Umelá inteligencia dosiahla významné míľniky v oblastiach ako šach, kde hry typicky zahŕňajú približne 40 ťahov. Výskumníci teraz vytvorili nový model AI zameraný na riešenie niektorých z najnáročnejších matematických problémov na svete, ktoré si vyžadujú tisíce až milióny krokov. Navrhujú, že tento pokročilý algoritmus by mohol nakoniec pomôcť identifikovať vzácne, ale významné udalosti, ako sú hurikány a finančné krízy. Potenciál AI pri riešení matematických problémov získava na popularite. Napríklad AlphaProof od Google DeepMind dosiahol porovnateľné výsledky so strieborným medailistom na Medzinárodnej matematickej olympiáde 2024, zatiaľ čo systém o3 od OpenAI vykázal silné výsledky v rôznych matematických a programovacích benchmarkoch. V nedávnej, nezverejnenej štúdii tím z Kalifornského technologického inštitútu skúmal zložité matematické problémy, ktoré vagovali profesionálnych matematikov celé desaťročia. Sergei Gukov, profesor na Caltechu, poznamenal, že zatiaľ čo problémy z olympiády v matematike zvyčajne obsahujú približne 30 alebo 40 krokov, usilujú sa o pokročilejšie výzvy na úrovni výskumu, ktoré si vyžadujú oveľa väčší počet krokov. Gukov vyjadril nádej, že AI by mohla nakoniec zvládnuť problémy Millennium Prize, aj keď uznal, že to by mohlo byť príliš ambiciózne.

V súčasnosti sa zameriavajú na problémy, ktoré zmätení vedci skúmajú už mnoho rokov. Jedným z skúmaných tém bola Andrews-Curtisova konjectúra, otázka kombinatorickej teórie skupín navrhnutá pred 60 rokmi, prirovnávaná k zložitejšej verzii Rubikovej kocky. Hoci hlavnú konjectúru sa nepodarilo dokázať, AI úspešne vyvrátila súvisiace potenciálne protiargumenty, ktoré zostávali nevyriešené 25 rokov, čím posilnila platnosť konjectúry. Výskumníci sa usilovali nájsť nečakané riešenia týchto zložitých matematických problémov, ktoré tradičné modely ako DeepSeek alebo ChatGPT ťažko nachádzali. Namiesto typických odpovedí hľadali „super-ťahy“ alebo jedinečné sekvencie krokov, ktoré sú štatisticky vzácne. Využitím posilňovacieho učenia trénovali AI na postupne ťažších problémoch a efektívne to dokázali na jednom GPU. Gukov zdôraznil, že nové algoritmy by mohli mať aplikácie aj mimo čistej matematiky, ako je identifikácia vzácnych anomálií alebo „čiernych labutí“, ktoré by mohli mať významné následky. Zlepšením prediktívnych schopností v prípade týchto vzácnych incidentov môže výskum prispieť k lepšej pripravenosti spoločnosti a stratégiám na zmiernenie následkov.