 문제에 대해 생각을 하다가 진전이 없었다가 6년 동안 수학을 그만둔 뒤 이 문제로 돌아왔을 때 돌파구를 찾은 이유는 이것뿐이다. 머신러닝 때문에 다른 설명은 모르겠네요.”

위 내용은 낮에는 일하고 밤에는 연구를 수행하는 Google Brain 연구 과학자들은 수십 년 동안 수학계를 곤혹스럽게 만들었던 추측을 풀었습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

성명
이 기사는 51CTO.COM에서 복제됩니다. 침해가 있는 경우 admin@php.cn으로 문의하시기 바랍니다. 삭제
AI 내부 배포의 숨겨진 위험 : 거버넌스 격차 및 치명적인 위험AI 내부 배포의 숨겨진 위험 : 거버넌스 격차 및 치명적인 위험Apr 28, 2025 am 11:12 AM

Apollo Research의 새로운 보고서에 따르면 고급 AI 시스템의 점검되지 않은 내부 배치는 상당한 위험을 초래합니다. 주요 AI 기업들 사이에서 널리 퍼져있는 이러한 감독 부족은 uncont에서 범위에 이르는 잠재적 인 치명적인 결과를 허용합니다.

AI Polygraph 구축AI Polygraph 구축Apr 28, 2025 am 11:11 AM

전통적인 거짓말 탐지기는 구식입니다. 손목 대역으로 연결된 포인터에 의존하는 것은 대상의 활력 징후와 물리적 반응을 인쇄하는 거짓말 탐지기가 거짓말을 식별하는 데 정확하지 않습니다. 그렇기 때문에 거짓말 탐지 결과는 일반적으로 법원에서 채택되지는 않지만 많은 무고한 사람들이 감옥에 갇히게되었습니다. 대조적으로, 인공 지능은 강력한 데이터 엔진이며, 작동 원리는 모든 측면을 관찰하는 것입니다. 이것은 과학자들이 다양한 방식으로 진실을 찾는 응용 분야에 인공 지능을 적용 할 수 있음을 의미합니다. 한 가지 방법은 거짓말 탐지기처럼 심문을받는 사람의 중요한 부호 반응을 분석하지만보다 상세하고 정확한 비교 분석을 분석하는 것입니다. 또 다른 방법은 언어 마크 업을 사용하여 사람들이 실제로 말하는 것을 분석하고 논리와 추론을 사용하는 것입니다. 말이 갈 때, 한 거짓말은 또 다른 거짓말을 번식시키고 결국

항공 우주 산업에서 AI가 이륙을 위해 청산 되었습니까?항공 우주 산업에서 AI가 이륙을 위해 청산 되었습니까?Apr 28, 2025 am 11:10 AM

혁신의 선구자 인 항공 우주 산업은 AI를 활용하여 가장 복잡한 도전을 해결하고 있습니다. Modern Aviation의 복잡성 증가는 AI의 자동화 및 실시간 인텔리전스 기능이 필요합니다.

베이징의 봄 로봇 레이스를보고 있습니다베이징의 봄 로봇 레이스를보고 있습니다Apr 28, 2025 am 11:09 AM

로봇 공학의 빠른 발전은 우리에게 매혹적인 사례 연구를 가져 왔습니다. Noetix의 N2 로봇의 무게는 40 파운드가 넘고 키가 3 피트이며 백 플립을 할 수 있다고합니다. Unitree의 G1 로봇의 무게는 N2 크기의 약 2 배이며 키는 약 4 피트입니다. 경쟁에 참여하는 작은 휴머노이드 로봇도 많으며 팬이 앞으로 나아가는 로봇도 있습니다. 데이터 해석 하프 마라톤은 12,000 명 이상의 관중을 끌어 들였지만 21 명의 휴머노이드 로봇 만 참여했습니다. 정부는 참여 로봇이 경쟁 전에 "집중 훈련"을 수행했다고 지적했지만 모든 로봇이 전체 경쟁을 완료 한 것은 아닙니다. 챔피언 -Tiangong Ult Beijing Humanoid Robot Innovation Center가 개발했습니다.

거울 함정 : AI 윤리와 인간 상상력의 붕괴거울 함정 : AI 윤리와 인간 상상력의 붕괴Apr 28, 2025 am 11:08 AM

인공 지능은 현재 형태로 진정으로 지능적이지 않습니다. 기존 데이터를 모방하고 정제하는 데 능숙합니다. 우리는 인공 지능을 만들지 않고 오히려 인공적인 추론을 만들고 있습니다.

새로운 Google Leak은 Handy Google 사진 기능 업데이트가 공개됩니다새로운 Google Leak은 Handy Google 사진 기능 업데이트가 공개됩니다Apr 28, 2025 am 11:07 AM

보고서에 따르면 Google Photos Android 버전 7.26 코드에 업데이트 된 인터페이스가 숨겨져 있으며 사진을 볼 때마다 새로 감지 된 얼굴 썸네일 행이 화면 하단에 표시됩니다. 새로운 얼굴 썸네일에는 이름 태그가 없으므로 탐지 된 각 사람에 대한 자세한 정보를 보려면 개별적으로 클릭해야한다고 생각합니다. 현재이 기능은 Google 사진이 이미지에서 찾은 사람들 외에는 정보를 제공하지 않습니다. 이 기능은 아직 사용할 수 없으므로 Google이 어떻게 정확하게 사용할 것인지 모릅니다. Google은 썸네일을 사용하여 선택된 사람들의 더 많은 사진을 찾는 속도를 높이거나 편집 할 개인을 선택하는 것과 같은 다른 목적으로 사용될 수 있습니다. 기다렸다가 보자. 지금은

강화 조정 안내서 - 분석 Vidhya강화 조정 안내서 - 분석 VidhyaApr 28, 2025 am 09:30 AM

강화 결합은 인간의 피드백을 기반으로 조정하도록 모델을 가르치면서 AI 개발을 흔들었다. 감독 학습 기초가 보상 기반 업데이트와 혼합되어 더 안전하고 정확하며 진정으로 도움을줍니다.

Let 's Dance : 인간 신경 그물을 미세 조정하기위한 구조화 된 움직임Let 's Dance : 인간 신경 그물을 미세 조정하기위한 구조화 된 움직임Apr 27, 2025 am 11:09 AM

과학자들은 C. el 그러나 중요한 질문이 발생합니다. 새로운 AI S와 함께 효과적으로 작동하도록 우리 자신의 신경망을 어떻게 조정합니까?

See all articles

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

Video Face Swap

Video Face Swap

완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

뜨거운 도구

메모장++7.3.1

메모장++7.3.1

사용하기 쉬운 무료 코드 편집기

ZendStudio 13.5.1 맥

ZendStudio 13.5.1 맥

강력한 PHP 통합 개발 환경

SublimeText3 중국어 버전

SublimeText3 중국어 버전

중국어 버전, 사용하기 매우 쉽습니다.

SublimeText3 Mac 버전

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

SublimeText3 Linux 새 버전

SublimeText3 Linux 새 버전

SublimeText3 Linux 최신 버전