प्रसिद्ध गणितज्ञ टाओ झेक्सन ने कहा है कि हालांकि आर्टिफिशियल इंटेलिजेंस (AI) कई क्षेत्रों में अद्भुत क्षमताएं प्रदर्शित करती है, लेकिन गणित क्षेत्र में यह अभी भी एक महत्वपूर्ण "इंटिउशन" — किन्हीं गलत दिशाओं और गलत साबित करने की मानव इंटिउशन — की कमी रखती है। वे सोचते हैं कि यह इंटिउशन AI के पास अभी तक नहीं है, और इसलिए मनुष्य अभी भी गणितीय निर्णय में अप्रतिस्पर्धी भूमिका निभा रहा है।
टाओ ने सुझाव दिया कि जनरेटिव AI गणितीय सबूत बनाते हैं जब भी वे कमीतर्क सहित होते हैं, तो उन्हें आमतौर पर "गलत दिखने वाले" लगते हैं। हालाँकि, ये गलतियाँ आमतौर पर "बहुत मायनेवाली" होती हैं, और जब उन्हें पहचाना जाता है, तो वे "बहुत चौंकाने वाली" लगती हैं, जो मनुष्यों द्वारा वास्तव में नहीं की जाती हैं। उन्होंने इस मानवीय क्षमता को "मीटाफ़ोरिकली मैथेमैटिकल स्मेल" कहा है, जो जब कुछ गलत होता है, तो तुरंत चेतावनी देता है। टाओ ने बड़े दृढ़ता से कहा कि वर्तमान में यह नहीं पता कि कैसे AI को अंततः इस क्षमता को नकल करने का तरीका सिखाया जा सकता है।
उन्होंने और भी स्पष्ट किया कि वर्तमान AI, खासकर जनरेटिव मॉडल्स, गलत विधि अपनाने पर आमतौर पर उलझ जाते हैं। उनका मानना है कि AI के लिए वास्तव में कठिन समस्या यह है कि "यह कहाँ गलत दिशा में बढ़ जाता है।" इसके विपरीत, मिश्रित AI प्रणालियाँ, जो न्यूरल नेटवर्क को सिग्नेचरल रीजनिंग के साथ जोड़ती हैं, इस समस्या से कम जुड़ी हैं।
हालाँकि, टाओ ने स्वीकार किया कि प्रणालियों की जैसे AlphaZero ने गीला और शतरंज में महत्वपूर्ण प्रगति की है। वे मानते हैं कि इन प्रणालियों ने एक तरह से चार्जर के "इंटिउशन" को विकसित किया है, जो यह निर्धारित करने में मदद करता है कि किसी स्थिति में किसी तरफ लाभ हो सकता है। हालाँकि, ये प्रणालियाँ कारण को नहीं ठहरा सकतीं, लेकिन यह "इंटिउशन" उनके रणनीति निर्माण में पर्याप्त होती है। टाओ का दृष्टिकोण है कि यदि AI को इस प्रकार की स्ट्रेटेजी चयन की क्षमता मिल सकती है, तो यह प्रश्न को तोड़ते समय निर्माण योजनाएं प्रस्तुत कर सकता है, जैसे: "अच्छा लग रहा है; ये दो काम आपकी मुख्य कार्यवाही की तुलना में आसान लगते हैं और फिर भी ये सही हो सकते हैं।"
जानकारों का मानना है कि लार्ज लैंग्वेज मॉडल्स (LLMs) के साथ सिग्नेचर रीजनिंग के लाभों को जोड़ने से AI को गणित क्षेत्र में महत्वपूर्ण प्रगति करने की संभावना है, क्योंकि केवल LLMs (चाहे कितनी भी तर्कशक्ति हो) जटिल गणितीय समस्याओं पर घाटे के रास्ते पर जा सकते हैं। टाओ ने पहले ही OpenAI के रीजनिंग मॉडल o1 को "सामान्य, लेकिन पूरी तरह अनमोल नहीं" बताया, जिसका मतलब है कि यह एक मौजूदा सहायक की तरह रोजमर्रा की कार्यवाही कर सकता है, लेकिन अभी तक तैयारी और लचीलेपन की क्षमता नहीं है। वे फ्रंटियरमैथ बेंचमार्क के विकास में भी शामिल थे, जो AI प्रणालियों के लिए चुनौतीपूर्ण गणितीय समस्याओं का सेट तैयार करता है, इससे इस क्षेत्र में प्रगति प्रेरित की जाती है।