人工智能在数学领域比新问题被发现的速度更快地解决了一些最佳问题。特伦斯·陶，UCLA教授，被广泛认为是当今最优秀的纯粹数学家，2006年获得菲尔兹奖，他在Mathstodon上警告说，人工智能正在耗尽该领域优秀开放问题的供给。实验室已经对数学、物理学和医学中的问题进行了模型测试，并且在5月，一个OpenAI模型证伪了厄尔德什单位距离猜想。
特伦斯·陶是UCLA教授，被广泛认为是当今最优秀的纯粹数学家，并于2006年获得菲尔兹奖。在Mathstodon上，陶警告说，人工智能正在耗尽数学领域优秀开放问题的供给，减少了研究人员可用的挑战集合。他指出了强大的解决方案提取工具，并警告说，这些工具的无差别使用可以实现短期解决问题的即时效果，但同时也可能对下一个进展波的生态系统造成损害。他还警告说，这种做法可能妨碍对已有进展的理解。这些声明总结了陶对人工智能对数学研究生态系统长期影响的公共关切。
人工智能实验室已经对数学、物理学和医学中的难题进行了模型测试。在5月，一个OpenAI模型证伪了厄尔德什单位距离猜想。厄尔德什单位距离猜想涉及平面上有多少对点可以正好相距一个单位。这些测试包括从量子物理到应用数学和医学的一系列问题。
Anthropic 研究员 Levent Alpöge 通过该公司的未发布顶级模型 Claude Mythos 离线运行相同的单位距离问题，因此它无法复制 OpenAI 发布的解决方案。Anthropic 工程师 Sholto Douglas 将 Mythos 的结果描述为“可爱、简单的证明”，并表示其比 OpenAI 的版本更简洁。数学家 Daniel Litt 评估 Mythos 的证明比 OpenAI 的版本“稍微差一些”，尽管 Mythos 也识别了 OpenAI 的解决方案。这些比较评估伴随着对模型在艰难科学问题上的更广泛测试。
人工智能实验室已在数学、物理和医学等具有挑战性的问题上对模型进行了测试。今年五月，OpenAI 的一个模型推翻了 Erdős 单位距离猜想，该猜想涉及平面上可以恰好相距一个单位的点对数量。这些模型测试的报告结果涵盖了从量子物理到应用数学和医学等多个领域。这些测试由多个实验室进行。
人工智能驱动的问题解决的快速发展引发了人们对维持未来进步的数学研究生态系统的担忧。对此，材料将这些担忧与强大解决方案提取工具的无差别使用联系在一起，并指出对长期理解和发展的潜在成本。内容还提到了边界人工智能系统和推理模型与这些发展的关系。研究人员和工程师之间对人工智能生成的证明和解决方案的比较评估也已被报道。
这些发展引发了关于未来数学中开放问题供应的疑问。报告的结果跨越多个科学领域。
人工智能在数学领域最近解决了一些重要问题，并在相关科学领域的挑战中进行了测试。这种快速的问题解决促使包括陶哲轩在内的顶尖数学家发出警告，认为这可能会减少优秀开放问题的供给，并对研究生态系统产生压力。观察家们将这些发展与强大的前沿人工智能系统和推理模型的使用联系在一起，并强调其在物理学和医学等学科中的广泛影响。
