До недавнего времени возможность видеть красоту в математических диаграммах была прерогативой человека. Но в последние годы, когда машины научились распознавать лица и объекты, они стали разбираться и в этом. По крайней мере, этого смог добиться Чай Ва У: созданный им алгоритм машинного обучения научился узнавать определенные типы гармонии в математических структурах и использовать их для поиска интересных моделей из набора случайных схем.
В своей работе ученый использовал онлайновую энциклопедию целочисленных последовательностей, созданную в 1960-х математиком Нилом Слоуном и выложенную в сеть в 1996. Это серии чисел, расположенных в определенной закономерности. Например, ряд Фибоначчи или простые числа. На сегодня в архиве содержится около 300 тысяч последовательностей, и каждый день любители и профессионалы добавляют что-то новое.
У поручил машине отыскать в этой базе данных «интересные» последовательности, чтобы обнаружить эмпирические законы, которые могли бы служить мерилом «интересности».
«Эмпирические законы — это не математические теоремы per se, но практические наблюдения связей, которые можно увидеть во многих наборах данных, созданных природой или человеком», — говорит У.
Примерами могут служить закон Мура или принцип Парето. Почему эти закономерности именно такие, какие есть, — неизвестно, но они работают.
Алгоритм на основе 80 000 последовательностей обучился узнавать два эмпирических принципа — закон Бендорда, или закон первой цифры, и закон Тейлора. После этого У заставил машину проанализировать все последовательности в Энциклопедии. Результат оказался впечатляющим — ИИ справился с задачей с точностью 0,999. Это значит, что машинный интеллект способен распознать интересные с точки зрения математики модели, пишет MIT Technology Review.
Другой вид красоты — художественный — учится определять ИИ, созданный стартапом Thread Genius. Он оценивает вкусы клиента и рекомендует ему подходящие картины. Компанию недавно купил один из ведущих аукционных домов мира — Sotheby’s.
