Umjetna inteligencija je postigla značajne prekretnice u oblastima kao što je šah, gdje igre obično uključuju oko 40 poteza. Istraživači su sada razvili novi model AI prilagođen za rješavanje nekih od najizazovnijih matematičkih problema na svijetu, koji zahtijevaju hiljade do miliona koraka. Predlažu da bi ovaj napredni algoritam mogao na kraju pomoći u identifikaciji rijetkih, ali značajnih događaja, kao što su uragani i finansijske krize. Potencijal AI u rješavanju matematičkih problema stiče sve veću pažnju. Na primjer, Google DeepMind-ov AlphaProof performisao je uporedivo sa srebrnom medaljom na Internacionalnoj matematičkoj olimpijadi 2024. godine, dok je OpenAI-ov o3 sistem pokazao snažne rezultate na raznim matematičkim i programerskim standardima. U nedavnoj, neobjavljenoj studiji, tim sa Kalifornijskog instituta za tehnologiju ispitao je složene matematičke probleme koji su zbunjivali profesionalne matematičare decenijama. Sergei Gukov, profesor na Caltechu, napomenuo je da, iako problemi sa matematičkih olimpijada obično uključuju oko 30 ili 40 koraka, ciljaju na naprednije, istraživačke izazove koji zahtijevaju znatno veći broj koraka. Gukov je izrazio nadu da bi AI na kraju mogao riješiti probleme iz Millennium Prize, iako je priznao da bi to moglo biti preambiciozno.

Trenutno je fokus na problemima koji su mučili naučnike dugi niz godina. Jedna od proučavanih tema bila je Andrews-Curtisova pretpostavka, pitanje u kombinatornoj teoriji grupa koje je predloženo prije 60 godina, uspoređeno sa složenijom verzijom Rubikove kocke. Iako glavna pretpostavka nije dokazano, AI je uspješno opovrgao povezane moguće kontraprimjere koji su ostali neriješeni 25 godina, čime je učvrstio valjanost pretpostavke. Istraživači su težili neočekivanim rješenjima ovih složenih matematičkih problema, što su tradicionalni modeli poput DeepSeek ili ChatGPT teško pronalazili. Umjesto tipičnih odgovora, tražili su "super-poteze", ili jedinstvene sekvencije koraka koje su statistički rijetke. Korištenjem učenja kroz pojačanje, obučavali su AI na progresivno težim problemima, uspijevajući to efikasno učiniti na jednom GPU-u. Gukov je istakao da bi novi algoritmi mogli imati primjene izvan čiste matematike, kao što je identifikacija rijetkih anomalija ili "crnih labudova" koji bi mogli imati značajne posljedice. Poboljšanjem prediktivnih sposobnosti za ove rijetke incidente, istraživanje bi moglo pomoći u boljoj pripremljenosti društva i strategijama ublažavanja.