数学家一直使用计算机生成数据，以帮助寻找新的模式

　　一个多世纪前，斯里尼瓦瑟·拉马努金（Srinivasa Ramanujan）以其非凡的能力震惊了数学界，他能够看到其他人看不到的数字模式。
　　这位来自印度的自学成才的数学家将自己的见解描述为深刻的直觉，它常常在生动的梦中演绎数学。这些观察捕捉到了纯数学的抽象美。
　　近年来，人工智能在涉及人类深层直觉的领域取得突破，且在一些科学领域难突破的问题上也取得了成效。但直到现在，最新的人工智能技术还没有大规模地应用于纯数学领域的研究。
　　作为DeepMind工作的一部分，最近我们探索了机器学习（ML）识别数学结构和模式的潜能，并帮助数学家找到新的发现——首次证明人工智能是可以在纯数学的前沿上提供帮助的。
　　今天，《自然》杂志发表论文，详细介绍了DeepMind与数学家的合作，他们将人工智能应用于纯数学的两个领域：拓扑学和表征理论。
　　与悉尼大学的Geordie Williamson教授，我们发现了一个关于排列猜想的新公式，这是几十年来都不曾发现过的；同牛津大学的数学家Marc Lackenby以及András Juhász 教授，我们通过研究康威扭结的结构，发现了数学中不同领域之间意想不到的联系。
　　评审这项工作的顶尖数学家表示，这是机器学习在数学上取得的第一个重大发现。
　　我们还在arXiv上同步发表了相关论文，之后再将这些论文投稿在数学期刊上。通过这些例子，我们创造了一个范式，证明其他数学家如何使用这些工具来获得新的结果。
　　对有序对象列表的重新排列。数列“32415”将第一个元素置于第三个位置，第二个元素置于第二个位置，依此类推。
　　多年来，数学家一直使用计算机生成数据，以帮助寻找新的模式。这种被称为实验数学的研究产生了著名的猜想，如Birch和斯维讷通-戴尔猜想（Birch and Swinnerton-Dyer Conjecture），这是一个“千僖难题”（总共6个），也是数学中最著名的公开问题（每个问题都有一百万美元的奖金）。