IA mundet nga njeriu në testin më të vështirë matematikor që i është nënshtruar deri më sot. Janë vënë në provë katër model ender të cilët chatgpt 5.5 Pro dhe asnjë prej tyre nuk arriti të përgjigjej në mënyrë korrekte të 10 pyetjeve.
Sipas artikullit të publikuar në revistën shkencore Nature, rezultati më i lartë është arritur nga modeli i Politeknikut të Zurihut Eth, që zgjidhi 6 probleme ndër 10.
ChatGpt dhe OpenAi u rënditen në vend të tretë dhe katërt, ndërsa i fundit modeli i Princeton, që ndryshe nga të tjerët bazohet mbi Gemini i Google.
Testi i realizuar është First Proof, projekt i pavarur i promovuar për të ndjekur evolucionin e kapaciteteve të IA në kërkimin matematikor.
Pyetjet nuk ishin publikuar kurrë më parë as në literaturë shkencore as në internet, për të reduktuar rrezikun që modelet të kopjonin, ose të kishin qenë pjesë e fazës së hershme mësimore.
Nga testi rezulton se të gjitha modeleve i mungon intuita dhe aftësia për të lidhur elementet që çonin në zgjidhjen përfundimtare, pra mënyra bazë ishte korrekte, por sistemet IA nuk arritën të kapnin të gjitha detajet, çka i bën të limituar kundrejt njeriut dhe intuitës së tij, thënë ndryshe, shqisës së gjashtë.
