這是根據Google DeepMind在2026年2月介紹的研究展開的想象，並非已實現完整自我改進迴圈的報告。
設想研究人員早晨來到實驗室時，AI已準備好候選解法。研究人員核查後決定下一步嘗試。這種方式可能讓更多想法得到驗證。
2026年2月，Google DeepMind介紹了採用Gemini Deep Think的數學研究智慧體Aletheia等成果。它生成、驗證並修改候選解法，也與研究人員合作。
研究能嘗試更多方法
如果AI閱讀論文並嘗試候選解法，人們或許能更快找到有希望的方法。過去因時間不足而擱置的問題，也更有機會得到探索。
數學成果反過來改進AI
如果研究發現減少計算量或用更少資料學習的方法，會怎樣？將成果用於下一代AI，它又能更好地協助研究。下文探討這種可能的迴圈。
AI協助研究，研究再改進AI。若這一過程持續推進，收益可能不僅體現在計算領域，也擴充套件到材料和能源研究。
仍需實驗和製造才能進入生活
有了新想法，仍需裝置和時間來實驗。要變成電池或機器人，也需要製造能力。研究速度與實際生產能力都需要提高。
研究人員看到AI建議後想到另一種方法，再讓AI驗證。這樣的協作增多，可能縮短新技術出現的間隔。
