پژوهش: می‌توان جذابیت قضیه‌های ریاضی را با ویژگی‌هایشان پیش‌بینی کرد

عامل‌های هوش مصنوعی که فرضیه یا ایدهٔ پژوهشی تولید می‌کنند، باید تشخیص دهند کدام پیشنهاد ارزش نگه‌داشتن دارد. پیش‌چاپی در arXiv می‌گوید این داوری معمولاً به معیارهای جانشینِ دست‌چین‌شده یا مدل‌های زبانی سپرده می‌شود؛ اما معلوم نیست این معیارها با آنچه انسان‌ها واقعاً ارزشمند می‌دانند هم‌خوان باشند.

پژوهش برای بررسی این مسئله بر قضیه‌های ریاضی تمرکز می‌کند و انتخاب‌هایی را می‌سنجد که ریاضی‌دانان در کتابخانه‌های رسمی و مقاله‌ها برجسته کرده‌اند. در این روش، هر شیوهٔ انتخاب به‌صورت یک ارزیاب مدل‌سازی می‌شود که به ویژگی‌های گزارهٔ قضیه، اثبات و وابستگی‌های آن وزن می‌دهد؛ وزن‌ها نیز به دو بخش مشترک و ذهنی تقسیم می‌شوند.

بر اساس چکیدهٔ منتشرشده، در ریاضیات صورت‌بندی‌شده، ویژگی‌هایی که پیش از ارزیابی در دسترس‌اند می‌توانند این انتخاب‌ها را به‌اندازهٔ داوری یک مدل زبانی بزرگ پیش‌بینی کنند؛ این دو روش همچنین مکمل یکدیگرند. این مقاله نسخهٔ پیش‌چاپ است.