Оглавление

Пока мир помешан на искусственном интеллекте, фундаментальная математика — основа всех этих технологий — остается в тени. Сообщает Financial Times, что инвестиции в математическое сообщество сокращаются именно тогда, когда они наиболее необходимы для развития ИИ.

Математическая основа ИИ

Современные нейросети работают на основе умножения тензоров — обобщенных версий матриц и векторов. Извлечение признаков в машинном обучении использует аппарат собственных векторов и собственных значений. Создание модели из данных — это задача условной оптимизации, основанная на дифференциальном исчислении.

Искусственный интеллект и его более скромный собрат — машинное обучение — являются подразделами статистики, которая, в свою очередь, представляет собой раздел математики. Данные — это топливо для ИИ, математика определяет правила их анализа, а компьютерные ученые реализуют эти правила с помощью аппаратного и программного обеспечения.

Ситуация с финансированием

Правительства и индустрия продолжают сокращать финансирование математических инициатив. Среди пострадавших программ:

  • Advanced Mathematics Support Programme — поддержка математического образования в школах
  • Multiply scheme — повышение математической грамотности населения
  • Университетские математические факультеты, сталкивающиеся с сокращениями и закрытиями

Исследование Campaign for Mathematical Sciences показывает, что доля студентов-математиков сокращается, и в ближайшие 10 лет количество выпускников-математиков прогнозируется к снижению.

Экономическое значение математики

Согласно обзору Bond Review 2018 года, математика генерирует почти £500 млрд добавленной стоимости — примерно 20% ВВП Великобритании. Хотя можно спорить о точных цифрах, очевидно, что математика вносит значительный вклад в экономику.

Парадокс современной ИИ-лихорадки: все говорят о данных и алгоритмах, но забывают, что без математики это просто красивые слова. Когда ИИ-пузырь лопнет — а он лопнет — выживут только те, кто понимает математическую подоплеку технологий. Инвестиции в математическое образование сегодня окупятся сторицей завтра, когда хайп уляжется, а реальные технологии останутся.

Математика остается самым экономически эффективным путем к интеллектуальному, этическому и техническому лидерству в этой области. Даже в пессимистичном сценарии математика продолжит быть движущей силой будущих инноваций в ИИ.

История знает примеры, когда математические открытия столетиями оставались актуальными. Теорема Томаса Байеса, открытая в XVI веке, до сих пор является основой того, как многие системы ИИ «учатся» на новых данных.

Последствия для инноваций

Без постоянной и расширяющейся поддержки математики можно построить сколько угодно дата-центров, но инновации, которые будут питать то, что происходит в них, придут из других мест. Применение математики к реальным проблемам в медицине, правительстве, бизнесе и личной жизни продолжит генерировать выгоды, как это происходит в финансовом мире.