英国《自然》杂志1日发表了机器学习框架，可以帮助数学家发现新的猜想和定理。该框架由DeepMind开发，已经帮助发现了纯数学中的两个新猜想。这项研究展示了如何将机器学习集成到当前的工作流程中以支持数学研究。这也是计算机科学家和数学家首次利用人工智能（AI）来帮助证明或提出结论、表示论等复杂数学领域的新定理。纯数学研究工作的主要目标之一是发现数学对象之间的规律性，并利用这些联系形成猜想：被怀疑是真实但尚未得到严格证明的陈述。从20世纪60年代开始，数学家们开始使用计算机来帮助发现规律和做出猜想，但人工智能系统尚未广泛应用于理论数学研究。这一次，DeepMind团队与数学家合作，构建了一个机器学习框架来辅助数学研究。他们的算法搜索数学对象之间的潜在模式和联系，试图找到意义。然后数学家接管了工作，利用这些观察结果来指导他们对潜在猜想的直觉。人工智能专家亚历克斯·戴维斯(AlexDavies)及其同事将这种方法应用于纯数学的两个领域，报告发现了拓扑学（几何形状特性的研究）和表示论（代数系统研究的新猜想）中的新定理。其中，澳大利亚悉尼大学数学研究所所长JodyWilliamson教授利用这个AI几乎证明了一个关于Kazdan-Lustig多项式的古老猜想。这个猜想40年都没有解开。涉及高维代数中的深度对称性。英国牛津大学的共同作者MarkRuckaby和AndrasJuhas在发现拓扑结的代数和几何不变量之间惊人的联系时，将这一过程更进一步，从而建立了一个全新的数学定理。绳结理论可以帮助数学家理解绳结的性质及其与其他数学分支的关系。它还在生物学和物理学中有无数的应用，例如理解DNA链和流体动力学。DeepMind团队得出结论，他们的框架可以鼓励未来在数学和人工智能领域的进一步合作。
