0

0
0

文字

分享

0
0
0

解開高斯相關性猜想,退休統計學家的靈光一閃

UniMath_96
・2017/04/09 ・3326字 ・閱讀時間約 6 分鐘 ・SR值 513 ・六年級

文/陳宏賓|UniMath 主編、逢甲大學應用數學系助理教授

一道靈光射進了羅炎的腦袋,困擾數十年的高斯相關性猜想終於攻破了大門!圖/By edfungus @ pixabay, CC0 Public Domain

2014 年夏天的某一個清晨,陽光如往常一樣穿透白色窗簾照了進來,羅炎起身前往浴室盥洗,一邊刷著牙一邊回想昨晚入睡前那個證明。突然間,一道靈光射進了羅炎的腦袋,困擾數十年的高斯相關性猜想(Gaussian Correlation Inequality Conjecture)終於攻破了大門!

連結機率、統計與幾何的猜想 

高斯相關性不等式(GCI)有許多不同的版本,其中最著名的是 1972 年連結機率、統計以及幾何三大領域的版本:

想像一個射飛鏢遊戲,以正中紅心為目標射許多次,飛鏢落點會以紅心為中心呈現類似鐘形的高斯分佈(或者稱常態分佈),如果以紅心為中心點同時畫一個圓和一個方形,高斯相關性不等式即是說飛鏢落在圓和方形的交集的機率會大於或者等於落在圓形的機率乘以落在方形的機率。

-----廣告,請繼續往下閱讀-----

P(圓 ∩ 方)≥ P(圓)× P(方)

這裡不同於下面這種大家比較熟知的獨立事件機率,若 A 跟 B 是統計獨立的兩事件,則我們會有這個等式:

P(A ∩ B)= P(A)× P(B)

直觀來說,由於圓形和方形有重疊部分區域,射中其中一個的情況下,同時也射中另一個的機率會因此提高。

-----廣告,請繼續往下閱讀-----

事實上,GCI 猜測是針對任意維度 d 都成立,且兩個同中心的形狀只要是具有對稱性的凸集(symmetrical convex set)即可。

高斯相關性不等式(GCI)有許多不同的版本,其中最著名的是 1972 年連結機率、統計以及幾何三大領域的版本,來想像一下丟飛鏢。圖/By 15299 @ pixabay, CC0 Public Domain

GCI 猜想的原始型態是統計學中關於信賴區間的估算,由美國統計學家奧利佛.丹(Olive Dunn)在 1959 年首次提出。

想像我們要針對一群人(已知平均身高是 170 公分,平均體重是 65 公斤),給出一個身高和體重的範圍,使身高體重同時落在此範圍內的人數佔全部的 90% 以上。 這任務可不太容易,因為人的身高和體重是彼此相關,並非獨立的。假設身高和體重分別都呈現高斯分佈(常態分佈)的情況下,依據[68-95-99.7 法則]我們知道

P(平均加減兩個標準差)≥ 95%

-----廣告,請繼續往下閱讀-----

也就是說,如果身高和體重標準差分別是 7 和 8,我們會知道

P(身高介於 156 到 184 的人數)≥ 95%
P(體重介於 49 到 81 的人數)≥ 95%

再由高斯相關性不等式可以推得

P(身高介於 156 到 184 公分且體重介於 49 到 81 公斤的人數)≥ 0.95 × 0.95 = 0.9025

-----廣告,請繼續往下閱讀-----

維度 d=2 的情況早在 1977 年就被維吉尼亞大學的羅倫.彼特(Loren Pitt)教授證明出來。受訪時,羅倫緩緩地閉起眼睛,說起 1973 年某次和同事吃午餐時聽到這道「簡單」的數學問題時的回憶:

「嘿~羅倫,你知道有個有趣的數學問題 GCI 嗎? 就是想像一個射飛鏢遊戲,然後……」
「聽起來蠻有意思的,老墨~不過,你說這個還沒有人解出來?!」語氣顯得有點疑惑。
「恩!還沒有。」
「不太可能吧! 看起來不太難啊,應該很快就可以知道答案了。」我心裡當時這麼想。
「於是,我把自己關進一間房間,打算當我再次走出房門時就已經證明  GCI  是正確的或者錯了。」

