以下文字资料是由(历史认知网 www.lishirenzhi.com)小编为大家搜集整理后发布的内容，让我们赶快一起来看一下吧！
摘要：神经科学家利用机器学习来“阅读”某人的思想。研究人员接着问了一个问题：EMX什么时候能解决问题在其他机器学习问题中，数学家通常可以说，在给定的情况下，学习问题是否可以根据他们拥有的数据集来解决。哥德尔和另一位叫保罗·科恩的数学家发现了一个例子：连续体假设。是一个没有答案的问题。结果表明，EMX只有在连续体假说成立时才能解决问题。同样，这个永恒的谜团可能不会对机器学习造成重大障碍。
数学家发现了一个他们无法解决的问题。这并不是说他们不够聪明，根本没有答案。
这个问题与机器学习有关——一些计算机用来“学习”如何完成特定任务的人工智能模型的类型。
当Facebook或谷歌识别出你的照片并建议你标记自己时，它使用机器学习。当自动驾驶汽车在繁忙的十字路口行驶时，这就是机器学习在起作用。神经科学家利用机器学习来“阅读”某人的思想。关于机器学 ... 问题是它是基于数学的。因此，数学家可以从理论上研究和理解它。他们可以写出绝对的机器学习原理的证明，并将其应用到每一个案例中。[照片：大量定义宇宙]“KDSPE”“KDSPs”在这种情况下，一组数学家设计了一个机器学习问题，称为“估计最大值”或“EMX”，“KDSPE”“KDSPs”，以理解EMX是如何工作的，想象一下：你想把广告放在一个网站上，最大限度地增加多少观众将被这些广告的目标。你有广告投向体育迷，猫爱好者，汽车狂热者和锻炼爱好者等。但你不知道提前谁将访问该网站。你如何选择一个广告，将最大限度地达到多少观众你的目标？EMX必须用少量访问网站的数据来找出答案。
研究人员接着问了一个问题：EMX什么时候能解决问题在其他机器学习问题中，数学家通常可以说，在给定的情况下，学习问题是否可以根据他们拥有的数据集来解决。谷歌用来识别你面孔的基本 ... 能否应用于预测股市趋势？我不知道，但可能有人会的。
问题是，数学有点坏。自1931年逻辑学家库尔特哥德尔发表著名的不完全性定理以来，它就被打破了。他们表明，在任何数学系统中，都有某些问题是无法回答的。它们其实并不难——它们是不可知的。数学家认识到他们理解宇宙的能力从根本上是有限的。哥德尔和另一位叫保罗·科恩的数学家发现了一个例子：连续体假设。
连续体假设是这样的：数学家已经知道有不同大小的无穷大。例如，有无穷多个整数（如1、2、3、4、5等数字）；有无穷多个实数（包括1、2、3等数字，但也包括1.8、5222.7和π等数字）。但即使有无穷多的整数和无穷多的实数，实数显然比整数多。这就提出了一个问题，有没有比整数集大而比实数集小的无穷大？连续体假说说，不，不存在
哥德尔和科恩表明，不可能证明连续体假说是正确的，也不可能证明它是错误的连续体假设是真的吗？”是一个没有答案的问题。
在1月7日星期一发表在《自然机器智能》杂志上的一篇论文中，研究人员表明EMX与连续体假说有着千丝万缕的联系。
结果表明，EMX只有在连续体假说成立时才能解决问题。但如果不是真的，EMX就不能。。这就意味着，“EMX能学会解决这个问题吗？”答案和连续体假设本身一样不可知。
好消息是连续体假设的解对大多数数学来说不是很重要。同样，这个永恒的谜团可能不会对机器学习造成重大障碍。
，因为EMX是一个新的
特别申明：本文内容来源网络，版权归原作者所有，如有侵权请立即与我们联系（devmax@126.com），我们将及时处理。