(AI应用观察记者 李赟)熊墨淼 这些研究具有相当的意义。我把希尔伯特第六问题推广到微分流形空间,发展为可广泛使用生物,气候和洪水研究,教育,交通和工程的广阔领域。我初步完成了逆转癌细胞为正常细胞,逆转衰老细胞为年轻细胞,返老还童,不仅对治疗老年迟呆症,而且对延长寿命到百岁以上具有重大的意义。这些研究涉及到伊藤随机微分方程,斯特拉塔诺维奇随机微分方程,都是在微分流形上做的。因而有一定的难度。我反驳了把数学研究局限于解决数学猜想的狭小的纯数学研究意见,鼓励广大青年学生破除迷信,敢于斗争,敢于胜利,把数学研究与人工智能结合起来,与物理,化学,生物,工程技术和经济建设结合起来,消除悲观思想,创造数学研究的新时代。
#AI应用观察 #应用观察 #AI观察 #AI与知识产权发展论坛 #AI与心理健康
![]()
Content 熊墨淼
人工智能最擅长的领域之一
数学猜测的研究
城市化,气象和希尔伯特第六问题
是否需要将模型扩展到流形空间
通过方向感知制动与演化控制实现条件性安全改进肿瘤细胞逆转的非线性微观—宏观控制
实现衰老细胞持久逆转的非线性随机控制与系统辨识数学真正的的生命力在于它的广泛使用
人工智能最擅长的领域之一
最近,人工智能系统部分解决了尚未解决的世界数学猜测在纯粹数学领域引起了巨大的震动和激烈的争议。那个曾经被一部分人认为是顶尖数学,成功者往往被授予费尔兹奖因解决了多年尚末解决的数学猜测(难题)研究领域成为第一个被人工智能攻克的数学领域。長期以来一些人,甚至数学学会认为这个领域是数学领域的代表者,是最难解决的数学问题。只有聪明绝顶的人才能解决。数学是科学的皇冠,而世界数学难题是皇冠上的皇冠。自然而然要问的问题是人工智能为什么首先摘到的是皇冠上的皇冠。众所周知,人工智能最擅长的是模式识别。数学猜测往往首先考察数字小的时候,手工可算的时候情况,然后推广到一般情况,对大小数字都合适。用肉眼很难看出导致数学猜测成立的模式,数学归纳法难于应用。但计算机运算速度很快,人工智能在许多情况下比人更容易识别隐藏在组成数学猜测的一组数字的结构、相互关系、規律和模式。人工智能往往用复杂的组合等关系拼接等工具解决数学猜测等难题。所以比人更快地解决了多年末能解决的数学猜测和数学难题。
数学猜测的研究
第二个问题,在数学猜测已经有了答案以后,我们是进一步深入研究,还是就此终止,高奏凯歌而回。数学猜测的研究分为三个步骤。第一步是回答猜测是否成立。第二步是若猜测成立,怎样证明。第三步是在证明完成以后,如何进步推广和应用。
我不擅长研究数学猜测,也很少试图解决此类问题。只是近来在知悉人工智能可以解决数学猜测难题的时候,试图应用这些猜测难题的解到数学、生物和工程问题中去。
我们以邓煜等所解决的希尔伯特空间第六问题为例。邓煜等解决了在欧氏空间上的希尔伯特空间第六问题,但未提及是否可以推广到流形上去。我们完成了这一推广。邓煜等在证明完成以后,如何进一步推广到其他领域也末进行详细的讨论。我们他推广到城市建设和气象预报,单细胞组学和组织,细胞的逆向转变,即癌细胞转化为正常细胞,纤维化细胞转化为正常细胞,逆转细胞的衰老,从而有可能大大延迟衰老过程,提高人的寿命。
城市化,气象,极端降雨与洪水和希尔伯特第六问题
城市、建筑物、空气、降雨、排水系统和区域气候,可以表示为相互作用的多层次群体系统。群体智能(population intelligence)与城市气候可以共享若干数学结构,包括动力学理论、平均场极限、流体动力学、相互作用智能体系统、稀有事件理论和控制理论。不过,它们的状态变量和物理机制并不相同.
![]()
![]()
是否需要将模型扩展到流形空间
答案是:需要,但应当有选择地进行。
在几何结构实质性改变输运、相互作用或风险的地方,应将模型扩展到流形空间;但不应仅仅为了数学形式优美,而将所有变量都强行放置在流形上
地球和区域大气:流形结构是必要的.大气在一个弯曲、旋转的地球表面上演化。对于洲际尺度和全球尺度建模,这种几何结构十分重要,因为在大范围区域中,普通平面距离和方向会产生明显误差。
地形和城市地表:城市通常位于具有起伏地形的地表流形上.