說到這裡,羅倫張開眼睛望向窗外不發一語。而時間一轉眼已經過了將近四十年……

湯瑪斯.羅炎

故事回到解開謎底的湯瑪斯.羅炎(Thomas Royen)身上,今年已經 70 歲的他是德國一位退休統計學家,在這次事件之前可能沒甚麼人聽過他,這點倒是和前幾年華裔數學家張益唐有點像,某天突然靈光一現洞悉真理的故事在數學界也不算少數,不過這次倒是有幾點值得特別一提的趣事。

-----廣告,請繼續往下閱讀-----

要解決一道難題不妨先把它變得更難

首先,數學界有件事情是外界的人難以想像的。「經常發生一種情況是,解決一道看起來很困難不會解的問題的方法是把這個問題推廣成一個更難的問題,然後解決它。

聽起來有點荒謬,打個比方,就好像是一個屢次練習中連 10K 都跑不完的跑者,居然去挑戰極地超馬想藉此證明自己可以跑完 10K。羅炎的證明就是走這個套路,把猜想中高斯分佈這個條件推廣到更複雜、更一般的情況。神奇的是,問題居然就這樣解了,證明還只用了 3 頁!!!
(不過,有人覺得羅炎的版本太神了,可能不太好體會其奧妙之處,因此寫了個簡易 GCI 版的。)

在數學界經常發生一種情況是,解決一道看起來很困難不會解的問題的方法是把這個問題推廣成一個更難的問題,然後解決它。圖/By skeeze @ pixabay, CC0 Public Domain

差點沉沒的寶石

第二,這個影響重大的論文羅炎居然把它投稿到一個名不見經傳的印度期刊,因此使得他的論文 2014 年發表之後又過了兩年 才漸漸引起學術界的注意。一顆璀璨的鑽石差點就沉沒汪洋大海之中。一個學術上極重要的成果發表兩年後才傳播開來,在這個通訊發達的年代,幾乎是怎麼想都不太可能發生的事情。

而不太可能發生的事情終究還是發生了。

-----廣告,請繼續往下閱讀-----

峰迴路轉

羅炎不會用數學界編輯論文常用的 LaTeX 軟體,論文初稿是用 word 打的,完成後一份丟上 arXiv,一份寄給一年半以前曾指出他在一篇嘗試證明 GCI 的論文中所犯之錯誤的賓州州立大學丹諾.理查德斯(Donald Richards)教授,當理查德斯收到信件時,一眼他就知道「Bingo!就是你了!」

事後回想起來,理查德斯有幾分懊惱,這個精簡的證明居然自己三十幾年來都沒有想到。這種心情搞數學的人一生中或多或少都會遇上個幾次吧。

不過,他也慶幸能在有生之年看到 GCI 的美妙證明問世。理查德斯興奮之餘還不忘將這個重大發現通知幾個同事,也熱心的幫忙把論文重新用 LaTeX 編輯,讓它看起來專業一點,符合頂尖期刊的水平。

可惜的是,投稿出去還是撞牆,原因是過去數十年來聲稱證明 GCI 猜想的論文每年都有一籮筐,期刊的審稿委員看都看膩了,通常一下子就能指出關鍵性的錯誤所在,要是碰上像羅炎這樣沒沒無聞的傢伙,通常也不會太認真對待。

-----廣告,請繼續往下閱讀-----

羅炎的論文因此被草率忽略了!
羅炎的論文因此被草率忽略了!!
羅炎的論文因此被草率忽略了!!!

雖然有人曾建議羅炎投到最頂尖的期刊,像是統計年鑑(Annals of Statistics),這樣子一來消息很快就會傳到全世界,不過羅炎考量後還是決定投到很快就可以發表的印度期刊 Far East Journal of Theoretical Statistics,這種期刊的壞處就是即使刊出之後也不太有人知道這件事。一直到 2015 年底 Rafał Latała 和他的學生 Dariusz Matlak 重新寫了一個簡易 GCI 版本的論文,2017 年 3 月 28 日知名雜誌 Quanta Magazine 刊出一篇專欄報導,整個事件才得以散播出來。

最後,羅炎教授受訪時表示,他希望這個意外簡單的證明能夠鼓勵年輕的學生,善用自己的創意去尋找新的數學定理,畢竟那並不總是需要具備非常高深的理論基礎才辦得到。

“the surprisingly simple proof … might encourage young students to use their own creativity to find new mathematical theorems, since a very high theoretical level is not always required.”

