شکل دهی ریاضیدان با پس زمینه هوش مصنوعی با استفاده از یادگیری ماشین

وضعیت کنونی هنر در هوش مصنوعی، بسیار اثرگذار، به ویژه، در اصطلاح تسلط کامل در زبان اما در اصطلاح استدلال ریاضی، موفقیت زیادی در تسلط بر این مهارت، حاصل نشده است. چه موردی می تواند در حال از دست رفتن باشد؟ آیا امکان یادگیری مطلب مفیدی درباره این فاصله که چگونگی عملکرد مغز ریاضیدانان درباره این مهارت ایجاد می کند، وجود دارد؟ این مقاله، ایده های جدیدی درباره یادگیری عمیق کنونی که عمدتا در سیستم، با بهره از توانمندی ها، موفق عمل می کند، می سازد. توانمندی هایی که متناظر با حس درونی ما و رفتارهای عادت گونه ما هستند اما همچنان فقدان موضوع مهمی مبتنی بر این سیستم وجود دارد. توانمندی هایی که شامل استدلال و باعث افزایش موفقیت، عملکرد و بازده در تخمین برای عدم قطعیت خواهند شد. این مطلب باعث یک خروج از یک حرکت نظری و اطلاعاتی به سمت پرسش درباره آن که چه چیزی یک بیانیه جالب ریاضی تصویب می نماید که بتواند که کارهای آینده را در یک مهارت به سمت عنوان یک ریاضیدان با پس زمینه هوش مصنوعی، راهنمایی می کند. تمرکز این پژوهش روی اثبات درباره یک قضیه مطرح شده نبوده، بلکه بر روی کشف حدس های جدید و جالب استوار است. فرضیه سازی مرکزی این پژوهش آن است که یک ساختار اصلی از قضایا، توانمندی خلاصه سازی بهتری درباره مجموعه تمام گزاره های قابل اثبات خواهند داشت. برای نمونه، به وسیله فراهم آوری یک توصیف با اندازه کم، در حالی که، در همان زمان، این عملکرد، بسیار نزدیک به تعداد زیادی بیانیه و گزاره های قابل اثبات، در اصطلاح تعداد گام های اقتباس شده از طریق می باشد. در این مقاله مروری، تلاش شده است تا بیشتر حوزههایی که ریاضیدان با پس زمینه هوش مصنوعی و همچنین ریاضیدان با پس زمینه انسانی را مشخص میکنند، پوشش داده شود تا خواننده بتواند به سرعت به اهمیت پژوهش پی ببرد. شکل دهی ریاضیدان با پس زمینه هوش مصنوعی با استفاده از یادگیری ماشین براساس تجربیات با تمام جنبهها است.

کلیدواژه ها:

ریاضیدان با پس زمینه هوش مصنوعی ، یادگیری ماشین ، هوش مصنوعی ، عدم قطعیت ، تسلط در استدلال ریاضی