Штучний інтелект досяг значних успіхів у таких сферах, як шахи, де партії зазвичай складаються з близько 40 ходів. Дослідники створили нову модель ШІ, спрямовану на розв'язання деяких із найскладніших математичних задач у світі, що потребують тисячі до мільйонів кроків. Вони припускають, що цей просунутий алгоритм врешті-решт може допомогти виявити рідкісні, але суттєві події, такі як урагани та фінансові кризи. Потенціал ШІ у вирішенні математичних задач набирає обертів. Наприклад, AlphaProof від Google DeepMind продемонстрував результати, що порівнянні із срібним призером Міжнародної математичної олімпіади 2024 року, тоді як система o3 від OpenAI показала сильні результати на різних математичних та програмних тестах. У нещодавньому, неопублікованому дослідженні команда з Каліфорнійського технологічного інституту вивчала складні математичні проблеми, які ставили в безвихідь професійних математиків протягом десятиліть. Сергій Гуков, професор у Caltech, зазначив, що хоча задачі математичної олімпіади зазвичай містять близько 30 або 40 кроків, вони націлюються на більш просунуті, дослідницькі виклики, які включають значно більшу кількість кроків. Гуков висловив надію, що ШІ зможе зрештою розв'язати проблеми Мілленіумських призів, хоча він визнав, що це може бути занадто амбітним.

Наразі увага зосереджена на задачах, які ставлять в безвихідь вчених протягом багатьох років. Однією з тем дослідження була гіпотеза Ендрюса-Кертіса, проблема комбинаторної теорії груп, яка була запропонована 60 років тому і є по суті складнішою версією кубика Рубіка. Хоча основна гіпотеза не була доведена, ШІ успішно спростував пов'язані потенційні контрмікроекземпляри, які залишалися невирішеними протягом 25 років, тим самим підкріпивши дійсність гіпотези. Дослідники прагнули знайти несподівані рішення для цих складних математичних задач, які традиційні моделі, такі як DeepSeek або ChatGPT, не змогли б знайти. Замість типових відповідей вони шукали "супер-ходи", або унікальні послідовності кроків, які статистично рідкісні. Використовуючи навчання з підкріпленням, вони тренували ШІ на поступово складніших задачах, зумівши зробити це ефективно на одному GPU. Гуков підкреслив, що нові алгоритми можуть мати застосування поза чистою математикою, такими як виявлення рідкісних аномалій або "чорних лебедів", які можуть мати значні наслідки. Підвищуючи прогностичні здатності для цих рідкісних інцидентів, дослідження може допомогти в кращій підготовці суспільства та стратегіях пом'якшення наслідків.