OpenAI বলছে, তাদের মডেল ৮০ বছরের জ্যামিতিক ধারণা ভেঙে দিয়েছে

AI mathematics crosses a new threshold

OpenAI বলছে, তাদের একটি internal reasoning model discrete geometry-র একটি কেন্দ্রীয় ধারণাকে উল্টে দেওয়ার মতো একটি proof তৈরি করেছে, যা এখন পর্যন্ত সবচেয়ে স্পষ্ট দাবিগুলোর একটি যে একটি general-purpose AI system research frontier-এ অবদান রাখতে পারে। এই ফলাফল planar unit distance problem-কে ঘিরে, যা Paul Erdős 1946 সালে প্রথম উত্থাপন করেছিলেন: আপনি যদি একটি plane-এ n points বসান, তাহলে কতগুলো pairs ঠিক one unit দূরত্বে থাকতে পারে?

সমস্যাটি বলা সহজ, কিন্তু মীমাংসা করা অত্যন্ত কঠিন। বহু দশক ধরে mathematicians বিশ্বাস করতেন যে square-grid-style constructions-ই unit-distance pairs-এর সংখ্যা সর্বাধিক করার প্রায় সেরা উপায়। OpenAI-এর মতে, তার model counterexamples-এর একটি infinite family খুঁজে পেয়েছে, যা সেই দীর্ঘস্থায়ী ধারণাকে polynomial margin-এ ছাড়িয়ে গেছে এবং কার্যত prevailing conjecture-টিকে খণ্ডন করেছে।

Why this problem matters

Unit distance problem mathematics-এ একটি অস্বাভাবিক স্থান দখল করে আছে। একটি sentence-এ এটি কোনো non-specialist-কে বোঝানো যায়, তবু প্রায় ৮০ বছর ধরে এটি সমাধানকে প্রতিরোধ করেছে। এই সংমিশ্রণ এটিকে combinatorial geometry-র সবচেয়ে পরিচিত open questions-গুলোর একটি এবং mathematical creativity-র একটি touchstone বানিয়েছে।

OpenAI এই ফলাফলকে শুধু theorem-এর কারণে নয়, proof কীভাবে পাওয়া গেছে তার কারণেও গুরুত্বপূর্ণ বলে দেখাচ্ছে। কোম্পানির দাবি, argument এসেছে একটি general-purpose reasoning model থেকে, mathematics-এর জন্য বিশেষভাবে তৈরি system থেকে নয়, proof trees খুঁজতে hard-wired tool থেকে নয়, কিংবা unit distance problem-এর জন্য বিশেষ সফটওয়্যার থেকেও নয়। OpenAI-এর ভাষ্য অনুযায়ী, কাজটি Erdős problems নিয়ে broader testing-এ থেকে উঠে এসেছে, যার উদ্দেশ্য ছিল দেখা যে advanced models active research-এ অর্থপূর্ণ অবদান রাখতে পারে কি না।

External checking was central

দাবিটি অস্বাভাবিকভাবে শক্তিশালী হওয়ায়, verification process ঘোষণার মতোই গুরুত্বপূর্ণ। OpenAI বলছে, বাইরের গণিতবিদদের একটি দল proof যাচাই করেছে এবং একটি companion paperও তৈরি করেছে, যেখানে argument, তার background, এবং কেন ফলাফলটি গুরুত্বপূর্ণ তা ব্যাখ্যা করা হয়েছে। কোম্পানি এই outside review-কে release-এর একটি core অংশ হিসেবে উপস্থাপন করছে, পরের চিন্তা হিসেবে নয়।

এই পার্থক্যটি গুরুত্বপূর্ণ। Mathematics এখনো এমন কয়েকটি ক্ষেত্রের একটি, যেখানে reasoning-এর দীর্ঘ শৃঙ্খলকে একটি স্পষ্ট মানদণ্ডের বিরুদ্ধে যাচাই করা যায়: proof হয় ধরে, নয়তো ধরে না। সেটাই এই ক্ষেত্রকে AI reasoning-এর জন্য বিশেষভাবে কার্যকর test bed করে তোলে। যদি কোনো system শুরু থেকে শেষ পর্যন্ত একটি জটিল argument টিকিয়ে রাখতে পারে এবং expert checking-এ টিকে যায়, তাহলে সেটি একটি flashy benchmark result বা polished demo-র চেয়ে শক্তিশালী সংকেত দেয়।

What OpenAI says the model actually did

কোম্পানির মতে, model algebraic number theory-র ধারণা এনে এমন একটি সমস্যায় প্রয়োগ করেছে, যা বাইরে থেকে elementary geometric question-এর মতো দেখায়। mathematics-এ এই ধরনের cross-field move প্রায়ই গভীরতার লক্ষণ। এটি ইঙ্গিত করে যে system শুধু পরিচিত local tricks একত্র করছে না, বরং সমস্যাটির standard framing-এর বাইরে থাকা tools-এর দিকে হাত বাড়িয়েছে।

