純數學研究工作的關鍵目標之一是發現數學對象間的規律，并利用這些聯系形成猜想。從20世紀60年代開始，數學家開始使用計算機幫助發現規律和提出猜想，但AI系統尚未普遍應用于理論數學研究領域。

   2021年12月1日，一篇發表在《自然》上的論文顯示，DeepMind公司研發出一個機器學習框架，能幫助數學家發現新的猜想和定理。此前，該框架已經幫助發現了不同純數學領域的兩個新猜想。

   論文介紹，DeepMind公司的Alex Davies和數學家一起建立了一個機器學習框架，用于協助數學研究。他們的算法搜索數學對象間潛在的規律和聯系，嘗試尋找意義。其后由數學家接手，根據算法獲得的觀察和直覺來提出潛在猜想。

   研究人員將這一方法應用于兩個純數學領域，發現了拓撲學（對幾何形狀性質的研究）的一個新定理，和一個表示論（代數系統研究）的新猜想。研究人員表示，這是計算機科學家和數學家首次使用AI來幫助證明或提出復雜數學領域的新定理。

   這篇論文中提出的框架，擴充了標準數學家工具包，提供了一個“直覺測試平臺”。通過該平臺，可以快速驗證對兩個量之間關系的猜想（直覺）是否值得繼續探索，如果值得，則會進一步指導如何研究。

   具體而言，會先通過監督學習，驗證數學對象中的某一結構/模式的假設是否存在。然后，再使用歸因技術，深入理解這些模式。與傳統的數學研究方法相比，AI能夠以人類無法比擬的規模輸出數據，并從數據中挑選出人類無法檢測到的模式。

   論文作者認為，這項工作證明了AI可以用來幫助發現數學研究前沿的定理和猜想，讓數學家更有效地發現和識別數學中的新模式。《自然》編輯認為，未來，此框架可以鼓勵數學和AI展開更多合作。■