股市配资DeepMind给AI出了200万道数学题,结果不如计算器哈哈哈哈哈

额,这是别人家的奥数题。

△罗马尼亚数学大师赛,中国队全军覆没的一题

不过,现在是9102年了,几乎每天都有“AI超越人类”的新闻。所以,把我们中学时候写过的那些数学作业,扔给神经网络,它们做得出来幺?

地球的另一个角落,DeepMind读懂了你的心,给神经网络们出了一套数学题,200万道。数据集已经放出来了。

算术,代数,概率论,微积分……不管是算式,还是人类语言描述的题目,只要能用文本写出来。

比如,这道排列组合 (中译版) :

问:从这串字母qqqkkklkqkkk里面,不放回地取三个出来,求取出qql的概率。

答:1/110。

再比如,这道复合函数:

问:求g(h(f(x))), f(x) = 2x + 3, g(x) = 7x ? 4, h(x) = ?5x ? 8。

答:?70x ? 165

都是AI的数学考题了。

消息一出,人类纷纷欢呼了起来:天道好轮回,苍天饶过谁。

200万道,都有什幺题型

为什幺突然想知道AI的数学好不好?

DeepMind说,AI和人类学数学的方法不一样。

我们主要是靠推理、学习、利用法则和运算符号,而AI依赖的是经验和证据。

举个耳熟能详的栗子,机器学习面试梗。

考官:你的强项是什幺?

我:我是机器学习专家。

考官:9+10得多少?

我:3。

考官:差太远了,得19。

我:16。

考官:错了,是19。

我:18。

考官:不对,19。

我:19。

考官:录取你了。

AI的答案,是归纳出来的答案。

DeepMind觉得,没有人类的推理能力,AI学数学会很困难。可数学领域,对神经网络架构的研究来说,又很重要。

所以团队想要看看,用归纳来学数学,究竟怎幺样。

那考试范围是什幺?

最初的样本,是16岁以下 (大概是英国) 公立学校的数学课程。

团队把考纲扩展了一下,一共包括这几个方面:

一是代数,比如求解二元一次方程组,多项式求根,以及求数列的通项。

二是算术,比如四则运算,计算有特定顺序的 (比如带括号的) 的算式,把带根号的表达式简化一下之类的。

三是微积分和多项式求导。

四是比较,判断数的大小,从一列数里面找出和某个数最接近的数等等。

五是测量,比如在不同的长度单位之间转换,计算时间间隔之类的。

六是数字,找约数,四舍五入,整数的数位,因式分解,质数合数等等。

七是多项式运算,合并同类项等等。

八是概率,比如在一堆红白蓝色的球里面,选出红红白的概率。

200万题库是用刚才说的16岁以下教材样本,拿算法生成的。

所以,以上各类问题,是可以有机组合到一起的。这样就有趣了,因为许多数学法则,也是用各种概念合成的。

还是刚才的栗子,复合函数和求导,合在一起,就是复合函数求导。高中学过的,你还记得幺:

[f(g(x))]’=f’(g(x))g’(x)

先求外面这一层,再求里面这一层,乘到一起就可以了。

坐等AI的答题结果。

都有什幺选手

DeepMind举办的考试中,有两位考生,一位是循环神经网络 (RNN) ,另一位是Transformer。

RNN一方派出的是LSTM(长短期记忆) ,有两个模型参加了考试。

第一个比较简单,直接把问题喂给LSTM,一次喂一个字符,模型就输出一个字符。

第二个复杂一些 (如下图) ,是带有注意力机制的编码器+解码器。这个模型在如今的机器翻译里面很常用:它不一定要按照字符输入的顺序来理解来计算,比如8/(1+3) ,就要先算1+3。

第二位考生,则是Transformer模型。作为一种seq2seq模型,它在机器翻译里的表现很好。

先来看一下它的结构:

有一个编码器,可以把数学题矢量序列转换成一个长度相同的序列;还有一个解码器,生成预测的答案。

考试结果怎幺样

相比LSTM,Transformer模型要更胜一筹,两者有差不多数量的参数。

两个网络都没有进行太多“算法推理”,但Transformer模型比LSTM架构更适合学数学:

1、用同样多的参数,可以做更多的计算;

2、具有更浅的架构,更好的梯度传播;

3、有顺序内部存储器,可以更方便的设置数字序列等数学对象。

对AI来说,最简单的数学题是处理小数、整数,以及比较大小,还有不同模块组成的问题,比如:

已知k(c) = -611*c + 2188857,k(-103)! = 2251790是否正确?

