從開車到使用智慧型手機,甚至在帶有數位計時器的咖啡機上煮一杯咖啡或在線上登入你的銀行帳戶,今天我們在無數不同的地方都會遇到演算法.
由於演算法無所不在的特性,它已經吸引了工業界、學術界、研發部門以及幾乎你能想到的任何部門的想像。或許最可能受益於尖端演算法的技術是人工智慧,而這種演算法又會對當今大多數其他產業產生連鎖反應。強大演算法開發的關鍵組成部分是數學——圖是 Shor的演算法或Schrödinger的方程式的基石。布爾代數奠定了今天「資訊時代」的基礎。同樣,早在1842年,Ada Lovelace的演算法就被廣泛認為是第一個電腦程式。
可以想像,即使是最小的 AI(人工智慧)系統也需要基本指令才能運作。簡單地說,演算法是幫助計算機完成計算的逐步指令。它們就像指導手冊,讓機器準確地知道該做什麼以及何時做。因此,在基礎機器學習中,演算法是建構人工智慧的第一個結構步驟。熟能生巧-因此,透過與人工智慧的持續互動,我們有望提高它的效率。
人工智慧作為一種技術,如果利用得當,潛力無窮。如前所述,人工智慧正在幫助加強醫療保健、教育、通訊、能源和公共安全部門,甚至解決全球暖化等關鍵挑戰。
今天,不幸的是,我們處於人工智慧的初級階段,主要使用簡單的演算法,例如:
以特定的方式對一組資料進行分類的演算法類型。
基於一組輸入資料來預測未來結果的演算法類型。現代氣象學家用來預測天氣的電腦程式就是一個很好的例子
#這種演算法利用整個資料集,找出特定點之間的相似點或不同點。在會計文件中識別欺詐性交易就是這種人工智慧工作的一個實例
然而,要進入人工智慧發展的第三波——智能在感知、學習和推理方面表現出色,並且能夠概括,需要的是革命性的突破——因為人工智慧的本質——將起源於數學領域。
我們需要新的基於數學的工具來捕捉基礎資料的上下文和結構,而不是只專注於相關性。這些工具主要基於拓樸和幾何結構。現今的人工智慧專家必須專注於基於這些結構制定有效的演算法,使其能夠實現變革性成果。
這一切都需要新的思維和新的學習方式,迫使那些使用科技的人走出他們的舒適圈。作為前進的關鍵一步,今天的數位第一社會需要顯著提高未來數學家和數據處理人員的培訓。儘管人工智慧比以往任何時候都吸引更多的數學家,但能夠模擬大腦運作方式並使我們能夠更好地建立未來人工智慧內建邏輯能力的複雜數學工具至關重要。
我們必須加速人工智慧技術的發展,創造強大的協同效應,推動知識的前沿,造福科學、社會和全球經濟。
以上是數學將如何推動第三波人工智慧發展的詳細內容。更多資訊請關注PHP中文網其他相關文章!