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

Текст научной статьи Применение искусственного интеллекта в математике: научный и социальный аспекты

Бюллетень науки и практики / Bulletin of Science and Practice

УДК 004.85                                         

В настоящее время наибольших успехов достигают те отрасли знаний, которые широко используют математический аппарат в своих исследованиях. Еще К. Маркс говорил, что наука только тогда достигает совершенства, когда ей удается пользоваться математикой. Качественное изменение науки, управления, информационных технологий и экономики в целом показывает, что искусственный интеллект (ИИ) становится все более популярным в науке и технологиях. ИИ в математике уже имеет множество приложений и областей применения, которые обещают изменить наши понимание объективной реальности общей картины мира и усовершенствовать способность решать сложные математические задачи.

Материалы и методы исследования

Существует несколько направлений, в которых ИИ уже сейчас применяется в математике. Одно из них — автоматическое доказательство теорем. Это направление в математике занимается созданием интеллектуальных систем, компьютерных программ, которые могут автоматически доказывать математические теоремы, используя формальную логику и методы искусственного интеллекта. Такие компьютерные программы уже показали свою эффективность в доказательстве нескольких сложных теорем, например теоремы Ферма [3].

Другое направление — использование ИИ для анализа данных и создания математических моделей. Так, например, с помощью методов машинного обучения и статистики ИИ может существенно улучшить качество прогнозирования, оптимизации и принятия решений в различных областях, от медицины и экономики до науки о материалах. Кратко охарактеризуем некоторые из ключевых областей применения ИИ в математике — это:

  • -    решение математических задач, поиск оптимальных решений и доказательство теорем, которые ранее не доказаны человеческим разумом. Например, в 2017 году искусственный интеллект AlphaGo победил чемпиона мира по игре в го, что вызвало большой интерес в мире ИИ и компьютерных наук [4] . Некоторые задачи, такие как теорема Ферма, оставались нерешенными на протяжении многих лет, прежде чем были найдены доказательства, что стало возможным благодаря новым подходам и технологиям, таким как ИИ [6, 12].

Другой пример использования ИИ для поиска новых математических доказательств — проект GPT-3 от OpenAI. Этот проект использует глубокое обучение для генерации текста, включая математические формулы и доказательства. Несмотря на то, что сгенерированные доказательства не всегда являются правильными, они могут служить как отправная точка для дальнейших исследований и уточнения:

  • -    поиск новых математических закономерностей и формул . Применение ИИ может помочь в решении некоторых открытых проблем в математике, например, гипотезы Римана, для создания новых формул, которые могут помочь в решении этой гипотезы [7, 11]. Кроме того, ИИ может быть использован для поиска связей и закономерностей между различными математическими объектами, что помогает ускорить процесс их изучения и понимания.

  • -    анализ больших объемов данных и поиск скрытых связей и закономерностей в них. Это может привести к появлению новых теорий и формул, которые могут изменить нашу понимание математики и способность решать сложные задачи. Например, компьютерные алгоритмы могут быстро анализировать огромные объемы математических данных и выделять из них общие закономерности и свойства. Кроме того, ИИ может помочь математикам обнаруживать новые закономерности и паттерны в больших объемах данных,

которые могут быть трудны для обнаружения вручную. Например, ИИ может использоваться для анализа больших наборов генетических данных, что может помочь в обнаружении генетических факторов, связанных с различными заболеваниями.

  • -    совершенствование навыков обучения математике и способностей обучающихся. Некоторые программы уже используют технологии ИИ для создания персонализированных уроков и материалов, которые адаптируются к уровню знаний студентов и помогают им лучше понимать математические концепции. ИИ может помочь в развитии математической интуиции и творческого мышления. Использование ИИ для создания математических задач и решений может помочь студентам и исследователям увидеть математику в новом свете и развить свои навыки в этой области.

  • -    генерирование заданий по различным параметрам (уровень сложности, тематика и т. п.), автоматическая проверка заданий и диагностика ошибок . Это позволяет существенно упростить и ускорить создание тестов и домашних заданий, а также снизить вероятность ошибок и повысить качество обучения, значительно сократить нагрузку на преподавателя (учителя) [5, 8].

  • -    создание интерактивных математических инструментов , таких как графические калькуляторы, приложения для решения уравнений и т. д. Это может сделать обучение математике более интересным и доступным для широкой аудитории, а также упростить решение различных задач и проблем.

Результаты и обсуждение

ИИ представляет собой мощный инструмент, который может быть использован для упрощения и ускорения решения различных математических задач, а также для создания новых математических моделей и теорий. Более того, ИИ может также помочь в поиске новых доказательств для сложных математических проблем, что актуально в задачах повышенной сложности в математике. Применение ИИ в математике делает математические исследования более доступными и понятными для широкой аудитории. Например, ИИ может использоваться для автоматического создания интерактивных более эффективных математических учебных пособий и курсов, которые адаптированы к учебным программам и ученикам с разным уровнем знаний, умений и навыков [9].

