Orijinal Başlık: "Fields Madalyası Sahibi Wang Hong, NeurIPS'te de Yayın Yapmış"
Orijinal Kaynak: Quantum Bit
Ha? Yeni Fields Madalyası sahibi Wang Hong, aynı zamanda yapay zeka alanına da el atmış mı?

NeurIPS 2026 sonuçları açıklanmak üzereyken, bazı kullanıcılar Profesör Wang Hong'un bir NeurIPS 2019 makalesi yayınladığını ortaya çıkardı.
Üstelik bu sadece bir isim verme değil, gerçek anlamda ortak birinci yazarlık.

Peki soru şu: Saf matematik alanında zirve bir matematikçi neden yapay zekanın en üst düzey konferansında makale yayınlasın?
Okuduğumuzda vardığımız sonuç, bunun matematik teorisi + makine öğrenimi için en iyi örneklerden biri olduğu.
Ancak ilginç olan, Wang Hong'un kişisel sayfasında listelenen 40'tan fazla makale ve ön baskının neredeyse her birine tam bağlantı eklenmiş olması.
Sadece bu makale bir istisna.

Bu makale, makine öğrenimi ve veri analizinde temel bir görevi inceliyor: Düşük Ranklı Matris Yaklaşımı.
Basitçe söylemek gerekirse, gerçek dünyadaki veriler genellikle bir matris halinde düzenlenebilir, ancak bu matrisler çok büyük olabilir ve doğrudan depolama ile işleme maliyeti oldukça yüksektir.
Düşük ranklı yaklaşım, daha basit bir yapıya ve daha düşük bir ranka sahip bir matris kullanarak orijinal matrisi mümkün olduğunca doğru bir şekilde yeniden oluşturmayı amaçlar.
Son zamanlarda yaygın olarak kullanılan yaklaşım algoritması Sütun Alt Kümesi Seçimi (Column Subset Selection, CSS).

Mantığı aslında oldukça sezgisel.
Çok sayıda sütun içeren bir veri matrisiyle karşı karşıya kalındığında, doğrudan yeni bir düşük ranklı matris oluşturmak yerine, orijinal matristen temsil edici birkaç sütun seçilir ve ardından bu sütunların oluşturduğu uzay kullanılarak tüm matrise yaklaşılır.
CSS tarafından seçilen sütunlar doğrudan orijinal verilerden geldiği için, normal matris ayrıştırmasıyla elde edilen soyut vektörlerden daha kolay yorumlanabilir. Aynı zamanda depolama ve hesaplama maliyetlerini düşürerek büyük ölçekli verilerin işlenmesi için uygun hale gelir.
Önceki araştırmalar, genel düşük dereceli yaklaşımlar için CSS algoritmasının yaklaşım oranının üst sınırının yaklaşık olarak O(k+1) olduğunu kanıtlamıştı.
Buradaki k, hedef matrisin rankını ifade eder; k büyüdükçe, teorik olarak izin verilen en kötü hata da artar.

Wang Hong ve ekibinin çalışması ise bu sınırı daha da ileriye taşıdı:
· 1≤p≤2 olduğunda, yaklaşım oranı (k+1)^(1/p);
· p≥2 olduğunda, yaklaşım oranı (k+1)^(1−1/p).
Önceki tek tip O(k+1) sonucuna kıyasla, bu sınır belirgin şekilde daha sıkıdır; algoritma sıkı bir şekilde sınırlandırılabilir ve en kötü sonuç, optimal çözümden yalnızca çok az farklı olur.
Ayrıca, p≥2 durumu için makale, sonucun sabit 1 değerine kadar hassas olduğunu kanıtlayan karşılık gelen bir alt sınır da oluşturmuştur.
Başka bir deyişle, bu makale neredeyse nihai bir teorik yanıt sunmaktadır.
Bu makalenin en kritik kısmı ve Wang Hong'un matematik geçmişini en iyi yansıtan bölümü, harmonik analizden gelen klasik bir araç olan Riesz–Thorin interpolasyon teoremini kullanmalarıdır.
Normalde, bir algoritmanın tüm p değerleri için geçerli olduğunu kanıtlamak, her bir p için ayrı ayrı karmaşık analizler yapmayı gerektirir.
Bazı uç durumlar, örneğin p=1, p=2 ve p=∞, nispeten daha kolay ele alınabilir.
Ardından Riesz–Thorin interpolasyon teoremi, bu uç nokta sonuçlarına sahip olduktan sonra, sonuçları aradaki tüm p değerlerine "interpole" edebilir.
Spesifik olarak, makale önce p=1, 2, ∞ gibi üç özel durumu kanıtlar ve ardından interpolasyon teorisi aracılığıyla tüm aralık için yaklaşım sınırını elde eder.
Aslında, bu araç harmonik analiz ve operatör teorisinde klasik bir yöntemdir, ancak o dönemde teorik bilgisayar bilimi araştırmacıları tarafından en sık kullanılan teknik değildi.
NeurIPS'in o yılki hakemleri de bu durumu fark etti.
Hakemler nihayetinde bu makalenin en önemli teknik yeniliğinin, bilgisayar alanına Riesz–Thorin teoremini getirmek olduğunu kabul etti ve son Meta Review, makaleyi oldukça sağlam bir argümana sahip bir çalışma olarak değerlendirdi.
Bugün baktığımızda, bu makale aslında tipik bir disiplinlerarası vaka sunuyor: Makine öğrenimindeki zorluklar, saf matematikte bir çıkış yolu bulabilir.
Şimdiye dönecek olursak, NeurIPS'in hakemlik sistemi belirgin bir değişim geçiriyor.

