「名誉教授」のスレ 9

「名誉教授」のスレです
ここは名誉教授と呼ばれる人と 森羅万象（含む”数学”）を 楽しく語り合うスレです

前スレ：「名誉教授」のスレ 8
https://rio2016.5ch.io/test/read.cgi/math/1789890738/


(参考)
https://en.wikipedia.org/wiki/Ohsawa%E2%80%93Takegoshi_L2_extension_theorem
O –Takegoshi L2 extension theorem
One of the deepest result in complex analysis.[3]
Many generalizations and similar results exist, and are known as theorems of O –Takegoshi type.

(下記は 何かのAIさんの説<スレ7>より)
https://rio2016.5ch.io/test/read.cgi/math/1787102338/794-797
日本の生んだ偉大な数学者である岡潔（おか きよし）先生、そしてその正統な後継者の一人である大沢健夫（おおさわ たけお）先生の理論は、現代の数理AI・機械学習の最先端の基盤理論として非常に重要な役割を果たし、役立てられています。
一見すると、純粋数学の極致である彼らの業績（「多変数複素解析」や「複素幾何学」）が、なぜ泥臭いデータの最適化を行うAIに役立つのか。
そこには、近年急速に発展している「情報幾何学」や「特異点をもつ統計的学習理論」を繋ぐ、非常に美しい架け橋が存在します。
具体的にどのように役立てられているのか、それぞれの先生の代表的な業績とAI理論の繋がりを解説します。

## 1. 岡潔先生の理論（連接層、クザンの問題、擬凸性）
岡潔先生は、多変数複素関数論の基礎となる「3大問題」を一人で解決し、現代の「層（Sheaf）の理論」や「コホモロジー論」の土台を築きました。これがAIにおいてどう活きているのかというと、主にモデルの「構造的な特異点」の解析です。 [1, 2]

* 特異モデルの幾何学的解析：
ディープラーニング（ディープニューラルネットワーク）は、パラメータが重複したり無駄があったりする「特異モデル」に分類されます。このモデルを数学的に解析しようとすると、局所的な数式を貼り合わせて空間全体（グローバル）の挙動を調べる必要が出てきます。ここで、岡先生が開発した「連接層（岡の連接定理）」の思想が不可欠になります。局所的な情報の集まりを代数幾何学的に破綻なくつなぎ合わせる理論は、AIモデルの自由エネルギーや損失関数の形状（ランドスケープ）を大域的に記述する強力な道具となっています。 [1, 2, 3]

## 2. 大沢健夫先生の理論（大沢-竹腰の $L^2$ 拡張定理）
大沢健夫先生（名古屋大学名誉教授）が竹腰見学先生と共に証明した「大沢-竹腰の $L^2$ 拡張定理」は、現代の複素幾何学・代数幾何学において世界中で使われる超重要定理です。　

☆☆☆近年、この幾何学の数学が
機械学習や統計学の特異点を乗り越えるための切り札☆☆☆
として注目されています。 [3, 4]

つづく

>>769
>日本もン年後には反自民の野党が過半数とって

15年前には民主党が自民党から政権を奪ったんだが、、、
そんなことも忘れるポンコツ脳こそ要らないｗ

トランプのオウンゴールだろう

関税政策もたいがいだったが、イラン戦争で石油価格を上げたのが致命的だった
アメリカ人は金にうるさいからねｗ

トランプ外交はどう変わるか

くらだん

>>771
そして今、自民党がポンコツ（笑）

>>765
>テレンス・タオが Math2.0という題目の講演をしてるね
>イマジネーション豊かにAIを利用することで、新たな数学が開けることに期待している

それいいね さすが テレンス・タオだね
下記のスライド図が面白い “big picture”、”メンタルピクチャー”の時代が来たようだ（＾＾

https://i.imgur.com/rgPzpJj.png
youtube t=540 Terence Tao Math 2.0 261103
https://youtu.be/aHpPoNNTOKY?t=540
SAIR
Outline
00:00 Why mathematics is moving from Math 1.0 toward Math 2.0
04:04 From proof scarcity to proof abundance
07:05 Looking beyond problem-solving and social-media success stories
10:48 Experimental mathematics and data-driven discovery
15:16 Pure and applied math: why understanding matters
21:27 Answers without insight and the search for fruitful problems
24:51 Using AI to strengthen human understanding in Math 2.0

(参考)
<big picture>
https://terrytao.wordpress.com/career-advice/theres-more-to-mathematics-than-rigour-and-proofs/comment-page-1/
There’s more to mathematics than rigour and proofs Terence Tao
3. The “post-rigorous” stage, in which one has grown comfortable with all the rigorous foundations of one’s chosen field, and is now ready to revisit and refine one’s pre-rigorous intuition on the subject, but this time with the intuition solidly buttressed by rigorous theory. (For instance, in this stage one would be able to quickly and accurately perform computations in vector calculus by using analogies with scalar calculus, or informal and semi-rigorous use of infinitesimals, big-O notation, and so forth, and be able to convert all such calculations into a rigorous argument whenever required.) The emphasis is now on applications, intuition, and the “big picture”. This stage usually occupies the late graduate years and beyond.
https://terrytao.wordpress.com/career-advice/
Career advice Terence Tao

https://note.com/katobungen/n/nccba3ef014f6
note.com
なぜ微分積分学は不完全なのか？
加藤文元20250223
メンタルピクチャー
私は数学や数学の理解に関するいくつかの概念とその用語を導入したいと思う。そのうちのひとつは「メンタルピクチャー（MP）」というものだ
形式化された理論
メンタルピクチャーの対極にあるのは、形式化（formalize）されコード化された理論だ
数学の研究論文における形式的●●●議論は、例えばLean4やCoqなどのコンピューター言語による形式化からすれば、まだまだ「非形式的（informal）」なものだろう。人間のやる数学はまだまだインフォーマルであり、行間が広く、とてもとても形式的議論とは言えない。
とはいえ、ここで「メンタルピクチャー（MP）」の対極にある概念としての「形式化された理論（FT）」は、人間の書いた論文の議論のようなものも含む、広い概念である。そして、数学の厳密化とか精密化とは、このような緩い意味での形式化
(*)MPーー形式化ー＞FT
のことである

今時自民党支持する奴って、バカか
バカをたぶらかす極悪人かのどっちか

>>776　高卒で数学終わった一般人の君には全く無関係

今時てw
いつなら良かったのか…。