或者这种:

将-139/4, 40.8, -555, 607从小到大排列。

最难的数学题则是偏理论一些的题目,比如判断一个数字是否为素数,以及因式分解。

不过,Transformer模型依然能给出看起来有点靠谱的答案。

比如,把235232673分解为几个素数的成绩,它的答案是3,11,13,19,23,1487,正确的答案应该是3,13,19,317453。

虽然没答对,但是看起来长得很像呀。

另外,让Transformer模型直接算数,会发现,如果只让它算加减法,或者只算乘除法,它的准确率大概在90%,但是如果把加减乘除混合起来放到一道题里,它的准确率就只有50%了。

还真的不如计算器呀!

这证明,AI在算数学题的时候,完全靠归纳总结,并没有使用代数技能。

手里有的计算器,都不知道用,真是个老实人。

现在,你可以出去吹牛:

我数学比AI都好。

One More Thing

很遗憾,以目前的结果,AI是不能替我们去考高数了。

不过, 走势图鑫东财配资 这项研究本身就不是在帮你考高数呀,DeepMind作为一个能造出AlphaGo的公司,应该理解不了学渣的痛苦。

搞懂了「AI答数学题,全靠归纳总结」,DeepMind就可以把相关原理拓展到其他更丰富的领域,那些需要归纳总结的问题,或许可以靠AI来解决了。

要不,下次试试让AI去答文科的主观题?

传送门

?论文

Analysing Mathematical Reasoning Abilities of Neural Models

David Saxton, Edward Grefenstette, Felix Hill, Pushmeet Kohli

https://arxiv.org/abs/1904.01557

?数据集

https://github.com/deepmind/mathematics_dataset

— 完 —

量子位AI+系列沙龙--智慧城市

加入社群

量子位AI社群开始招募啦,量子位社群分:AI讨论群、AI+行业群、AI技术群;

欢迎对AI感兴趣的同学,在量子位公众号对话界面回复关键字“微信群”,获取入群方式。

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村(000931)。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位QbitAI · 头条号签约作者

?'?' ? 追踪AI技术和产品新动态

喜欢就点这里吧 !

5月9日盘评:跌进2800范围了该如何操作

5月9日盘评:跌进2800范围了该如何操作


文章


本周自周一跳空大跌以来,上证指数便围绕下轨趋势线进行盘整。


深成指在周一跳空杀跌后,接下来的3天惯性悲观情绪漫延的情况下,也都一直徘徊在周一的低点附近,并未有出现进一步的脱离。


从分时上来看今天在早盘杀跌创出低点后,全天便再未刷新这一低点。

深成指也一样,早盘低点后,全天便未再下行过。

两大指数即便是午盘再次杀跌的情况下,市场情绪恐慌时,也未破早盘的低点。



再来看另一个指标,平均股价指标:


平均股价自高点 黄金外汇配资 以来调整了-15.6%,在周一杀跌年线后

便未再创出新低。从这点可以看出市场

周一之后并未进入全面的杀跌,

而是有出现小幅的分化反弹


尽管这两日大盘都是经历着冲高回落的走势,特别是今天更是出现了两次冲高杀跌,在这样猛烈的回落杀跌情况下,盘中并没有像上周那样出现高位砸板收阴的个股。相反,近几日反而有由下跌从水下拉升至涨停的个股出现,甚至从跌停板拉起到封死涨停的都有,由此可见到这阶段盘口并非是完全的走弱,而是有着蠢蠢欲动想要趁势的做多动机。当然由于大盘多日的连续杀跌,导致这种做多的动力并不能延续太久,所以短期个股的快速拉升后,都会迎来同样快速大幅回调。这也是提醒我们投资者,在近期的交易过程中,对于短线个股交易要快进快出,切不可过度的盲目激进追高,一但大幅拉升后,便得及时获利了结,不要贪多,免得到时坐了过山车,还可能要倒亏。


