چه چیزی اعلام شد

مایکروسافت ریسرچ در ۲۱ اکتبر ۲۰۲۶ اعلام کرد که دو پژوهشگر، از جمله Xinzhi Zhang از گروه یادگیری ماشین و بهینه‌سازی این مجموعه، حدس Kannan–Lovász–Simonovits یا KLS را اثبات کرده‌اند. این حدس در سال ۱۹۹۵ مطرح شد و می‌پرسد برای دسته‌ای گسترده از توزیع‌های احتمال در ابعاد بالا، بهترین برش تخت (ابرصفحه) چقدر به بهترین برش با هر شکل دلخواه نزدیک است. پیش‌بینی KLS این است که تفاوت این دو از یک ثابت جهانی فراتر نمی‌رود، مستقل از تعداد ابعاد.

به گفته مایکروسافت، بهترین نتیجه پیشین که در جولای ۲۰۲۶ به دست آمده بود، اجازه می‌داد این کران با افزایش ابعاد به‌آرامی رشد کند. اثبات جدید این وابستگی به بعد را حذف می‌کند. مقاله مرتبط با عنوان «An O(1) Bound for the KLS Constant» معرفی شده است.

برای بررسی:Solving a 31-year-old grand challenge in mathematics – the KLS conjecture

چرا برای خوانندگان اهمیت دارد

طبق توضیح منبع، هندسه این برش‌ها تعیین می‌کند گام‌برداری تصادفی با چه سرعتی یک توزیع را کاوش می‌کند؛ بنابراین KLS در نظریه نمونه‌گیری در ابعاد بالا نقش مرکزی دارد. مایکروسافت می‌نویسد نتایجی که پیش‌تر KLS را فرض می‌گرفتند اکنون می‌توانند بدون شرط بیان شوند و این پایه‌ای مستحکم‌تر برای هندسه محدب، احتمال و علوم کامپیوتر نظری فراهم می‌کند.

این نتیجه نظری است و در منبع، محصول یا ابزار عملی جدیدی معرفی نشده است. درباره دسترسی یا کاربرد آن در ایران یا هر محصول دیگر هم چیزی ذکر نشده است.

برای بررسی:Solving a 31-year-old grand challenge in mathematics – the KLS conjecture

نقش هوش مصنوعی و هدایت انسانی

بر اساس گزارش مایکروسافت، نویسندگان با عامل‌های هوش مصنوعی در یک فرایند ساختاریافته و هدایت‌شده توسط انسان بیش از ۱۰۰ رویکرد کاندیدا را بررسی کردند. عامل‌ها مسیرهای مختلف را موازی کاوش می‌کردند و پژوهشگر نتایج میانی را بررسی، مسیرهای کم‌امید را حذف و امیدوارکننده‌ترین نتیجه را به دور بعد منتقل می‌کرد. این فرایند به معیار ریاضی تازه‌ای انجامید که پایه اثبات نهایی شد.

ابزارهای هوش مصنوعی به گفته منبع در کاوش رویکردها، محاسبات تفصیلی، آماده‌سازی دست‌نوشته و بررسی‌های داخلی اثبات کمک کردند؛ اما جهت ریاضی، انتخاب ایده‌ها، مونتاژ استدلال نهایی و راستی‌آزمایی را پژوهشگران انجام دادند. در مسیر جداگانه‌ای، تلاش‌های بدون هدایت با چند مدل پیشرو و با بودجه توکن تقریباً برابر به نتیجه نرسید. این مقایسه مربوط به همین مسئله و گزارش خود نویسندگان است.

برای بررسی:Solving a 31-year-old grand challenge in mathematics – the KLS conjecture

تأییدها و محدودیت‌ها

منبع می‌گوید در همان روزی که اثبات کامل منتشر شد، گروه دیگری از متخصصان اثبات کاملی را که به‌طور موازی ساخته بودند منتشر کردند و اثبات سومی با ایده‌ای نزدیک نیز ظاهر شد. همچنین یک صوری‌سازی Lean 4 منتشر شده که معیار کلیدی نسخه اول مقاله مایکروسافت را با پژوهش‌های دیگر ترکیب می‌کند. نویسندگان نسخه کوتاه‌تر اثبات را نیز در Lean راستی‌آزمایی کرده‌اند و پس از بازبینی نهایی آن را منتشر خواهند کرد.

آزمون مستقل مستقل از این گزارش در متن ارائه‌شده نیامده است؛ آنچه هست، توصیف خود مایکروسافت از اثبات‌های موازی و صوری‌سازی است. نویسندگان هنوز در حال ساده‌سازی اثبات و گسترش راستی‌آزمایی صوری‌اند.

برای بررسی:Solving a 31-year-old grand challenge in mathematics – the KLS conjecture

پشت این نوشته

منابع و جزئیات

این خبر با کمک هوش مصنوعی نوشته شده و با بررسی خودکار منابع و متن منتشر شده است. تصویر، تصویرسازی مفهومی است.

این منابع را می‌توانی برای بررسی ادعاها و جزئیات بیشتر بخوانی. تاریخ کنار هر منبع، زمان بررسی آن برای این نوشته است.

  1. Solving a 31-year-old grand challenge in mathematics – the KLS conjecture
    microsoft.comبررسی:

نخستین انتشار:

روش تهیه و بازبینی نوشته‌ها