AI ने 30 साल पुरानी ग्राफ़ थ्योरी की परिकल्पना का प्रतिवाद खोजा

AI ने ग्राफ़ थ्योरी के एक लंबे समय से चले आ रहे दावे को चुनौती दी

ग्राफ़ थ्योरी की 30 साल पुरानी एक परिकल्पना को कथित तौर पर एक AI सिस्टम द्वारा कुछ घंटों में तैयार किए गए एक प्रतिवाद के बाद झटका लगा है। New Scientist के अनुसार, AI स्टार्ट-अप Autokernel के सह-संस्थापक Dmitry Rybin ने ChatGPT 5.6 Pro का उपयोग Dinitz-Garg-Goemans परिकल्पना के लिए एक संरचित प्रतिवाद खोजने के लिए किया, जो कॉम्बिनेटोरिक्स और ऑप्टिमाइज़ेशन में दशकों से एक खुला प्रश्न बना हुआ था।

रिपोर्ट के अनुसार, Rybin ने कुल चार प्रॉम्प्ट इस्तेमाल किए, जिनमें 60 शब्दों से भी कम थे, और मॉडल ने लगभग 5.5 घंटे खोज करने के बाद एक ऐसी रचना वापस की जो दिखाती है कि परिकल्पना गलत है। यदि यह प्रतिवाद विशेषज्ञों की जांच में खरा उतरता है, तो यह घटना एक तेज़ी से विकसित हो रहे पैटर्न में एक और उल्लेखनीय क्षण होगी: AI सिस्टम अब केवल नियमित प्रमाण-कार्य या प्रतीकात्मक हेरफेर में मदद नहीं कर रहे, बल्कि ऐसे नए ऑब्जेक्ट भी सामने ला रहे हैं जो स्थापित गणितीय प्रश्नों की स्थिति बदल देते हैं।

यह बदलाव महत्वपूर्ण है क्योंकि गणित में प्रतिवादों का एक विशेष स्थान होता है। कोई प्रमेय वर्षों तक कई विशेष मामलों में जांच से बच सकता है, लेकिन एक ही वैध अपवाद सामान्य दावे को ढहा देने के लिए पर्याप्त होता है। जिन क्षेत्रों में अंतर्ज्ञान छोटे उदाहरणों में दिखने वाले पैटर्न से बनता है, वहाँ किसी नियम को तोड़ने वाला पहला ऑब्जेक्ट खोजना असाधारण रूप से कठिन हो सकता है। यह ठीक उसी तरह की खोज समस्या है जिसमें बड़े पैमाने पर स्वचालित अन्वेषण को बढ़त मिल सकती है।

परिकल्पना कहना क्या चाहती थी

Dinitz-Garg-Goemans परिकल्पना ग्राफ़ थ्योरी से संबंधित है, जो vertices और edges से बने नेटवर्कों का अध्ययन करती है। New Scientist इस दावे को एक लॉजिस्टिक्स उपमा के जरिए समझाता है। मान लीजिए कि एक गोदाम से कई गंतव्यों के लिए सामान भेजा जा रहा है। समस्या के एक रूप में, इन शिपमेंट्स को छोटे हिस्सों में बाँटकर अलग-अलग रास्तों पर भेजा जा सकता है। परिकल्पना ने प्रस्ताव दिया कि इस लचीली व्यवस्था को एक ऐसी दूसरी व्यवस्था में बदला जा सकता है, जहाँ शिपमेंट्स को विभाजित नहीं किया जाता, और फिर भी कुल लागत नहीं बढ़ती।

ऐसा कथन आकर्षक है क्योंकि यह संकेत देता है कि जटिल वास्तविक दुनिया के अनुकूलन को कभी-कभी अधिक साफ़-सुथरे, विश्लेषण के लिए आसान रूपों में घटाया जा सकता है। यदि यह सही होता, तो परिकल्पना विभाजित और अविभाजित प्रवाह परिदृश्यों के बीच एक भरोसेमंद सेतु का संकेत देती। लेकिन बताया गया प्रतिवाद दिखाता है कि यह सेतु हमेशा मौजूद नहीं होता। इन नेटवर्कों की संरचना में कहीं ऐसे मामले हैं जहाँ विभाजन पर रोक लगाने से लागत-विज्ञान बदल जाता है, जबकि परिकल्पना के अनुसार ऐसा नहीं होना चाहिए था।