本文轉載自UniMath,原文為[統計學突破]解開高斯相關性猜想,退休統計學家湯瑪斯羅炎的神來一筆

作者簡介:陳宏賓 - UniMath 主編、逢甲大學應用數學系助理教授。
數學既深且廣,我懂得不多,最喜愛組合數學相關領域,主要研究興趣是群試理論、圖論及最優化分解。2013 年出版「Partitions: Optimality and Clustering, Volume II: Multi-Parameter」一書(與 Uriel Rothblum 和 Frank K. Hwang 教授合著)。對於數學和教育有強烈的熱忱和使命感,積極創立 UniMath 電子數學媒體,致力於推廣數學文化。

關於UniMath:UniMath (You Need Math)是一個 Online 數學媒體,我們的目的是成為一個線上平台,發表數學相關的科普文章及影音,使數學用更柔軟的姿態走入群眾,提升數學素養。歡迎加入 Facebook 粉絲團知道第一手訊息!

參考文獻:

  1. L. D. Pitt, A Gaussian correlation inequality for symmetric convex sets, Ann. Probab. 5 (1977), 470– 474.
  2. T. Royen, A simple proof of the Gaussian correlation conjecture extended to multivariate gamma distributions, Far East J. Theor. Stat. 48 (2014), 139–145.
  3. R. Latala and D. Matlak. Royen’s proof of the Gaussian correlation inequality. ArXiv http://arxiv.org/abs/1512.08776, 2015.
  4. A Long-Sought Proof, Found and Almost Lost, Quanta Magazine, 2017/03/28.
-----廣告,請繼續往下閱讀-----
文章難易度
UniMath_96
9 篇文章 ・ 209 位粉絲
UniMath (You Need Math) 是一個 Online 數學媒體,我們的目的是成為一個線上平台,發表數學相關的科普文章及影音,使數學用更柔軟的姿態走入群眾,提升數學素養。

0

1
0

文字

分享

0
1
0
人與 AI 的關係是什麼?走進「2024 未來媒體藝術節」,透過藝術創作尋找解答
鳥苷三磷酸 (PanSci Promo)_96
・2024/10/24 ・3176字 ・閱讀時間約 6 分鐘

本文與財團法人臺灣生活美學基金會合作。 

AI 有可能造成人們失業嗎?還是 AI 會成為個人專屬的超級助理?

隨著人工智慧技術的快速發展,AI 與人類之間的關係,成為社會大眾目前最熱烈討論的話題之一,究竟,AI 會成為人類的取代者或是協作者?決定關鍵就在於人們對 AI 的了解和運用能力,唯有人們清楚了解如何使用 AI,才能化 AI 為助力,提高自身的工作效率與生活品質。

有鑑於此,目前正於臺灣當代文化實驗場 C-LAB 展出的「2024 未來媒體藝術節」,特別將展覽主題定調為奇異點(Singularity),透過多重視角探討人工智慧與人類的共生關係。

-----廣告,請繼續往下閱讀-----

C-LAB 策展人吳達坤進一步說明,本次展覽規劃了 4 大章節,共集結來自 9 個國家 23 組藝術家團隊的 26 件作品,帶領觀眾從了解 AI 發展歷史開始,到欣賞各種結合科技的藝術創作,再到與藝術一同探索 AI 未來發展,希望觀眾能從中感受科技如何重塑藝術的創造範式,進而更清楚未來該如何與科技共生與共創。

從歷史看未來:AI 技術發展的 3 個高峰

其中,展覽第一章「流動的錨點」邀請了自牧文化 2 名研究者李佳霖和蔡侑霖,從軟體與演算法發展、硬體發展與世界史、文化與藝術三條軸線,平行梳理 AI 技術發展過程。

圖一、1956 年達特茅斯會議提出「人工智慧」一詞

藉由李佳霖和蔡侑霖長達近半年的調查研究,觀眾對 AI 發展有了清楚的輪廓。自 1956 年達特茅斯會議提出「人工智慧(Artificial Intelligence))」一詞,並明確定出 AI 的任務,例如:自然語言處理、神經網路、計算學理論、隨機性與創造性等,就開啟了全球 AI 研究浪潮,至今將近 70 年的過程間,共迎來三波發展高峰。

