谷歌“公式制造机”登上Nature，你也能用它“变成”数学天才 | 开源
3.1415926….
金磊 发自 凹非寺
量子位 报道 | 公众号 QbitAI
AI，可以产生数学公式，还是迄今尚未解决的那种问题。
例如π和e这样的常数，虽然在科学领域司空见惯，但是计算其高精度近似值往往令人头大。
由谷歌打造的拉马努金机（Ramanujan Machine）便帮上了大忙——能算近似值，还能在数学计算中快速找出精准规律
并且就在今天，还登上了顶刊Nature。
AI生成连分数
生成连分数 （continued fractions），就是拉马努金机的功能之一。
它是计算π和e这样常数的方式之一，它的分母无限延伸下去，结果就会越来越接近：
那么谷歌的科学家为什么要用AI打造连分数？
这是因为各种数学常数的连分数是存在却不是唯一的。
如果找到一个合适的连分数，那么计算结果的收敛速度会非常快，大大减少计算机的运算量。
而发现连分数里那些特殊整数的规律，需要有长年数学知识的积累，更要有易于常人的直觉。
有了拉马努金机器，就可以用电脑代替人的思维去寻找特殊的连分数了。
并且连分数还应用到了各种概念上重要的数字上。
其中一个是加Catalan常数。
这个数字大约为0.916，但可以说是非常的神秘，因为没有人知道它是否是有理的。
换而言之，没人知道它是否可以表示为两个整数的分数。
数学家们对此数能够做到的，就是证明它的 “非理性指数”——衡量用有理数来近似一个数字的难度。
证明Catalan常数是无理数，就等于证明它的无理指数大于1。
人类对此最佳的结果是0.554，但在拉马努金机的帮助下，这一结果有改进，达到了0.567。
具体如何实现？
论文当中提到了两种算法。
第一种是中间相遇法（The Meet-In-The Middle）。这个算法的思路非常简单：
给定一个常数c（如 c=π），根据公式：
先计算出公式右边一个精度较低的值，并将其存入哈希表，然后通过枚举的方法来使公式左右两边的值相匹配，匹配上的值称为“hits”。
随后增加hits的精度并重新比较，重复这个过程直到hits达到指定精度。这个最终的结果就提供了一个新的连分数。
有些hits值会产生误报，针对这一点，研究人员提出通过计算任意精度的有理函数来减少误报。
在这个算法当中，由于公式右边的计算成本更高，所以将它的值以哈希表来存储，以空间换时间。这个哈希表也可以保存下来重新服务于公式左边的枚举，从而大大减少未来的枚举时间。
MITM-RF算法不需要任何关于基本常数的先验信息，不过有许多基本常数的结构是可以推断出来的，以此作为MITM-RF的先验信息可以有效降低空间复杂度和计算复杂度。
不过，MITM-RF方法还是存在扩展性不佳的问题，于是研究者使用到了机器学习当中常用的梯度下降方法，他们称其为Descent&Repel方法。
我们可以把优化问题描述成这个样子：
这里的最小值不是零维度点，而是（d-1）维的流形，其中d是给定的单一约束所预期的优化变量的数量。
研究者还观察到所有的最小值都是全局的，并且它们的误差为0，也就是说所有的梯度下降过程最后都会得到L=0的解。
这个优化问题起始于一个大的点的集合，在示例当中，所有初始条件被放置在一条线上。对每一个点迭代执行梯度下降，然后强制所有的点通过库仑排斥彼此排斥。通过梯度下降步骤保证算法朝向整数格并趋向最小曲线，最后仅返回位于整数格上的解。
AI增加了数学的复杂性
自动生成猜想，并不是计算机帮助推动数学发展的唯一领域。
虽然许多数学家仍旧喜欢用纸、笔来工作，但是利用数学软件，确实可以操作复杂的代数表达式。
计算机辅助计算在几个引人注目的结果的证明中发挥了关键作用。
最近，一些数学家在人工智能方面取得了进展，人工智能不仅能进行重复的计算，还能自己做出证明。
另一个正在发展的领域是软件，它可以检查人类写的数学证明，并检查它是否正确。
正如证明自动化的先驱Zeilberger所述：
最终，人类将会被淘汰。
随着人工智能产生的数学的复杂性增加，数学家们将会失去计算机正在做什么的轨迹，并且只能粗略地理解计算。
但尽管计算机能够提出数学表示，甚至证明它们是正确的，但如果没有人类的干预，目前还不清楚它们是否仅仅是从技术角度来区分这些数学表示。
因此也有人认为，类似于拉马努金机这样的AI，只是数学工作者的一个辅助工具。
关于拉马努金
拉马努金是印度最著名的数学家之一。
在20世纪早期，拉马努金对数学做出了重要贡献。
他没受过正规的高等数学教育，沉迷数论，尤爱牵涉π、质数等数学常数的求和公式，以及整数分拆。
拉马努金习惯以直觉导出公式，不喜作证明（事后往往证明他是对的）。他留下的那些没有证明的公式，引发了后来的大量研究。
最后，与拉马努金机相关的项目，在GitHub上已开源，戳下方链接可以去试试哦~
参考链接：
https://www.nature.com/articles/d41586-021-00304-8
相关项目地址：
https://github.com/AnonGit90210/RamanujanMachine
- 小冰李笛：真正的AI信仰者不该FOMO | MEET 20252024-12-24
- 昆仑万维方汉：大模型的技术红利在消退，商业模式创新者将成赢家 | MEET 20252024-12-23
- 你的下一个浏览器，可以是豆包电脑版！2024-12-25
- TeleAI星辰大模型入选央企十大国之重器评选2024-12-25
相关阅读
