गणित मशीन बुद्धिमत्ता से मिलता है
गणित सदियों में अपना सबसे गहरा परिवर्तन अनुभव कर रहा है, AI उपकरणों द्वारा संचालित जो मौलिक रूप से बदल रहे हैं कि शोधकर्ता कैसे प्रमाण की खोज करते हैं, अनुमानों की खोज करते हैं, और सार संरचनाओं को समझते हैं। जो गणितज्ञों और AI प्रणालियों के बीच प्रायोगिक सहयोग के रूप में शुरू हुआ, वह एक आंदोलन में विकसित हुआ है जो यह फिर से परिभाषित कर रहा है कि मनुष्य क्षेत्र में क्या हासिल कर सकते हैं।
यह परिवर्तन केवल प्रमाणों को सत्यापित करने या गणनाओं को तेजी से करने के लिए कंप्यूटर का उपयोग करने से परे है। AI प्रणालियां अब उपन्यास गणितीय अंतर्दृष्टि उत्पन्न कर रही हैं, डेटा में पैटर्न की पहचान कर रही हैं जो मानव गणितज्ञों ने अनदेखा किया था, और पूरी तरह से नई अनुसंधान दिशाओं का सुझाव दे रही हैं। कुछ मामलों में, AI ने ऐसे परिणाम उत्पन्न किए हैं जिन्हें शीर्ष गणितज्ञ वास्तव में आश्चर्यजनक मानते हैं।
गणना से अनुमान तक
ऐतिहासिक रूप से, कंप्यूटर गणित को मुख्य रूप से कैलकुलेटर के रूप में परोसते थे, ब्रूट-फोर्स गणनाएं करते थे जो मनुष्यों के लिए बहुत उबाऊ या समय लेने वाली थीं। 1976 में चार-रंग प्रमेय का प्रसिद्ध प्रमाण, जो एक कंप्यूटर पर निर्भर था जो हजारों मामलों की जांच करता था, क्रांतिकारी था लेकिन अवधारणात्मक रूप से सीधा था। कंप्यूटर ने गणितीय अंतर्दृष्टि प्रदान नहीं की; इसने केवल मामलों को सत्यापित किया।
आज की AI प्रणालियां अलग तरीके से काम करती हैं। बड़ी भाषा मॉडल और सुदृढीकरण सीखने पर आधारित सिस्टम अमूर्तता के उच्च स्तर पर गणितीय अवधारणाओं के साथ काम कर सकते हैं। Google DeepMind का नॉट थ्योरी और सामग्री विज्ञान पर काम दिखाता है कि AI उन गणितीय संबंधों की पहचान कर सकता है जो मानव शोधकर्ताओं को दशकों तक मिले थे। हाल ही में, AI प्रणालियों ने संयोजकता, संख्या सिद्धांत और टोपोलॉजी में योगदान दिया है जो शीर्ष गणितीय पत्रिकाओं में प्रकाशित हुए हैं।
मुख्य विकास AI की Lean और Coq जैसी औपचारिक प्रमाण भाषाओं के साथ काम करने की क्षमता है। ये भाषाएं गणितीय कथनों को पूर्ण सटीकता के साथ व्यक्त करने की अनुमति देती हैं, और औपचारिक प्रमाणों के बड़े पुस्तकालयों पर प्रशिक्षित AI प्रणालियां नए प्रमाण उत्पन्न कर सकती हैं, अंतराल भर सकती हैं, और गणितीय निश्चितता के साथ परिणामों को सत्यापित कर सकती हैं। यह एक सकारात्मक चक्र बनाता है जहां AI-जनित प्रमाण भविष्य की AI प्रणालियों के लिए उपलब्ध प्रशिक्षण डेटा को विस्तारित करते हैं।
मानव-AI सहयोग
अधिकांश गणितज्ञ जो AI के साथ काम करते हैं, इस बात पर जोर देते हैं कि प्रौद्योगिकी एक प्रतिस्थापन के बजाय एक सहयोगी है। विशिष्ट कार्यप्रवाह में एक मानव गणितज्ञ एक प्रश्न या अनुमान प्रस्तुत करना शामिल है, एक AI प्रणाली संभावित दृष्टिकोणों के स्थान की खोज कर रही है, और मानव परिणामों का मूल्यांकन और परिशोधन कर रहा है। यह आगे-पीछे खोज की गति को नाटकीय रूप से तेज कर सकता है।
Terence Tao, दुनिया के सबसे प्रसिद्ध गणितज्ञों में से एक, क्षेत्र को बदलने के लिए AI की क्षमता के बारे में स्पष्ट रहा है। उन्होंने AI प्रमाण सहायकों को उपकरणों के रूप में वर्णित किया है जो गणितज्ञों को ऐसी समस्याओं को हल करने की अनुमति दे सकते हैं जो वर्तमान में किसी व्यक्ति या छोटी टीम के लिए बहुत बड़ी या जटिल हैं। जो समानता वह खींचता है वह दूरबीन की है: एक ऐसा उपकरण जो खगोलविद को प्रतिस्थापित नहीं करता बल्कि नंगी आंखों के लिए अदृश्य चीजों को प्रकट करता है।