第一波技術爆發期確立了自然語言與機器語言的轉換機制,科學家將任務文字化、建立推理規則,再換成機器語言讓機器執行,然而受到演算法及硬體資源限制,使得 AI 只能解決小問題,也因此進入了第一次發展寒冬。

-----廣告,請繼續往下閱讀-----
圖二、1957-1970 年迎來 AI 第一次爆發

之後隨著專家系統的興起,讓 AI 突破技術瓶頸,進入第二次發展高峰期。專家系統是由邏輯推理系統、資料庫、操作介面三者共載而成,由於部份應用領域的邏輯推理方式是相似的,因此只要搭載不同資料庫,就能解決各種問題,克服過去規則設定無窮盡的挑戰。此外,機器學習、類神經網路等技術也在同一時期誕生,雖然是 AI 技術上的一大創新突破,但最終同樣受到硬體限制、技術成熟度等因素影響,導致 AI 再次進入發展寒冬。

走出第二次寒冬的關鍵在於,IBM 超級電腦深藍(Deep Blue)戰勝了西洋棋世界冠軍 Garry Kasparov,加上美國學者 Geoffrey Hinton 推出了新的類神經網路算法,並使用 GPU 進行模型訓練,不只奠定了 NVIDIA 在 AI 中的地位, 自此之後的 AI 研究也大多聚焦在類神經網路上,不斷的追求創新和突破。

圖三、1980 年專家系統的興起,進入第二次高峰

從現在看未來:AI 不僅是工具,也是創作者

隨著時間軸繼續向前推進,如今的 AI 技術不僅深植於類神經網路應用中,更在藝術、創意和日常生活中發揮重要作用,而「2024 未來媒體藝術節」第二章「創造力的轉變」及第三章「創作者的洞見」,便邀請各國藝術家展出運用 AI 與科技的作品。

圖四、2010 年發展至今,高性能電腦與大數據助力讓 AI 技術應用更強

例如,超現代映畫展出的作品《無限共作 3.0》,乃是由來自創意科技、建築師、動畫與互動媒體等不同領域的藝術家,運用 AI 和新科技共同創作的作品。「人們來到此展區,就像走進一間新科技的實驗室,」吳達坤形容,觀眾在此不僅是被動的觀察者,更是主動的參與者,可以親身感受創作方式的轉移,以及 AI 如何幫助藝術家創作。

-----廣告,請繼續往下閱讀-----
圖五、「2024 未來媒體藝術節——奇異點」展出現場,圖為超現代映畫的作品《無限共作3.0》。圖/C-LAB 提供

而第四章「未完的篇章」則邀請觀眾一起思考未來與 AI 共生的方式。臺灣新媒體創作團隊貳進 2ENTER 展出的作品《虛擬尋根-臺灣》,將 AI 人物化,採用與 AI 對話記錄的方法,探討網路發展的歷史和哲學,並專注於臺灣和全球兩個場景。又如國際非營利創作組織戰略技術展出的作品《無時無刻,無所不在》,則是一套協助青少年數位排毒、數位識毒的方法論,使其更清楚在面對網路資訊時,該如何識別何者為真何者為假,更自信地穿梭在數位世界裡。

透過歷史解析引起共鳴

在「2024 未來媒體藝術節」規劃的 4 大章節裡,第一章回顧 AI 發展史的內容設計,可說是臺灣近年來科技或 AI 相關展覽的一大創舉。

過去,這些展覽多半以藝術家的創作為展出重點,很少看到結合 AI 發展歷程、大眾文明演變及流行文化三大領域的展出內容,但李佳霖和蔡侑霖從大量資料中篩選出重點內容並儘可能完整呈現,讓「2024 未來媒體藝術節」觀眾可以清楚 AI 技術於不同階段的演進變化,及各發展階段背後的全球政治經濟與文化狀態,才能在接下來欣賞展區其他藝術創作時有更多共鳴。

圖六、「2024 未來媒體藝術節——奇異點」分成四個章節探究 AI 人工智慧時代的演變與社會議題,圖為第一章「流動的錨點」由自牧文化整理 AI 發展歷程的年表。圖/C-LAB 提供

