数学家早就利用电脑帮助产生数学猜想（conjectures），比如利用电脑产生的数据找反例等。但是这些技术通用性不强，或者帮助非常有限(1, 2)。

近日，DeepMind团队Pushmeet Kohli等研究人员找到了一个通用高效协助数学家形成、验证直觉与猜想的策略。那就是利用机器学习产生大量数据拟合函数，并用归因技术（attribution techniques）帮助理解函数，也就是寻找影响方程准确性的关键参数，接下来结合数学家的想法调整/增加参数再次迭代尝试拟合，最终帮助理解数据之间的关联，进而形成定理。

研究人员进一步结合两个纯数学问题阐释了这种机器学习协助数学家发现新数据关联形成猜想的效果。

该项工作2021年12月2日发表在nature(2, 3)。

Comment(s):

机器学习算法的数据产生、处理能力与数学家的信息整合、创新能力很好的结合；该方案依赖大量数据的自动产生，用到生物医学领域至少需要大规模设计、实施实验产生数据的模块。

1. M. Khovanov, Patterns in Knot Cohomology, I. Exp. Math. 12, 365–374 (2003).

2. A. Davies et al., Advancing mathematics by guiding human intuition with AI. Nature. 600, 70–74(2021).

3. C. Stump, Artificial intelligence aids intuition in mathematical discovery. Nature. 600, 44–45 (2021).