这对于下列环境特别重要:
• 山区城市;
• 河谷城市;
• 沿海城市;
• 隧道和地下空间;
• 高架道路;
• 不规则排水流域。
如果采用平面模型,可能会错误预测:
• 地表径流方向;
• 水体积聚位置;
• 洪峰传播路径;
• 洪水到达时间。
地球表面分布的城市群:距离本身并不足以描述城市间的大气耦合。大气输运具有方向性,因此K_wind还应表示:
盛行风;
季风环流;
山脉屏障;
水汽输送通道;
河流流域连接;
海陆相互作用。
我们整合了一个气候网络模块、一个地球系统基础模型模拟器、一个QWRF-Net风格的多尺度降水生成器、一个城市冠层大气模型、一个地表水文模型、一个双向定点耦合器、反事实因果归因以及受约束的干预优化。在包含1200场风暴的配对结构化基准测试中,完整混合模型将洪涝深度的均方根误差(RMSE)从单向混合模型的0.129米降低至0.049米,并将淹没临界成功指数(CSI)从0.817提高到0.931。配对绝对误差的改善量为0.058米(95%自助抽样区间为0.056–0.060米)。
通过方向感知制动与演化控制实现条件性安全改进
在安全约束下提高任务完成率,需要区分控制策略、不确定性表征以及可用信息各自的局限。我们在一个简化的机器人控制实现中研究这些机制,其设计受到通用微观—宏观涌现与控制框架及其拟议的物理Transformer 扩展(UMMEC–PT)的启发。差速驱动机器人在执行器增益不确定、响应滞后和观测含噪的条件下穿越狭窄通道。
在研究A 中,将圆形停车区域替换为考虑运动方向的制动扫掠包络后,六种条件下的安全完成率由4.33%提高至75.17%;在复合扰动对照中,安全完成率由0%提高至42%
。两种配备安全防护机制的控制器均未出现观测到的安全净距违规。
研究B 使用1,600 次留出测试回合,比较了基线控制器、受约束的演化参数搜索、外部高精度定位干预,以及二者的组合。在复合扰动条件下,四种方案的安全完成率分别为30.0%、47.0%、96.0%和97.5%。所有方案均未记录到安全净距违规或碰撞。演化优化使合并统计的任务完成率提高了10.5 个百分点(配对分析的95%置信区间为7.25–14.00 个百分点);而在高精度定位的基础上加入演化优化,仅产生了具有不确定性的0.25 个百分点差异(95%置信区间为−2.25 至3.00 个百分点)。
对于每种条件下的每个控制器,200 次试验中零违规所对应的风险单侧95%置信上限为1.49%,并不意味着安全性得到保证。结果表明,在限定范围的仿真环境中,减少可避免的保守性并改善观测,可以在较低的观测风险下支持较高的任务完成率。这些结果并未确立UMMEC–PT 的普遍优越性,也未验证硬件安全性,亦不代表训练后的Transformer所取得的结果。
![]()
肿瘤细胞逆转的非线性微观—宏观控制
癌细胞逆转所需的,不仅仅是识别一种能够使平均转录组状态趋向正常的分子扰动。具有临床意义的数学表述必须涵盖异质性细胞状态、耐药与逃逸克隆、健康细胞区室、不完美观测、治疗时序以及治疗后复发。我们建立了一个非线性微观—宏观框架:单细胞状态通过相互作用的随机动力学在学习得到的流形上演化,通过单细胞RNA 测量和RNA 速度进行观测,并利用非线性可达性分析、李括号检验、序贯状态估计和序列级随机模型预测控制实施调控。经过校准的物理Transformer 残差项可用于补充机理性漂移项,但不能取代它。安全性通过一组保持不变、能够考虑不确定性的门控判据加以约束,分别针对细胞逆转、耐药与逃逸克隆的绝对负荷、健康区室损伤、吸引域进入以及撤除治疗后的效果持久性。
在六种合成数据生成机制与观测条件下,非线性李括号控制器的平均联合成功率为64.4%,而刻意简化的REVERT 类靶点选择基线方法仅为0.6%。这一比较并未评估已发表的REVERT 实现,因此仅构成内部压力测试中的对照。在一项包含60 名供者的合成配对类器官实验中,WEE1 抑制联合CD44v6 靶向伊立替康改善了对健康细胞的保护,但未通过耐药克隆抑制效果的门控判据,仍存在经量化为22.1%的终
末抑制缺口。加入模型中的EpCAM 互补靶向干预后,两项门控判据均得到满足;即使其增量效应降低50%,该方案仍通过认证。USP7 抑制则是一个具有稳健性的次选候选方案。一项预先冻结的前瞻性研究设计要求成功建立30 组供者配对的肿瘤—正常组织类器官系;在建系成功率为70%的假设下,约需招募43 名签署知情同意书的供者。在效应衰减50%的条件下,该设计的模拟联合统计功效为93.5%。这些结果支持形成第1 版计算假说及其前瞻性检验方案,并不构成治疗方案。在得出生物学结论之前,仍需开展独立的剂量与测定方法校准,以及来自新供者的类器官实验。
