Kunstig intelligens benyttet til matematiske undersøkelser og numeriske eksperimenter
11. november 2026 · 2 min lesing
Også publisert på Italiano, Français, Nederlands, Português (Brasil)
Maxim Shevchenko har delt sine erfaringer med bruk av kunstig intelligens i forbindelse med matematiske forskningsarbeider. Han har benyttet Gemini i nettleseren Google Chrome som sin store språkmodell, og har brukt programmeringsspråket Python med aktiv støtte fra den kunstige intelligensen.
Forskeren beskriver sitt arbeid som søkende arbeid, som han definerer som oppgaver basert på spørsmålet om hva som skjer dersom man prøver ulike tilnærminger. Han påpeker at dette arbeidet mangler en streng plan og faste tidsfrister, og at det derfor passer bedre med den fleksible Agile-metodikken enn Waterfall-metodikken når det gjelder implementering av resultater.
De numeriske eksperimentene ble utført med mål om å fastslå ressursbruk ved kjøring av utviklede algoritmer. Dette inkluderte måling av utførelsestid, bruk av arbeidsminne og påvirkning fra omgivelsene, slik som operativsystemet og bakgrunnsprosesser.
Siden Shevchenko ikke behersker Python fullstendig, har han brukt svartboks-metoden for å teste koden. Han har lest gjennom koden, kjørt den gjentatte ganger med ulike datasett, filtrert resultatene og gitt instruksjoner om rettelser av koden som den kunstige intelligensen genererte.
For å oppdage feil har han manuelt organisert dialoger mellom to ulike sesjoner av den kunstige intelligensen ved å kopiere informasjon mellom to faner i nettleseren. Han observerte at de to sesjonene vanligvis kommer frem til en felles oppfatning i løpet av tre til fire utvekslinger, selv om denne oppfatningen kan være feil.
Det ble rapportert at enkelte sesjoner over tid begynner å sakke akterut eller produsere feil. Når feilene hoper seg opp, fører forsøk på rettelser ofte til nye feil, noe som gjør det nødvendig å starte en ny sesjon.
Den kunstige intelligensen har selv forklart at den mangler en prosessor for aritmetiske operasjoner. Modellen forstår ikke multiplikasjon eller divisjon slik en matematiker eller datamaskin gjør, men gjenskaper tekstmønstre av hvordan slike beregninger vanligvis ser ut på internett. Dette fører til at modellen kan bli forvirret dersom oppgaveformatet endres eller det brukes ikke-standard formler.