محاسبات نمادین (Symbolic Computation) یکی از ارکان اصلی استدلال ریاضی در هوش مصنوعی است که به دلیل پیچیدگی بالا، همیشه با محدودیت دادههای برچسبدار برای یادگیری عمیق روبرو بوده است.
محققان در یک پژوهش جدید، راهکاری برای غلبه بر این مشکل پیدا کردهاند! آنها با طراحی مجموعهای از وظایف مرتبط که دادههای فراوانی برایشان در دسترس است، یک مدل ترنسفورمر را پیشآموزش داده و سپس برای بهینهسازی «تجزیه جبری استوانهای» (CAD) تنظیم کردهاند. نتیجه؟ عملکردی فراتر از بهترین روشهای اکتشافی (Heuristic) موجود که دریچهای نو به سوی حل مسائل پیچیده منطق ریاضی میگشاید. 🧠✨
منبع: arXiv Machine Learning