「畢竟展區空間有限,而科技發展史的資訊量又很龐大,在評估哪些事件適合放入展區時,我們常常在心中上演拉鋸戰,」李佳霖笑著分享進行史料研究時的心路歷程。除了從技術的重要性及代表性去評估應該呈現哪些事件,還要兼顧詞條不能太長、資料量不能太多、確保內容正確性及讓觀眾有感等原則,「不過,歷史事件與展覽主題的關聯性,還是最主要的決定因素,」蔡侑霖補充指出。

-----廣告,請繼續往下閱讀-----

舉例來說,Google 旗下人工智慧實驗室(DeepMind)開發出的 AI 軟體「AlphaFold」,可以準確預測蛋白質的 3D 立體結構,解決科學家長達 50 年都無法突破的難題,雖然是製藥或疾病學領域相當大的技術突破,但因為與本次展覽主題的關聯性較低,故最終沒有列入此次展出內容中。

除了內容篩選外,在呈現方式上,2位研究者也儘量使用淺顯易懂的方式來呈現某些較為深奧難懂的技術內容,蔡侑霖舉例說明,像某些比較艱深的 AI 概念,便改以視覺化的方式來呈現,為此上網搜尋很多與 AI 相關的影片或圖解內容,從中找尋靈感,最後製作成簡單易懂的動畫,希望幫助觀眾輕鬆快速的理解新科技。

吳達坤最後指出,「2024 未來媒體藝術節」除了展出藝術創作,也跟上國際展會發展趨勢,於展覽期間規劃共 10 幾場不同形式的活動,包括藝術家座談、講座、工作坊及專家導覽,例如:由策展人與專家進行現場導覽、邀請臺灣 AI 實驗室創辦人杜奕瑾以「人工智慧與未來藝術」為題舉辦講座,希望透過帶狀活動創造更多話題,也讓展覽效益不斷發酵,讓更多觀眾都能前來體驗由 AI 驅動的未來創新世界,展望 AI 在藝術與生活中的無限潛力。

展覽資訊:「未來媒體藝術節——奇異點」2024 Future Media FEST-Singularity 
展期 ▎2024.10.04 ( Fri. ) – 12.15 ( Sun. ) 週二至週日12:00-19:00,週一休館
地點 ▎臺灣當代文化實驗場圖書館展演空間、北草坪、聯合餐廳展演空間、通信分隊展演空間
指導單位 ▎文化部
主辦單位 ▎臺灣當代文化實驗場

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

1

0
0

文字

分享

1
0
0
小透鏡們的魔術- 由模糊而生的清晰 ! Engraved panel casts image on walls
Scimage
・2011/05/31 ・515字 ・閱讀時間約 1 分鐘 ・SR值 498 ・六年級

-----廣告,請繼續往下閱讀-----

家裡有方格玻璃門的朋友都知道,光通過那種玻璃門會變成像是光斑,如果再離遠一點就變成均勻的光。這樣的設計是為要讓光被打亂,所以外面的人看不到裡面,可是光又進的去。不過這樣的模糊特性不是絕對的,經由數學計算,其實清晰的影像可以從這樣的光斑來產生。

影片中的小板子上有很多非等向性的小透鏡,打上光之後,如果離螢幕很近,就只會產生光斑,不過把這小板子慢慢拿遠以後,照出來的光斑慢慢變成聚合成的美女跟愛因斯坦的影像了( 做影像展示的好像很喜歡用愛因斯坦,像之前介紹過的用細菌照相也是!)。

這樣的技術是透過把影像的深淺強度用橢圓的高斯分布來展開,用很多可控制位置的模糊影像來合成清晰影像,最後將可對應造成光斑的小透鏡做成表面的起伏就完成了。以往這樣的系統常常是在傅立葉轉換平面,利用控制光的波前相位分布來達成,不過那樣的技術需要特殊的調變元件,也會損失光強(發光強度)。這影片提出的方式比較直觀跟容易設計,也有可能大規模利用塑膠材質來達成,或許可以用在一些特定的照明場合上~!

學術文獻

-----廣告,請繼續往下閱讀-----

本文原發表於科學影像Scimage[2011-05-30]

-----廣告,請繼續往下閱讀-----
所有討論 1
Scimage
113 篇文章 ・ 4 位粉絲
每日介紹科學新知, 科普知識與實際實驗影片-歡迎每一顆好奇的心 @_@!