关于利用LLM来帮助证明难题（纳维-斯托克斯方程的存在性和唯一性、P≠NP等……） 读到这里 https://t.co/tOvR1LbfZ6 关于DeepMind的一些成员使用人工智能来帮助证明纳维-斯托克斯方程存在性和唯一性定理的reddit.com/r/singularity/…硕士的帮助下证明这个定理。 https://t.co/uPCZ9GRnz5 这个证明思路是我的——基本上是利用从HJB方程（我最近在人工智能工作中经常用到）到纳维-斯托克斯方程的映射，从而将HJB方程的存在性和唯一性结果映射到纳维-斯托克斯方程。但是细节相当复杂，我实在抽不出时间自己去推导，而LLM（逻辑推理小组）帮了我很大的忙。 话虽如此，这些都是棘手的问题，我不能百分百确定没有差距……我之前把这件事搁置了，因为开发通用人工智能（AGI）似乎更重要。我考虑过把它做成一个完整的精益解决方案，但一直没时间处理…… 大约在同一时间，我还利用 LLM 的一些帮助，完善了我关于如何使用量子弱性的变体来证明 P/=NP 的想法的细节（量子弱性是我在 AGI 工作中开发的一种概念/数学工具，它推广了 Michael Timothy Bennett 的弱性概念，作为传统奥卡姆剃刀的替代方案）。 https://t.co/vKP3grPtbV 再次强调，实现通用人工智能非常耗时，我还没有时间进行完整的形式化（当然，逻辑线性模型在这方面也很有帮助……），而且就像任何复杂的证明一样，可能存在我没有看到的漏洞…… 我之前一直没公开谈论这些工作，是因为我想等一切都完全规范化和核实之后再说，但既然其他人也在做类似的事情，那好吧，随他们吧…… 我研究这些高难度数学问题的部分目的（我的博士专业是数学，但我很快就转向了人工智能）是思考如何有效地利用我们的 Hyperon 原型通用人工智能系统作为逻辑逻辑模型（LLM）的“控制器”来完成这类工作。也就是说，这类工作需要一个思维开阔、富有创造力的头脑来提出证明思路，一个逻辑逻辑模型负责处理细节，然后由精益或其他集成测试流程（ITP）框架进行全面的形式化验证。我希望 Hyperon 在这里扮演的角色就是“思维开阔、富有创造力的头脑”……但在我刚刚发布的这些尝试性证明中，扮演这个角色的是我，而不是 Hyperon ;)
正在加载线程详情
正在从 X 获取原始推文，整理成清爽的阅读视图。
通常只需几秒钟，请稍候。