该论文介绍，奥林匹克水平的数学定理证明需要高水平的逻辑推理和解题能力。然而，当前基于机器学习的AI系统在证明数学定理方面还有困难。机器学习这种AI形式通过向计算机提供参考数据，让计算机学习如何执行特定任务，但由于作为训练数据的人类示范很少，所以定理证明(尤其是几何学定理)很难被掌握。

　　在本项研究中，论文第一作者兼共同通讯作者、美国谷歌Deepmind和纽约大学的Trieu H. Trinh与同事合作，开发出一种不需要人类示范的定理证明方法的系统并命名为AlphaGeometry，其通过综合复杂程度各异的数百万条定理和证明，利用一 个神经语言模型完成自我训练。这种方法结合符号演绎引擎(能搜索难题中的大量分支点)，能让AlphaGeometry在无需人类直接输入的情况下学习并

　　他们用国际数学奥林匹克竞赛(优秀高中生参加的数学定理证明大赛)2000-2020年的30个问题对G0进行测试，结果AlphaGeometry解出了其中25题，接近国际数学奥林匹克竞赛金牌选手的平均表现，而之前最优秀的方法只解出了10题。值得一提的是，AlphaGeometry能生成人类可阅读的证明，甚至发现了2004年国际数学奥林匹克竞赛定理的一个新版本。