Umjetna inteligencija postigla je značajne prekretnice u područjima poput šaha, gdje igre obično uključuju oko 40 poteza. Istraživači su sada stvorili novi model AI-a prilagođen rješavanju nekih od najizazovnijih matematičkih problema na svijetu, koji zahtijevaju tisuće do milijune koraka. Predlažu da bi ovaj napredni algoritam na kraju mogao pomoći u identificiranju rijetkih, ali značajnih događaja, poput uragana i financijskih kriza. Potencijal AI-a u rješavanju matematičkih problema dobiva na važnosti. Na primjer, Google DeepMindov AlphaProof postigao je rezultate usporedive s onima srebrnog medalista na Međunarodnoj matematičkoj olimpijadi 2024. godine, dok je OpenAI-ov sustav o3 pokazao snažne rezultate na raznim matematičkim i programerskim mjerilima. U recentnoj, neobjavljenoj studiji, tim s Kalifornijskog instituta za tehnologiju ispitao je složene matematičke probleme koji muče profesionalne matematičare već desetljećima. Sergei Gukov, profesor na Caltechu, istaknuo je da, iako problemi iz matematičkih olimpijada obično uključuju oko 30 ili 40 koraka, ciljaju na naprednije izazove na razini istraživanja koji zahtijevaju daleko veći broj koraka. Gukov je izrazio nadu da bi AI mogla na kraju rješavati probleme Milenijske nagrade, iako je priznao da bi to moglo biti preambiciozno.

Trenutno je fokus na problemima koji su mučili znanstvenike dugi niz godina. Jedna od proučavanih tema bila je Andrews-Curtisova konjektura, problem iz kombinatorne grupne teorije predložen prije 60 godina, koji se može usporediti s kompleksnom verzijom Rubikove kocke. Iako glavni konjektura nije dokazana, AI je uspješno opovrgnula povezane potencijalne proturječnosti koje su ostale neriješene 25 godina, čime je osnažila valjanost konjekture. Istraživači su težili neočekivanim rješenjima ovih složenih matematičkih problema, koje tradicionalni modeli poput DeepSeek ili ChatGPT nisu mogli pronaći. Umjesto tipičnih odgovora, tražili su "super-poteze", ili jedinstvene sekvencijalne korake koji su statistički rijetki. Korištenjem učenja s pojačanjem, obučavali su AI na postupno teže probleme, uspješno to radeći na jednom GPU-u. Gukov je istaknuo da bi novi algoritmi mogli imati primjene izvan čiste matematike, poput identificiranja rijetkih anomalfija ili "crnih labudova" koji bi mogli imati značajne posljedice. Povećanjem prediktivnih sposobnosti za ove rijetke incidente, istraživanje bi moglo pomoći u boljoj pripremljenosti društva i strategijama ublažavanja posljedica.