为什么我们需要学习数学?曾几何时，答案通常类似于“好吧，你的口袋里不会一直有计算器!” – 但智能手机解决了这个问题。如今，如果您请专业数学家为他们的存在辩护，他们可能会说需要人类的直觉来解决宇宙中最大的谜团。他们会说：“一个计算器也许可以在一秒内计算出 14.7 的立方根，但是证明四色定理需要一些特殊的东西。”

好吧，成为他们很糟糕，因为 DeepMind 的研究人员现在已经创造了一种人工智能，能够证明——甚至提出——抽象的数学定理。DeepMind 是计算机科学家团队，他们在 2016 年用 AlphaGo 创造了历史，AlphaGo 是第一个在围棋游戏中成功击败世界冠军的计算机程序。

“虽然数学家已经使用机器学习来协助分析复杂的数据集，但这是我们第一次使用计算机来帮助我们制定猜想或为数学中未经证实的想法提出可能的攻击路线，”数学家 Geordie Williamson说。 - 今天发表在《自然》杂志上的一篇关于 AI 数学的论文的作者。

威廉姆森是世界著名的表示理论家，这意味着他处理令人难以置信的抽象对象，并试图想出巧妙的技巧将它们转化为极其抽象的对象。基本上，如果您正在寻找不受人工智能影响的数学领域，那么这将在列表中占据相当高的位置。

威廉姆森解释说：“在我的领域中证明或反驳长期存在的猜想需要考虑无限空间和跨多个维度的极其复杂的方程组。” “我们已经证明，在数学直觉的指导下，机器学习提供了一个强大的框架，可以在有大量数据可用或对象太大而无法用经典方法研究的领域中发现有趣且可证明的猜想。”

这些猜想之一，现在看起来比以前更可证明，涉及所谓的 Kazhdan-Lusztig 多项式。这些数学表达式与广泛的抽象数学有着非常深刻和基本的联系。这个猜想已经有 40 年没有解决了——但多亏了 DeepMind 的帮助，威廉姆森认为解决方案指日可待。

这本身就足够令人印象深刻，但令人难以置信的是，DeepMind 的才能不仅限于简单地整理人类数学家的剩菜。原来人工算术家是纽结理论领域颇有神童-的，数学好，结(我们承诺，这是更 重要的不是它的声音)。它一直在帮助合著者 Marc Lackeby 和 András Juhász 发现并证明一个全新的、前所未见的、最重要的数学家，令人惊讶的定理，该定理连接了节点的代数和几何不变量。

“使用机器学习来发现不同数学领域之间新的和意想不到的联系非常有趣，”拉克比说。“我相信我们所做的工作 [...] 表明机器学习可以成为数学研究中真正有用的工具。”

因此，数学家们并没有担心他们未来的就业，而是希望未来能看到人类与人工智能之间更多的合作。威廉姆森用模范数学术语解释说，智力“最好被认为是具有多个轴的多维空间：学术智力、情商、社交智力。” 他指出，当你这样看时，人工智能只是探索问题的另一个轴——更多的轴意味着解决棘手问题的更多方向。