Aus der Presse

Neuronale Netze lösen symbolische Mathematik

Neuronale Netze waren bis vor kurzem in einem Problembereich auffällig zurückgeblieben: bei Formeln, die exakt gelöst werden müssen.

Die Situation hat sich seit Ende 2019 geändert, »als Guillaume Lample und François Charton, zwei Informatiker aus Facebooks[] KI-Forschungsgruppe in Paris, einen erfolgreichen ersten Ansatz zur Lösung symbolischer mathematischer Probleme mit neuronalen Netzen vorstellten. [...] Ihre Methode beinhaltete weder das Rechnen mit Zahlen noch numerische Annäherungen. Stattdessen nutzen sie die Stärken der neuronalen Netze, indem sie die mathematischen Probleme in eine Form brachten, die für das maschinelle Lernen bereits gelöst ist: die Sprachübersetzung. [...] Um es einem neuronalen Netz zu ermöglichen, die Symbole wie ein Mathematiker zu verarbeiten, begannen Charton und Lample damit, mathematische Ausdrücke in Formen zu übersetzen, die dabei helfen. Sie interpretierten sie schließlich als Baum – ein Format, das dem Prinzip eines schematisierten Satzes ähnelt. Mathematische Operatoren wie Addition, Subtraktion, Multiplikation und Division wurden zu Verzweigungen des Baumes.« [29.06.2020, 08:24 Uhr, Quelle: Spektrum der Wissenschaft [Stephen Ornes]; Foto: 5W Infographics für Quanta Magazine, d2r55xnwy6nx47.cloudfront.net]

Symbolic Mathematics Finally Yields to Neural Networks (extern)

Peter Schlobinski

Ähnliche Nachrichten
Ex-News

News: Archiv

Sie suchen etwas Bestimmtes? Dann finden Sie es vielleicht in unserem Archiv. Stöbern Sie in 7241 Nachrichten oder durchsuchen Sie sie:

RSS2.0

News: Feed

Bleiben Sie immer kurz und aktuell auf dem Laufenden – mit den RSS-Feeds von mediensprache.net. mehr

Ihre Meinung

Kommentare zu dieser Seite