Prvi put u historiji, AI modeli su riješili zadatke na najvišem nivou Međunarodne matematičke olimpijade (IMO), postižući rezultate ravne zlatnoj medalji.
Sistemi "Gemini Deep Think" od Google DeepMinda i neimenovani model od OpenAI-ja postigli su ono što je dosad bilo rezervirano samo za najtalentiranije mlade matematičare svijeta. IMO je najpoznatije takmičenje za učenike u matematici, gdje se adolescenti mlađi od 20 godina iz preko 100 zemalja suočavaju s izuzetno teškim matematičkim problemima. Nisu to obični školski zadaci, već zagonetke koje često zahtijevaju danonoćno razmišljanje.
Činjenica da su AI sistemi sada uspjeli riješiti pet od šest zadataka na ovom nivou iznenadila je mnoge stručnjake. Do sada se matematika, posebno na ovoj dubini, smatrala glavnim primjerom ljudske misaone sposobnosti.
Googleov "Gemini Deep Think" i OpenAI-ov model bili su posebno trenirani za "rasuđivanje", odnosno sposobnost logičkog argumentiranja. Google je blisko sarađivao sa službenim IMO komitetom, a njihovi rezultati su službeno potvrđeni od strane vanjskih stručnjaka. OpenAI je išao drugim putem: dopustili su bivšim dobitnicima Matematičke olimpijade da provjere AI-jeve odgovore.
Ono što je posebno značajno je da ranije ljudi su morali zadatke preformulirati kako bi ih AI uopće razumio. Ove godine to više nije bilo potrebno. Novi sistemi razumiju i odgovaraju na zadatke u normalnom jeziku – baš kao i ljudski takmičari.
OpenAI je za svoje rješenje koristio posebnu računsku metodu: AI je dopušteno da "razmišlja" o svakom zadatku izuzetno dugo – što se naziva "test-time computation". Pritom su se paralelno izračunavali mnogi različiti pristupi rješavanju, što je, prema OpenAI-ju, bilo "izuzetno skupo". To znači da je korišteno mnogo računske snage, a time i mnogo novca.
OpenAI nije želio otkriti tačne troškove. Međutim, jasno je da ova vrsta AI performansi još uvijek nije svakodnevno primjenjiva. Sistemi trenutno rade pouzdano samo ako im se osiguraju vrlo veliki resursi. Za praktičnu primjenu – recimo u školama ili istraživačkim institucijama – takvi su modeli još uvijek preskupi.