![]()
![]()
![]()
实现衰老细胞持久逆转的非线性随机控制与系统辨识
近年来的研究催生了互补的实验设置。转录组学筛选将SRSF1 确定为成纤维细胞中衰老相关程序的候选调控因子。老年造血干细胞(HSCs)中的溶酶体干扰(或:扰动)将细胞器机制与再生分析联系了起来。直接的神经干细胞转化表明,新细胞命运的获得与衰老相关特征的减少可以在不同的时间尺度上展开。这些研究支持将重编程、持久性和功能结合起来进行研究,同时保持“谱系内修复(或:恢复)”与“谱系身份改变”之间的区别。
成纤维细胞和造血干细胞(HSCs)为同一类模型提供了不同的测试。成纤维细胞适用于转录组预测、身份评估以及与修复相关的功。而造血干细胞则更加强调谱系输出、生态位(或:龛)支持、绝对克隆负荷以及撤药后的再生。它们的测量函数和干预系数应该分别进行估计;共享数学符号并不意味着共享生物学参数。
逆转衰老相关的细胞功能障碍,需要区分持久的功能恢复与短暂的分子响应、残余暴露、选择效应及异常扩增。我们建立了一个数学框架,将克隆结构化的群体动力学、干预暴露、依赖微环境的效应持续性、因果状态空间推断和RNA 动力学相结合。该框架的简化实
现采用相互独立的开发、校准和测试队列,评估衰老造血干细胞(HSC)和成纤维细胞情景。
在一项析因设计的合成对照研究中,考虑干预撤除的规划使联合成功率提高了12.67 个百分点,而改变几何惩罚项的影响较小且存在不确定性。后续考虑克隆风险和微环境的规划器,在不同机制下既带来了改善,也出现了性能下降;独立评估未能支持建立一个普遍可靠、用于判定能否宣称成功的门控规则。
一项新的预测与可辨识性研究评估了3,840 名合成供体和24,576 次留出预测。平方根滤波降低了不同随机种子所导致的结果变异,但在标称HSC 情景下,联合RNA 模型的功能预测均方根误差(RMSE)为0.0338,仅采用生物学动力学的模型为0.0341,两者的配对差异仍存在不确定性。RNA 变化方向信息改善了较弱的基于计数的预测器,但未能超越更强的生物学基线模型。若干动力学参数仍难以准确恢复;在强漂移条件下,仅采用生物学动力学的预测器和联合动力学预测器的联合覆盖率均降至零。
一项探索性的SRSF1 成纤维细胞基准研究使用了来自两个供体细胞系的72 个群体水平测序文库。效应保留基线模型预测第16 天基因表达对比值的平均RMSE 为0.599,而沿用上一时点数值的基线模型为0.728。这一结果并不能证明RNA 速度具有预测优势。所检查的HSC 分子数据发布集缺少预测干预撤除后功能所需的配对测量。因此,我们制定了一项可执行的配对HSC 先导研究方案,将干预物清除、RNA、细胞器功能、克隆及再生结局的测量关联起来。
该框架在明确假设的前提下识别计算与实验瓶颈;它尚未证实生物学年轻化的有效性,也未验证任何治疗策略。
![]()
![]()
数学真正的的生命力在于它的广泛使用
即使近代数学的发展,其贡献大多数不是来自解数学难题,证伪数学猜测,而是来自科学技术和工程发展的需要,来自数学本身发展的需要。数学真正的的生命力在于它的广泛使用,在于大多数普通工程技术人员,普通从事数学研究的人员能理解,掌握和应用。如日本数学家伊藤发展的积分理论,是现代随机过程的基础,是求解实际问题的强有力的工具,苏联数学家庞特里雅金发展的极值原理,康脱洛维奇发展的数学规划原理都是应用于工程建设和经济发展的强有力工具。
我还在大学低年级的时候阅读过苏联数学家亚历山大洛夫等箸,由秦元勋译的《数学—它的内容、方法和意义》。该书共有20章,分三卷出版。各章均由当时苏联第一流学者撰写。该书包括数学分析,解析几何,微分几何,代数几何,高等代数,抽象代数,常微分方程,偏微分方程,变分法和极值原理,复变函数,泛函分析,质数,概率论和数理统
计,函授逼近论,算法,实变函数和泛函分析,抽象空间,拓扑,代数、几何拓扑,群论等。
证明仅是数学的一小部分。计算和算法是更广泛的,广为深入的。陶哲轩等人夸大了他们所研究的领域的作用。这些数学猜测仅构成数学研究内容的一小部分。世界从事这一领域研究的数学家,数学研究工作者,特别是学生占数学系的学生不到0 .1%。广大数学研究工作者和学生是工作在数学的其他领域。下面简单图示定理发现的神经科学机制,泰勒展开发现的过程,人工智能时代末来的统计教育,人工智能时代的应用数学,人工智能时代的应用数学教育。
![]()
![]()
![]()
![]()
![]()
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.