هوش مصنوعی به دستاوردهای قابل توجهی در زمینه‌هایی مانند شطرنج رسیده است، جایی که بازی‌ها معمولاً شامل حدود 40 حرکت هستند. محققان اکنون مدل جدیدی از هوش مصنوعی را ایجاد کرده‌اند که برای رسیدگی به برخی از چالش‌برانگیزترین مسائل ریاضی جهان طراحی شده است و نیازمند هزاران تا میلیون‌ها مرحله می‌باشد. آنها پیشنهاد می‌کنند که این الگوریتم پیشرفته ممکن است در نهایت به شناسایی رویدادهای نادر اما تأثیرگذار مانند طوفان‌ها و سقوط‌های مالی کمک کند. پتانسیل هوش مصنوعی در حل مسائل ریاضی در حال افزایش است. به عنوان مثال، AlphaProof گوگل دیپ‌مایند عملکردی مشابه با مدال نقره در المپیاد ریاضی بین‌المللی 2024 داشت، در حالی که سیستم o3 از اوپن‌ای آی نتایج قوی را در معیارهای مختلف ریاضی و برنامه‌نویسی نشان داد. در یک مطالعه جدید و منتشر نشده، تیمی از موسسه فناوری کالیفرنیا به بررسی مسائل پیچیده ریاضی که حرفه‌ای‌های ریاضی را برای دهه‌ها سرگردان کرده است، پرداختند. سرگئی گوکوف، استاد کال‌تک، اشاره کرد که در حالی که مسائل المپیاد ریاضی به طور کلی شامل حدود 30 یا 40 مرحله هستند، آنها به دنبال چالش‌های پیشرفته‌تری هستند که شامل تعداد بسیار بیشتری از مراحل می‌باشد. گوکوف ابراز امیدواری کرد که هوش مصنوعی در نهایت بتواند به مسائل جایزه میلیون‌دلاری پردازد، با این حال او اذعان داشت که این ممکن است بیش از حد جاه‌طلبانه باشد.

در حال حاضر توجه بر روی مسائلی است که سال‌ها دانشمندان را به چالش کشیده است. یکی از موضوعات مورد بررسی، حدس اندروز-کرتیس بود، که مسأله‌ای در نظریه گروه‌های ترکیبی است که 60 سال پیش مطرح شده و به نسخه پیچیده‌ای از مکعب روبیک شبیه است. هرچند که حدس اصلی اثبات نشد، هوش مصنوعی به موفقیت در عدم اثبات نمونه‌های بالقوه مرتبط دست یافت که برای 25 سال حل نشده باقی مانده بودند، و بدین ترتیب اعتبار حدس را تقویت کرد. محققان به دنبال راه‌حل‌های غیرمنتظره برای این مسائل پیچیده ریاضی بودند، که مدل‌های سنتی مانند DeepSeek یا ChatGPT در پیدا کردن آنها با مشکل مواجه بودند. به جای پاسخ‌های معمول، آنها به دنبال "حرکات فوق‌العاده" یا توالی‌های منحصر به فردی از مراحل بودند که به طور آماری نادر هستند. با استفاده از یادگیری تقویتی، آنها هوش مصنوعی را بر روی مسائل به تدریج سخت‌تر آموزش دادند و توانستند این کار را به طور کارآمد بر روی یک GPU انجام دهند. گوکوف تأکید کرد که الگوریتم‌های جدید می‌توانند کاربردهایی فراتر از ریاضیات خالص داشته باشند، مانند شناسایی ناهنجاری‌های نادر یا رویدادهای "جوجه‌سیاه" که می‌توانند عواقب قابل توجهی داشته باشند. با بهبود توانایی‌های پیش‌بینی برای این حوادث نادر، این تحقیق می‌تواند در بهبود آمادگی و استراتژی‌های کاهش در جامعه کمک کند.