人工智能模型正开始展现出解决复杂数学问题的出人意料的天赋，这预示着人工智能能力可能发生转变。软件工程师兼创业公司创始人尼尔·索马尼（Neel Somani）在测试OpenAI的最新模型时发现了这一点，他发现经过15分钟的处理后，人工智能为一道高难度数学问题提供了完整且可验证的解决方案。

索马尼曾是一名量化研究员，最初的目标是建立一个基准，用于衡量大型语言模型（LLM）何时能够有效地解决开放性数学问题。“我很好奇，想建立一个基准，看看大型语言模型在解决开放性数学问题方面，哪些能有效解决，哪些会遇到困难，”索马尼说。“令人惊讶的是，使用最新的模型，前沿领域开始向前推进了一点。”

人工智能解决问题的过程因其对数学公理和定理的使用而引人注目，包括勒让德公式、伯特兰假说和大卫之星定理。该模型还引用了哈佛大学数学家诺姆·埃尔基斯（Noam Elkies）在2013年发表在Math Overflow上的帖子，其中包含一个类似的问题。然而，人工智能的最终证明与埃尔基斯的研究有所不同，并为数学家保罗·埃尔德什（Paul Erdős）提出的一个问题的版本提供了更全面的解决方案。埃尔德什以其未解决问题的集合而闻名，这些问题已成为人工智能的试验场。

这一进展突显了人工智能在需要抽象推理和复杂问题解决领域的日益成熟。大型语言模型，如本例中使用的模型，经过大量文本数据的训练，使其能够识别可以应用于数学问题的模式和关系。这些模型不仅能够找到现有的解决方案，还能生成新的证明，这表明它们对数学原理有更深入的理解。

人工智能在数学方面的日益精通所带来的影响，不仅仅局限于学术界和研究领域。这些能力可以应用于各个领域，包括密码学、工程和金融建模，在这些领域中，复杂的数学计算至关重要。随着人工智能模型的不断发展，它们在这些领域协助甚至可能增强人类专业知识的能力，可能会带来重大进展。

目前人工智能在数学问题解决方面的现状仍处于早期阶段，仍然存在挑战。虽然人工智能可以有效地解决某些类型的问题，但它可能难以解决需要更多直觉或创造性方法的问题。然而，最近的进展表明，人工智能有可能成为数学家和研究人员的宝贵工具。人工智能算法和训练方法未来的发展可能会进一步提高它们的数学能力，为发现和创新开辟新的可能性。