Facebook AI ได้สร้างระบบ AI ที่สามารถแก้โจทย์สมการขั้นสูงได้โดยใช้หลัก symbolic reasoning ด้วยการพัฒนาวิธีใหม่ที่นำเสนอโจทย์คณิตศาสตร์ซับซ้อนเป็นภาษาชนิดหนึ่งและมองการแก้โจทย์เลขเป็นโจทย์การแปลสำหรับโครงข่ายประสาทเทียมแบบลำดับต่อลำดับ (sequence-to-sequence neural networks) ทำให้ระบบนี้ทำงานได้เหนือกว่าระบบคอมพิวเตอร์แบบดั้งเดิมในการแก้โจทย์สมการ
ทีมวิจัยใช้วิธีการแก้โจทย์ปัญหาทางคณิตศาสตร์โดยใช้ neural machine translation (NMT) เพื่อให้ AI เข้าใจคณิตศาสตร์ ผลลัพธ์คือ ระบบสามารถแก้สมการได้ในเสี้ยวเวลาที่ระบบที่ใช้พีชคณิตอย่าง Maple, Mathematica และ Matlab ใช้
ทีมวิจัยได้สอน AI ให้แยกสมการวิธีเดียวกับที่เราใช้กับวลีที่ซับซ้อนดังตัวอย่างด้านล่าง แทนที่จะแยกเป็นคำกริยา คำนาม และคำคุณศัพท์ ระบบก็แยกตัวประกอบเดี่ยวแทน
นักวิจัยเน้นไปที่การแก้โจทย์สมการเชิงอนุพันธ์และสมการอินทิกรัลเป็นหลัก แต่เนื่องจากว่าสมการทั้งสองประเภทนี้ไม่ได้มีทางแก้เสมอไป ทีมวิจัยจึงต้องอาศัยการสร้างข้อมูลใช้ฝึกสำหรับระบบเรียนรู้ แทนที่จะสร้างโจทย์ขึ้นมาแล้วแก้โจทย์แต่กลับด้านเป็นการสร้างคำตอบขึ้นมาแล้วหาตัวโจทย์แทน
ผลคือ เมื่อเทียบกับเปอร์เซ็นต์ของการแก้โจทย์ด้วย Mathematica แล้ว ระบบของ Facebook AI มีอัตราความสำเร็จอยู่ที่ 99.7% สำหรับสมการอินทิกรัล 94% สำหรับสมการอนุพันธ์ลำดับที่หนึ่ง และ 81.2% สำหรับสมการอนุพันธ์ลำดับที่สอง อีกทั้งยังใช้เวลาเพียงครึ่งวินาทีในการหาข้อสรุป ในขณะที่ระบบที่มีอยู่เดิมใช้เวลากว่าหลายนาทีในการแก้โจทย์