NeurIPS 2026, yazarların makale gönderirken beş katkı türünden makalelerine en uygun olanı seçmelerini istiyor: Genel, Teori, Kullanım Odaklı, Kavram ve Fizibilite ile Negatif Sonuçlar.
Hiç şüphesiz, Wang Hong'un 2019 tarihli bu makalesi Teori kategorisine giriyor.
NeurIPS 2026'nın en son hakemlik kılavuzuna göre, teori makaleleri öncelikle matematiksel titizlik ve doğruluk açısından incelenir. İspatlar, önermeler ve genel mantık geçerli olmalıdır, bu nedenle teori makaleleri deney eksikliği nedeniyle göz ardı edilmemelidir.
Ayrıca NeurIPS 2026, teorik katkıların bağımsız olarak geçerli olabileceğini ve yeni bir algoritma tasarlamanın amacının mutlaka en son uygulama modellerini veya en büyük veri setlerindeki SOTA'yı geçmek olmadığını açıkça belirtiyor.

Özgünlük açısından, diğer disiplinlerden yeni ispat araçları getirilebilir veya mevcut araçların yenilikçi bir sentezi yapılabilir.
Ve bu, neredeyse Wang Hong'un makalesinin tam bir tanımıdır.
Bugünkü anlamda bir sinir ağı mimarisi önermediler veya devasa parametre sayısına sahip modeller eğitmediler; bunun yerine, harmonik analizdeki interpolasyon teoremini düşük ranklı yaklaşıma dahil ederek yaklaşım algoritmalarının sınır sorununu çözdüler.
2026'nın değerlendirme çerçevesine koyulduğunda, hâlâ çok standart bir NeurIPS teori makalesi olarak duruyor.
Ayrıca tersine şunu gösteriyor: NeurIPS, sinir ağı modeli lansmanından ibaret değildir; mevcut yöntemlere yeni bir anlayış kazandırmak, yeni özellikler keşfetmek ve daha sıkı teorik sınırlar oluşturmak da değerli özgün katkılardır.
Matematik ve yapay zeka arasındaki sınıra gelince, hiçbir zaman hayal edildiği kadar net olmamıştır.
Fields Madalyası sahibi NeurIPS'e makale gönderebiliyor, matematik dili de yapay zeka için gerçek genel çözümü bulabilir.
Referans bağlantıları:
[1]https://proceedings.neurips.cc/paper_files/paper/2019/file/80a8155eb153025ea1d513d0b2c4b675-Paper.pdf
[2]https://neurips.cc/Conferences/2026/ReviewerGuidelines
[3]https://sites.google.com/view/hongwang/home
[4]http://xhslink.cn/o/8oQ3gm7qaxu
Orijinal bağlantı
BlockBeats Resmi Topluluğuna Katılın:
Telegram Abonelik Grubu: https://t.me/theblockbeats
Telegram Sohbet Grubu: https://t.me/BlockBeats_App
Twitter Resmi Hesabı: https://twitter.com/BlockBeatsAsia