Применение искусственного интеллекта в математике: научный и социальный аспекты
Автор: Касымова Тумар Джапашевна, Сыдыкова Махабат Бейшенбековна, Жапарова Зийнат Абдиллаевна
Журнал: Бюллетень науки и практики @bulletennauki
Рубрика: Физико-математические науки
Статья в выпуске: 6 т.9, 2023 года.
Бесплатный доступ
Рассмотрен методический аспект применения искусственного интеллекта (ИИ) в математике. Обсуждены основные принципы работы ИИ и его приложение к математическим исследованиям. Анализируются преимущества использования ИИ в математике, такие как повышение эффективности и точности вычислений, обнаружение новых закономерностей и паттернов в больших объемах данных и другие. А также рассмотрены потенциальные риски и проблемы, связанные с использованием ИИ в математике, а также необходимость учета социальных и этических вопросов.
Искусственный интеллект, математика, вычисления, алгоритмы, обнаружение закономерностей, этика
Короткий адрес: https://sciup.org/14127993
IDR: 14127993 | DOI: 10.33619/2414-2948/91/03
Список литературы Применение искусственного интеллекта в математике: научный и социальный аспекты
- Bengio Y., Courville A., Vincent P. Representation learning: A review and new perspectives // IEEE transactions on pattern analysis and machine intelligence. 2013. V. 35. №8. P. 1798-1828. https://doi.org/10.1109/TPAMI.2013.50
- Goodfellow I., Bengio Y., Courville A. Deep learning. MIT press, 2016.
- Goodfellow I., Pouget-Abadie J., Mirza M., Xu B., Warde-Farley D., Ozair S., Bengio Y. Generative adversarial networks // Communications of the ACM. 2020. V. 63. №11. P. 139-144.
- Goodfellow I., Shlens J., Szegedy C. (2015). Explaining and Harnessing Adversarial Examples. International Conference on Learning Representations. https://doi.org/10.1145/3422622
- Graves A. Sequence transduction with recurrent neural networks // arXiv preprint arXiv:1211.3711. 2012. https://doi.org/10.48550/arXiv.1211.3711
- Jordan M. I., Mitchell T. M. Machine learning: Trends, perspectives, and prospects // Science. 2015. V. 349. №6245. P. 255-260.
- Kingma D. P., Welling M. Auto-encoding variational bayes // arXiv preprint arXiv:1312.6114. 2013. https://doi.org/10.1126/science.aaa8415
- Lindsey J., Litwin-Kumar A. Learning to learn with feedback and local plasticity // Advances in Neural Information Processing Systems. 2020. V. 33. P. 21213-21223.
- Russell S. J. Artificial intelligence a modern approach. Pearson Education, Inc., 2010.
- Silver D., Huang A., Maddison C. J., Guez A., Sifre L., Van Den Driessche G., Hassabis D. Mastering the game of Go with deep neural networks and tree search // Nature. 2016. V. 529. №7587. P. 484-489. https://doi.org/10.1038/nature16961
- Sutskever I., Vinyals O., Le Q. V. Sequence to sequence learning with neural networks // Advances in neural information processing systems. 2014. V. 27.
- Vaswani A., Shazeer N., Parmar N., Uszkoreit J., Jones L., Gomez A. N., Polosukhin I. Attention is all you need // Advances in neural information processing systems. 2017. V. 30.
