·越来越多的数学研究者关注人工智能对该领域的影响，在各种讨论会上辩论，采用不同的AI工具尝试解答数学问题。

·数学是机器学习能做什么或不能做什么的试金石。推理是数学过程的精髓，也是机器学习中尚未解决的关键问题。神经网络以某种方式直观地辨别出了数学真理，但其逻辑“原因”却远非那么明显。

约翰·霍普金斯大学的数学家艾米丽·里尔一直在使用一个实验性证明助理程序。

卡内基梅隆大学计算机科学家、亚马逊学者马利恩·海勒（Marijn Heule）使用另一种自动推理工具，被他称为“暴力推理”，或者更专业地说是可满足性问题求解器。他说，只要用精心设计的代码来说明你想要找到哪个“奇异物体”，超级计算机网络就会在搜索空间中进行“翻搅”，并确定该实体是否存在。

还有一组工具使用机器学习，可以合成大量数据并检测模式，但不擅长逻辑、逐步推理。谷歌的DeepMind就设计了机器学习算法来解决蛋白质折叠和国际象棋获胜等问题，在2021年《自然》杂志的一篇论文中，一个团队将他们的成果描述为“通过人工智能指导人类直觉来推进数学发展”。

前谷歌计算机科学家、现在在湾区创业的宇怀·“托尼”·吴（Yuhuai “Tony” Wu）概述了一个更宏伟的机器学习目标。在谷歌，吴探索了支持聊天机器人的大型语言模型如何帮助数学。该团队使用的模型经过互联网数据训练，然后利用数学和科学论文的在线存档等大型数据集进行微调。吴在研讨会上说，当以日常语言来要求解决数学问题时，这个名为Minerva的专门聊天机器人“非常擅长模仿人类”。该模型在高中数学考试中获得的成绩优于16岁学生的平均成绩。吴说，他设想最终会有一位“自动化数学家”，具有“自行解决数学定理的能力”。