कुछ शोधकर्ता अधिक सावधान हैं, चेतावनी देते हुए कि AI पर अत्यधिक निर्भरता सहज ज्ञान और गहरी समझ को कमजोर कर सकती है जो गणितीय रचनात्मकता के लिए केंद्रीय हैं। यदि गणितज्ञ प्रमाण निर्माण के कठिन काम को AI को आउटसोर्स करना शुरू करते हैं, तो वे उस प्रकार की अंतर्दृष्टि विकसित करने की क्षमता खो सकते हैं जो वास्तविक परिवर्तनकारी सफलताओं की ओर ले जाती है।
बड़े पैमाने पर औपचारिक सत्यापन
गणित में AI के सबसे व्यावहारिक अनुप्रयोगों में से एक औपचारिक सत्यापन है, कंप्यूटर प्रणालियों का उपयोग करके यह पुष्टि करने की प्रक्रिया कि एक प्रमाण तार्किक रूप से वैध है। परंपरागत रूप से, गणितीय प्रमाणों की समकक्षों द्वारा जांच की जाती है जो सूक्ष्म त्रुटियों को याद कर सकते हैं। AI-संचालित औपचारिक सत्यापन इन त्रुटियों को निश्चितता के साथ पकड़ सकता है।
Lean गणितीय पुस्तकालय, जिसमें हजारों औपचारिक रूप से सत्यापित प्रमेय हैं, AI-गणित अनुसंधान के लिए एक केंद्रबिंदु बन गया है। Google, Meta और कई विश्वविद्यालयों की टीमें स्वचालित रूप से Lean प्रमाण उत्पन्न करने के लिए AI प्रणालियों को प्रशिक्षित कर रही हैं, अंततः गणित के सभी क्षेत्रों में परिणामों के सत्यापन को स्वचालित करने के लक्ष्य के साथ।
इसका शुद्ध गणित से परे प्रभाव है। औपचारिक सत्यापन का उपयोग सॉफ़्टवेयर इंजीनियरिंग, हार्डवेयर डिज़ाइन और क्रिप्टोग्राफी में बढ़ रहा है, जहां सटीकता महत्वपूर्ण है। AI-संचालित प्रमाण पीढ़ी में प्रगति इन सत्यापन प्रक्रियाओं को तेजी से और अधिक सुलभ बना सकती है, विश्वसनीय सिस्टम बनाने की लागत को कम कर सकती है।
दार्शनिक प्रश्न
गणित में AI का उदय एक दार्शनिक प्रश्न उठाता है जिसे क्षेत्र को पहले कभी सामना नहीं करना पड़ा: यदि एक AI प्रणाली एक वैध प्रमाण का उत्पादन करती है जिसे कोई मानव पूरी तरह से समझ नहीं सकता है, क्या यह गणितीय ज्ञान का गठन करता है? गणित के कुछ दार्शनिकों का तर्क है कि समझ ज्ञान के लिए आवश्यक है, और यह कि कोई प्रमाण जिसे कोई भी समझता है केवल एक औपचारिक कलाकृति है। अन्य लोगों का तर्क है कि वैधता वह है जो मायने रखता है, और गणितीय सत्य मानव समझ से स्वतंत्र रूप से मौजूद है।
यह बहस विशुद्ध रूप से शैक्षणिक नहीं है। जैसे ही AI प्रणालियां तेजी से जटिल समस्याओं को संबोधित करती हैं, वे जो प्रमाण उत्पन्न करते हैं वे मानव समीक्षा के लिए बहुत लंबे या जटिल हो सकते हैं। गणितीय समुदाय को यह तय करना होगा कि AI-सत्यापित परिणामों में कितना विश्वास रखना है और कैसे बौद्धिक मानकों को बनाए रखना है जो हजारों वर्षों तक क्षेत्र को परिभाषित करते हैं।
जो स्पष्ट है वह यह है कि गणित अज्ञात क्षेत्र में प्रवेश कर रहा है। शोधकर्ताओं के लिए आज उपलब्ध उपकरण एक दशक पहले अकल्पनीय होते। और AI विकास की गति से पता चलता है कि अधिक शक्तिशाली क्षमताएं क्षितिज पर हैं। गणितीय समुदाय इन उपकरणों के अनुकूल कैसे हो जाता है यह अनुशासन के भविष्य को आकार देगा।
यह लेख New Scientist की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.