Применение ИИ в математике, бесспорно, ведет к развитию самой математики «изнутри» как фундаментальной науки — появлению новых областей исследований и новых математических теорий, но и позволяет развивать прикладную математику как универсальный язык — средство связи различных отраслей науки и техники. Так, например, посредством методов машинного обучения и статистики можно открывать новые закономерности и связи данных, позволяющие создавать новые математические модели описания различных процессов и новые математические объекты, таких как алгоритмы и модели. Некоторые алгоритмы, созданные с помощью ИИ, уже были применены в различных областях, например, в криптографии и защите информации, оптимизации и прогнозировании. Это открывает новые возможности для разработки более эффективных математических методов и алгоритмов [7].

Таким образом, развитие ИИ имеет огромный потенциал, что может привести к новым открытиям и улучшению решения различных математических проблем как в фундаментальной, так и в прикладной математике для решения сложных проблем и поиска новых решений. Для того чтобы реализовать этот потенциал необходимо продолжать исследования в этой области, развивая технологии и обеспечивая безопасность использования ИИ в математике и других областях науки и техники [10]. Так, многие математические задачи могут быть слишком сложными для человека, чтобы решить их вручную, но могут быть решены с помощью компьютеров с использованием паттернов и алгоритмов ИИ [1]. Но необходимо учитывать этические, социальные и технические вопросы, связанные с его использованием, чтобы гарантировать, что ИИ применяется в математике с максимальной пользой для общества.

Для того, чтобы ИИ в математике стало более распространенным и эффективным, необходимо продолжать исследования в этой области и создавать новые инструменты и технологии. Несмотря на все преимущества, применение ИИ в науке и технике вызывает некоторые серьезные опасения и этические и социальные проблемы. ИИ в математике представляет собой некую потенциальную угрозу. Так, например, ученые-эксперты беспокоятся о том, что ИИ может заменить человеческий разум и привести к потере творческого подхода к математическим проблемам [2–4]. Кроме того, существует опасность, что ИИ может быть использован для создания «неподкрепленных» теорий, которые не имеют научной обоснованности [5]. Например, автоматические доказательства теорем могут вызвать вопросы о том, как доверять результатам, полученным компьютером. Кроме того, использование ИИ в математике может привести к замене людей на компьютеры, что может привести к увольнению многих математиков и исследователей [11]. Также существует опасность, что ИИ может привести к потере рабочих мест или набору низкоквалифицированных кадров в некоторых сферах, например, в бухгалтерии или аналитике [2].

Некоторые математические задачи могут быть связаны с конфиденциальной информацией, которая должна быть защищена. Применение ИИ может вызвать проблемы в области приватности и безопасности данных. Возможность использования ИИ для взлома шифров и других безопасных систем, что может представлять серьезную угрозу для конфиденциальности и безопасности человека.

Например, если мы используем ИИ для создания математических задач и тестов, то как мы можем быть уверены, что эти задачи не содержат каких-либо пристрастий или дискриминационных элементов? Как мы можем обеспечить безопасность и конфиденциальность данных при использовании ИИ в математике? Поэтому, кроме развития технологий, необходимо также обращать внимание на различные этические, правовые и социальные вопросы, связанные с использованием ИИ в математике. Это поможет обеспечить безопасность и эффективность использования ИИ в этой области и сделать его полезным инструментом для решения различных математических задач и проблем. С правильным подходом и развитием технологий, ИИ может принести много полезного в математике, улучшив способность людей решать сложные математические задачи, находить новые закономерности и формулы, а также улучшив образование в этой области.

Выводы

Применение ИИ в математике имеет огромный потенциал для улучшения качества и точности математических исследований, а также для создания новых инструментов и технологий, которые могут помочь не только математикам, но специалистам в других областях науки и техники в их работе. Однако, чтобы использование ИИ было эффективным и этичным, необходимо учитывать множество технических, социальных и этических вопросов, связанных с его применением в математике.

Математикам-исследователям и разработчикам искусственного интеллекта необходимо работать вместе, чтобы обеспечить эффективное и этичное использование ИИ не только в математике и технике, но других областях народного хозяйства. Кроме того, необходимо учитывать потенциальные риски, связанные с использованием ИИ и разрабатывать механизмы защиты от возможных негативных последствий. Применение искусственного интеллекта позволяет существенно повысить эффективность и точность математических исследований и имеет огромный потенциал для научных открытий и инноваций. Важно убедиться, что ИИ используется правильным образом, и не заменяет творческий и интеллектуальный вклад человеческого разума в математические исследования. Использование искусственного интеллекта в математике представляет собой как новое и захватывающее направление, так и вызывающее опасения. С правильным подходом и развитием технологий, ИИ может стать важным инструментом для совершенствования понимания общей картины мира посредством решения сложных математических проблем для создания новых математических теорий и формул, а также их приложений [12].

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.
Еще
Статья научная