OpenAI আরও বলছে, model-টিকে এই theorem-এর দিকে বিশেষভাবে scaffold করা হয়নি। যদি এই বর্ণনা সঠিক হয়, তাহলে ফলাফলটি এই যুক্তিকে আরও শক্তিশালী করে যে modern reasoning systems এখন open-ended discovery-তে collaborators হিসেবে বেশি কার্যকর হয়ে উঠছে, কেবল tightly scripted tasks-এ সহকারী হিসেবে নয়।

কোম্পানি এই proof-কে mathematics-এর একটি subfield-এর কেন্দ্রে থাকা prominent open problem-কে AI autonomously সমাধানের প্রথম ঘটনা হিসেবে তুলে ধরছে। এটি একটি উচ্চ মানদণ্ড, এবং এই wording সম্ভবত আগের machine-assisted অর্জনের সঙ্গে এই ফলাফল তুলনা করতে চাওয়া researchers-দের scrutiny আকর্ষণ করবে। তবু, সেই সতর্কতার মধ্যেও, ঘোষণাটি একটি উল্লেখযোগ্য পরিবর্তনের ইঙ্গিত দেয়: leading AI labs এখন আর শুধু experts-কে দ্রুত কাজ করতে সাহায্য করার কথা বলছে না, বরং এমন systems-এর কথাও বলছে যা এমন অবদান রাখে, যেগুলো experts পরে মূল্যায়ন ও বিস্তার করেন।

Why the announcement lands beyond mathematics

এই ফলাফল AI-এর জন্য গুরুত্বপূর্ণ, কারণ mathematics reasoning systems থেকে মানুষ যে গুণগুলো সবচেয়ে বেশি চায়, সেগুলোর অনেকগুলোকে ঘনীভূত করে: precision, long-horizon consistency, এবং সূক্ষ্ম logical failure এড়ানোর ক্ষমতা। কোনো model যদি কঠিন proof জুড়ে কাঠামো ধরে রাখতে পারে, তাহলে তা কেবল stylistic fluency-এর চেয়ে বেশি কিছু দেখাচ্ছে।

এটি research practice-এর জন্যও গুরুত্বপূর্ণ। যদি models কঠিন সমস্যায় valid strategies প্রস্তাব করতে পারে, তাহলে তারা mathematicians কীভাবে conjecture খোঁজে, approaches পরীক্ষা করে, এবং অপরিচিত toolkits অন্বেষণ করে, তা বদলাতে শুরু করতে পারে। এতে human researchers-এর ভূমিকা শেষ হয়ে যায় না। তা বদলে যায়। Experts এখনও standards নির্ধারণ করেন, arguments পরীক্ষা করেন, significance স্পষ্ট করেন, এবং ফলাফলকে broader body of knowledge-এর সঙ্গে যুক্ত করেন। কিন্তু serious ideas তৈরি করতে সক্ষম entities-এর পরিসর এখন বাড়তে পারে।

OpenAI-এর release-ও মনে করিয়ে দেয় যে consumer products দিয়ে AI progress মূল্যায়ন করা increasingly কঠিন হয়ে উঠছে। সবচেয়ে গুরুত্বপূর্ণ কিছু পরিবর্তন প্রথমে specialist settings-এ আসতে পারে, যেখানে output quality independently যাচাই করা যায়। Mathematics-এ, অন্য অনেক ক্ষেত্রের বিপরীতে, অন্তত সেই ধরনের validation-এর একটি পথ আছে।

The next question

পরবর্তী স্পষ্ট প্রশ্ন হলো এটি কি একবারের ঘটনা, নাকি repeatable pattern-এর অংশ। একটি theorem, যতই striking হোক, তা প্রমাণ করে না যে AI systems নির্ভরযোগ্যভাবে mathematics এগিয়ে নিতে পারে। Researchers জানতে চাইবেন, models কত ঘন ঘন genuinely new insights তৈরি করতে পারে, কতটা human steering প্রয়োজন, এবং একই performance ভিন্ন proof cultures-সহ অন্যান্য subfield-এ প্রসারিত হতে পারে কি না।

এখনের জন্য, এই ঘোষণা unusually concrete stakes-সহ একটি milestone claim হিসেবে দাঁড়িয়ে আছে। proof টিকে থাকে এবং একটি classical problem বদলে দেয়, অথবা তা নয়। OpenAI বলছে, বাইরের গণিতবিদরা ইতিমধ্যেই এটি যাচাই করেছেন, এবং সেটাই এই ঘটনাকে vague capability claims-এর ওপর দাঁড়ানো AI hype-এর পরিচিত চক্র থেকে আলাদা করে।

যদি argument expert scrutiny-র সামনে টিকে যায়, তবে এর তাৎপর্য দ্বিগুণ হবে। discrete geometry-র একটি বিখ্যাত conjectural picture উল্টে যাবে, এবং AI reasoning সহায়তা থেকে এমন একটি ফলাফলের authorship-এ পৌঁছে যাবে, যাকে specialists বাস্তব mathematics বলে মনে করেন।

এই নিবন্ধটি OpenAI-এর রিপোর্টিংয়ের ভিত্তিতে লেখা। মূল নিবন্ধ পড়ুন.