今天两市上涨1028家,下跌2422家,涨停39家,涨幅+5%以上为78家,跌停25家,跌幅在-5%以上为168家,一大片ST股赶着回地下室。两市共成交4338亿,量能已缩至年前的常态量。都说地量之后有地价,不过我要提醒你的是,在市场并不差钱的情况下,好的上市公司的股价,你想等到地价,是不可能的,除非基本面出了问题。若是基本面出了问题,那地价之后还可能会有更低的地价。


当前大盘回落至2850点下轨趋势线后,在进入盘底阶段。对于多数散户投资者来说,由于个股分化较大,对个股的选择把握度较低,想要通过个股做到盈利并不容易。所以近期建议大家以配置ETF为主,50和300等权重指标股近期是调整的主要目标,所以50ETF和300ETF要少配或不配,个人认为在做盘底反弹阶段,以500ETF为主要目标,目标要求不要高,只几个点为一个小波段目标来交易。等到50跟300调整结束后,再切换回50ETF跟300ETF。领涨的时候是50ETF跟300ETF要强势,而领弹要以500ETF为主要目标。

鸡蛋期货放开落户引二、三线热点城市 房价上涨预期升温

日前,国家发展改革委公布《2019年新型城镇化建设重点任务》,明确大城市取消或放松落户限制,北上广深等超大城市也要大幅增加落户规模。这项改革的出台将为二、三线城市带来更多人才的同时也将提升对住房的需求。

58安居客房产研究院首席分析师张波昨日对《证券日报》表示,不同城市放宽户籍制度,的确会引起购房需求短期上升。长远来看,未来5年至10年放宽户籍,不但可以有效扩大内需,还可以同步保障经济稳定发展,对于国内城镇化率提升,市场健康发展将起到重要作用。

“从现状来看,二、三线城市的人才抢夺在近两年已经展开,长三角、珠三角等五大城市群核心城市的人才抢夺早已”白热化“,落户政策的放宽对于这类城市的影响也更为明显。由于热点二线城市对于人才的吸引力在不断提升,受落户政策放宽影响,更多的蓝领甚至是外来农民工都会在二、三线城市落户,未来大量外来长期务工人员将逐步转为常住人口,对于楼市的推动作用也将更为深入和长远。”张波表示。

苏宁金融研究院高级研究员付一夫昨日在接受《证券日报》采访时表示,落户限制取消后,除了京沪等地外,全国绝大部分城市落户难度已经不大。这就意味着有更多的农村人口有机会平等地获得来自城市的公共资源,同时也让城市中的房地产市场有了更加稳定的市场需求,尤其是对于大都市及其周边城市来说,依然是人们的优先考虑对象,而这些地方的房价会有一个明显的上涨预期。

对于如何平衡房地产开发和城镇化水平、人才需求和稳定楼市的关系?付一夫认为,一个城市,引进人才最重要的作用在于推动当地经济的高质量发展,关键在于促进产业的进步而绝不是投资炒房。在“房住不炒”理念日渐深入人心的今天,除了放开户籍引导人口合理自由流动之外,还应推动人口与土地的挂钩,增加住房建设,同时做好房地产市场管控,谨防投机之风再起。

大智慧鑫东财配资 在张波看来,首先,开放落户限制不代表购房人口在所有城市都会激增,目前大量人口依然是向东部和南部的沿海地区流动,其他非热点城市购房需求不但不会增长,还有可能下降。其次是,开放落户限制在不同规模城市的表现并不相同,不同规模城市因就业吸纳能力、公共服务水平等差异对非户籍人口的吸引力也表现各异。北上广深等一线城市的吸引力长期较强,因此放松力度更多处于“微调”,落户人数增加相对缓慢,楼市调控的放松节奏也会较慢。二、三线城市的落户政策则需谨慎,如果放松过快,则对当地楼市的短期需求有一定刺激作用。最后,楼市稳定也依赖于城镇化水平不断提升,城镇化水平有序、稳步提升对于楼市长期的供需平衡将起到重要的“调节器”作用。值得关注的是,提升的幅度和方式依然也需要“因城而定”,具体的细化政策更需“因城施策”。

相关热词搜索:数学量子

宋钱投资【A股异动

股票配资唯信网福州配资公司「特斯拉的电池」配资盘复牌后什么时候平仓

额,这是别人家的奥数题。 △罗马尼亚数学大师赛,中国队全军覆没的一题 不过,现在是9102年了,几乎每天都有“AI超越人类”的新闻。所 Copyright 2016-2019数学,量子