विशेषज्ञों के लिए इसका मतलब यह नहीं कि पूरा क्षेत्र ढह जाता है। इसका मतलब है कि सीमारेखा और स्पष्ट हो जाती है। अब शोधकर्ता यह पूछ सकते हैं कि परिकल्पना कहाँ विफल होती है, क्या उसके सीमित रूप अभी भी सही रहते हैं, और किन प्रकार के ग्राफ़ वांछित व्यवहार को बनाए रखते हैं। एक गलत परिकल्पना अक्सर उतना ही उपयोगी काम पैदा करती है जितनी एक सही परिकल्पना, क्योंकि वह क्षेत्र को एक व्यापक लेकिन अशुद्ध सिद्धांत के स्थान पर अधिक सटीक मानचित्र बनाने के लिए मजबूर करती है।

यह मामला ध्यान क्यों खींच रहा है

प्रतिक्रिया का एक हिस्सा प्रॉम्प्टिंग की दिखने वाली सादगी से आता है। New Scientist द्वारा उद्धृत करते हुए Rybin ने X पर बताया कि उन्होंने स्वयं इस समस्या पर कई हफ्तों तक विचार किया था। लेकिन लेख में बताए गए प्रॉम्प्ट बहुत सीमित थे: पहले एक निर्णायक प्रतिवाद खोजने का निर्देश, फिर खोज जारी रखने के बार-बार अनुरोध। यही अंतर कहानी का केंद्रीय बिंदु बन गया है। दिलचस्पी सिर्फ इस बात में नहीं है कि AI शामिल था, बल्कि इस बात में है कि मानव-समक्ष इंटरफ़ेस कितना साधारण दिख रहा था, जबकि भीतर चल रही संगणनात्मक खोज संभवतः कुछ गैर-तुच्छ कर रही थी।

यह अंतर महत्वपूर्ण है। छोटा प्रॉम्प्ट यह नहीं दर्शाता कि तर्क प्रक्रिया सरल थी। इसका मतलब है कि उपयोगकर्ता को सिस्टम को उपयोगी खोज की दिशा में ले जाने के लिए कोई जटिल औपचारिक कार्यप्रवाह हाथ से तैयार नहीं करना पड़ा। जैसे-जैसे AI उपकरण बेहतर होंगे, अड़चन हर चरण निर्दिष्ट करने से हटकर सही गणितीय लक्ष्य तय करने, आउटपुट की कठोर जांच करने, और मशीन-जनित वस्तुओं को ऐसी रूपरेखा में बदलने पर जा सकती है जिसे शोध समुदाय सत्यापित कर सके और आगे बढ़ा सके।

New Scientist यह भी नोट करता है कि एक सप्ताह में यह दूसरी बार है जब AI को किसी लंबे समय से चली आ रही परिकल्पना को पलटने का श्रेय दिया गया है। लेख नए ग्राफ़ थ्योरी परिणाम को Jacobian conjecture के एक पहले AI-जनित प्रतिवाद के साथ रखता है और May में Paul Erdos की दशकों पुरानी एक परिकल्पना को कथित तौर पर तोड़ने वाले OpenAI मॉडल की ओर भी इशारा करता है। इन सबको साथ देखें तो संकेत मिलता है कि मौजूदा क्षण कोई एक बार की जिज्ञासा नहीं, बल्कि मशीन-सहायित गणित में व्यापक तेज़ी का हिस्सा है।

ग्राफ़ थ्योरी आश्चर्यों के लिए खास तौर पर संवेदनशील क्यों हो सकती है

University of York के Chris Bowman-Scargill ने New Scientist को बताया कि गणित में एक चलती-फिरती मज़ाकिया बात है कि ग्राफ़ थ्योरी की हर परिकल्पना गलत होती है। यह हास्य एक वास्तविक संरचनात्मक चुनौती को दर्शाता है। ग्राफ़ थ्योरी में, जो व्यवहार छोटे उदाहरणों में स्थिर लगता है, वह एक या दो vertices जोड़ते ही अचानक बदल सकता है। इससे अनौपचारिक पैटर्न-पहचान उन क्षेत्रों की तुलना में कम भरोसेमंद हो जाती है जहाँ छोटे उदाहरण बड़े ढाँचों को अधिक faithfully प्रतिबिंबित करते हैं।

