人工智能需要自然的模式来进行数学创造，而不仅仅是逻辑

一项新假说提出，人类的数学推理，除了纯粹的演绎推理外，在根本上依赖于从外部领域（尤其是自然界）进行的模式匹配。这是因为纯粹的推理面临着不可判定性和计算棘手性带来的局限。历史上的例子，例如傅里叶变换的发展，说明了物理学问题如何激发了纯粹逻辑本身无法预见的数学创新。该论文认为，这种对受物理学启发的模式匹配的依赖是一种认知必需，这意味着旨在达到人类水平数学创造力的人工智能系统必须整合海量的跨领域模式，这证明了当前大型语言模型的规模是合理的。 AI

影响 提出人工智能的数学创造力需要整合海量的跨领域模式，这证明了当前大型语言模型的规模是合理的。

排序理由 该条目是一篇研究论文，讨论了一个关于数学推理及其对人工智能影响的假说。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

• artificial intelligence
• boolean satisfiability problem
• Fourier transform
• hear equation
• large-language models
• monadic second-order theories
• NP-hard
• vibrating string controversy

• 论文
• 观点

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →