La intel·ligència artificial ha assolit fites significatives en àrees com l’escacs, on els jocs impliquen habitualment al voltant de 40 jugades. Ara, els investigadors han creat un nou model d’IA dissenyat per afrontar alguns dels problemes matemàtics més desafiadors del món, que requereixen milers a milions de passos. Proposen que aquest algoritme avançat podria, eventualment, ajudar a identificar esdeveniments rars però impactants, com huracans i crashes financers. El potencial de l’IA en la resolució de problemes matemàtics està guanyant força. Per exemple, AlphaProof de Google DeepMind va rendir de manera comparable a un medallista de plata a les Olimpíades Internacionals de Matemàtiques de 2024, mentre que el sistema o3 d’OpenAI va mostrar resultats sòlids en diversos benchmarks de matemàtica i programació. En un estudi recent i no publicat, un equip de l'Institut de Tecnologia de Califòrnia va examinar problemes matemàtics complexos que han desconcertat matemàtics professionals durant dècades. Sergei Gukov, professor a Caltech, va assenyalar que, mentre que els problemes de les olimpíades de matemàtiques generalment impliquen aproximadament 30 o 40 passos, ells busquen reptes més avançats, a nivell de recerca, que impliquen un nombre molt més elevat de passos. Gukov va expressar l’esperança que l’IA pogués eventualment abordar els problemes del Premi Mil·lenni, tot i que va reconèixer que això podria ser massa ambiciós.

Actualment, el focus està en problemes que han desconcertat els estudiosos durant molts anys. Un dels temes estudiats va ser la conjectura d'Andrews-Curtis, un problema de teoria de grups combinatorials proposat fa 60 anys, comparat amb una versió complexa d’un cub de Rubik. Encara que la conjectura principal no es va demostrar, la IA va aconseguir refutar exemples contraintuitius relacionats que havien romanent sense resoldre durant 25 anys, així reforçant la validesa de la conjectura. Els investigadors buscaven solucions inesperades a aquests problemes matemàtics complexes, que models tradicionals com DeepSeek o ChatGPT tenien dificultats a trobar. En lloc de respostes típiques, buscaven “super-moves” o seqüències úniques de passos que són estadísticament rares. Utilitzant l'aprenentatge per reforç, van entrenar l’IA en problemes progressivament més difícils, aconseguint fer-ho eficientment en una sola GPU. Gukov va destacar que els nous algorismes podrien tenir aplicacions més enllà de les matemàtiques purament, com identificar anomalies rares o esdeveniments de "cigne negre" que podrien tenir conseqüències significatives. En millorar les capacitats predictives per a aquests incidents rars, la recerca podria ajudar a una millor preparació i estratègies de mitigació social.