محققی ایرانی به نام علی شهپر از جمله طراحان یک سیستم هوش مصنوعی جدید است که یافتن سریع پاسخ مسائل ریاضی پیچیده را ساده می‌کند.
به نقل از گیزمودو، گروهی به رهبری سرگئی گوکوف ریاضی دان دانشگاه کلتک آمریکا نوع جدیدی از الگوریتم یادگیری ماشینی ابداع کرده‌اند که برای حل مسائل ریاضی طولانی و پیچیده قابل‌استفاده است.
حل برخی مسائل ریاضی پیچیده مستلزم طی‌کردن مجموعه مراحل بسیار طولانی است گه گاهی از یک میلیون مرحله هم فراتر می‌رود.
به گزارش سرویس اخبار هوش مصنوعی سایت شات ایکس و به نقل از فارس اما هوش مصنوعی جدید توانست مسئله پیچیده‌ای به نام حدس اندروز-کورتیس را حل کند که برای دهه‌ها ریاضی‌دانان را سرگردان کرده بود. در قالب این حدس پرسیده می‌شود: آیا می‌توان معماهای ریاضی خاصی را همیشه با استفاده از مجموعه‌ای از اقدامات مجاز حل کرد، مانند مرتب‌کردن مجدد یا لغو مراحل انجام شده قبلی؟
علی شهپر، نویسنده اول مقاله این تحقیق و ریاضی‌دان دانشگاه راتگرز آمریکا، در توضیح این موضوع گفت: برای حل مسائل دشوار ریاضی، به دنبال یافتن توالی طولانی گام‌هایی بودیم که باید برداشته شوند، اما به‌ندرت و به‌سختی شناسایی می‌شوند. این کار مثل تلاش برای یافتن راه خود در مسیری پرپیچ‌وخم به‌اندازه کل کره زمین است. اینها مسیرهای بسیار طولانی هستند که باید آنها را آزمایش کنید، و تنها یک مسیر وجود دارد که به‌درستی عمل می‌کند.
شهپر و همکارانش نحوه استفاده از این هوش مصنوعی جدید را برای حل خانواده‌ای از مسائل مربوط به حدس اندروز-کورتیس که مربوط به جبر مجرد است، توضیح دادند. جبر مجرد به مطالعهٔ ساختارهای جبری می‌پردازد. ساختارهای جبری شامل گروه‌ها، حلقه‌ها، میدان‌ها، مدول‌ها، فضاهای برداری، مشبکه‌ها و جبرها است.
هوش مصنوعی مذکور با حل مسائل ریاضی آسان و سپس دشوارتر تقویت شد و در نهایت توانست راهبرد مناسبی را برای حل حدس اندروز-کورتیس پیشنهاد دهد که خارج از چارچوب‌های متداول قبلی بود. الگوریتم این مدل هوش مصنوعی در نهایت توانست دنباله‌های طولانی از گام‌های جدید و غیرمنتظره ابداع کند که بسیار بهتر از خروجی ربات گفتگوی چت جی پی تی بود.
علی شهپر ، اظهار امیدواری کرد: از مدل‌های هوش مصنوعی این چنینی می‌توان در آینده برای پیش‌بینی سقوط بازارهای مالی استفاده کرد؛ امری که در حال حاضر چندان ساده نیست.