ऐसे वातावरण में, स्वचालित सिस्टम स्वाभाविक रूप से उपयोगी होते हैं। वे उस सीमा से आगे धकेल सकते हैं जहाँ तक मनुष्य सामान्यतः देखते हैं, बड़े पैमाने पर मामलों की गणना कर सकते हैं, और ऐसे विचित्र निर्माण खोज सकते हैं जो पहली नज़र में सहज नहीं लगते। एक गणितज्ञ के पास इस बात का अच्छा वैचारिक बोध हो सकता है कि कोई कथन सच होना चाहिए, जबकि एक मशीन लगातार जाँच सकती है कि क्या वह अंतर्ज्ञान स्थान के अधिक अजीब कोनों में भी टिकता है।

संभावित सबक यह नहीं है कि गणितज्ञ अप्रासंगिक हो जाते हैं। इसके बजाय, उनकी भूमिका बदलती है। मनुष्य अभी भी तय करते हैं कि कौन-से प्रश्न महत्वपूर्ण हैं, किसी रचना का महत्व क्या है, वह किस संरचनात्मक कारण से काम करती है, और कैसे एक कच्चे संगणनात्मक आउटपुट को एक मजबूत गणितीय कथा में बदला जाए। लेकिन खोज का परिदृश्य बदल रहा है। जब मशीनें निर्णायक उदाहरण अधिक तेज़ी और अधिक बार सामने ला सकती हैं, तब परिकल्पना बनाना स्वयं अधिक अनुशासित और अधिक प्रतिद्वंद्वी-प्रधान हो सकता है, क्योंकि शोधकर्ता किसी विचार के शुरुआती जीवन में ही आक्रामक मशीन-जांच की अपेक्षा करने लगेंगे।

आगे क्या होगा

तत्काल सवाल सत्यापन का है। एक कथित प्रतिवाद तभी गणितीय रिकॉर्ड बदलता है जब विशेषज्ञ पुष्टि करें कि वह वस्तु वास्तव में, बिल्कुल औपचारिक शर्तों के तहत, परिकल्पना का उल्लंघन करती है। New Scientist इस परिणाम को एक बड़ी प्रगति के रूप में प्रस्तुत करता है, लेकिन इसकी दीर्घकालिक अहमियत इस बात पर निर्भर करेगी कि समुदाय इसे कैसे सत्यापित, व्याख्यायित और विस्तारित करता है।

यदि यह परिणाम कायम रहता है, तो यह उस प्रवृत्ति को और मजबूत करेगा जिसे कई शोधकर्ता पहले से समझने की कोशिश कर रहे हैं। AI सहायक से सहयोगी की भूमिका में आ रहा है, विशेष रूप से खोज-उन्मुख कार्यों में, जहाँ खोज-क्षेत्र बड़ा है लेकिन सफलता की शर्त स्पष्ट है। गणित एक विशेष रूप से दृश्य परीक्षण-क्षेत्र है क्योंकि इसके आउटपुट को सटीकता से जांचा जा सकता है। इससे अनेक अन्य बौद्धिक क्षेत्रों की तुलना में प्रचार और वास्तविक योगदान के बीच फर्क करना आसान हो जाता है।

फिर भी, सामाजिक प्रभाव अकेली इस परिकल्पना से बड़ा हो सकता है। अब गणितज्ञों की एक पीढ़ी इस संभावना का सामना कर रही है कि मूल्यवान अंतर्दृष्टि साधारण भाषा में प्रॉम्प्ट किए गए, घंटों चलने वाले, और ऐसे ऑब्जेक्ट लौटाने वाले सिस्टमों से आ सकती है जिन्हें मनुष्यों ने बनाने के बारे में नहीं सोचा था। चाहे इससे असहजता पैदा हो, उत्साह, या दोनों, यह उस तरीके में एक सार्थक बदलाव है जिसमें खोज हो सकती है।

यह लेख New Scientist की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.