एक ऐसा नतीजा जिसकी जल्द उम्मीद कम ही थी
OpenAI द्वारा निर्मित एक कृत्रिम बुद्धिमत्ता प्रणाली ने Paul Erdős की दशकों पुरानी एक परिकल्पना का समाधान कर दिया है, और कई गणितज्ञ इसे अब तक गणित में AI की सबसे महत्वपूर्ण उपलब्धि कह रहे हैं। समतल इकाई दूरी समस्या के नाम से जानी जाने वाली यह चुनौती 40 वर्षों से अधिक समय तक बड़े प्रगति प्रयासों का विरोध करती रही है, और विशेषज्ञ इसके स्पष्ट समाधान को किसी चतुर चाल या संकीर्ण संगणकीय सहायता के रूप में नहीं, बल्कि एक वास्तविक गणितीय सफलता के रूप में वर्णित कर रहे हैं।
प्रस्तुत रिपोर्ट के अनुसार, शोधकर्ता इस परिणाम से स्तब्ध थे। यह प्रतिक्रिया स्वयं परिकल्पना की स्थिति को दर्शाती है। Erdős ने इस पहेली को ज्यामिति में अपने सबसे उल्लेखनीय योगदानों में से एक माना था, क्योंकि इसे कहना आसान था लेकिन इसका उत्तर देना बेहद कठिन था। इस श्रेणी की समस्याएँ अक्सर गणित में कसौटी बन जाती हैं, क्योंकि वे न केवल बलपूर्वक प्रयासों का, बल्कि दशकों के सुरुचिपूर्ण आंशिक तरीकों का भी प्रतिरोध करती हैं।
समस्या सरल शब्दों में
समतल इकाई दूरी समस्या यह पूछती है कि अनंत समतल पर रखे गए बिंदुओं के बीच कितने समान-लंबाई वाले रेखाखंड खींचे जा सकते हैं। अधिक स्पष्ट रूप से, यदि आप बिंदुओं का एक समूह चुनते हैं, तो किन जोड़ों के बीच दूरी ठीक एक इकाई हो सकती है, इसकी अधिकतम संख्या क्या है? Erdős ने अनुमान लगाया था कि सबसे अच्छे विन्यास ग्रिड में व्यवस्थित बिंदुओं जैसे दिखेंगे, जिससे संकेत मिलता है कि ऐसे इकाई-दूरी जोड़ों की कुल संख्या बिंदुओं की संख्या से नाटकीय रूप से तेज़ी से नहीं बढ़ सकती।
दशकों तक गणितज्ञों ने इस प्रश्न पर धीरे-धीरे काम किया, लेकिन इसे निर्णायक रूप से हल नहीं कर पाए। इस नए परिणाम से पहले सबसे हालिया बड़ा सुधार 40 साल से अधिक पहले आया था। यही लंबा अंतर इस घोषणा को महत्व देता है। यह ऐसा मामला नहीं है जिसमें AI ने लगभग हल हो चुकी समस्या को खत्म कर दिया हो। यह ऐसा मामला है जिसमें यह क्षेत्र पीढ़ियों से अटका हुआ था।
AI ने क्या दिखाया लगता है
दी गई व्याख्या के अनुसार, OpenAI मॉडल ने पाया कि Erdős काफी हद तक गलत थे। ग्रिड को लगभग सर्वोत्तम मानने के बजाय, कम सममित बिंदु-विन्यास बहुत अधिक इकाई-दूरी जोड़े उत्पन्न कर सकते हैं। यदि यह सही है, तो यह निष्कर्ष समस्या की ज्यामिति को सार्थक रूप से बदल देता है। यह केवल किसी सीमा को कसता नहीं या किसी मौजूदा प्रमाण को सरल नहीं बनाता। यह परिकल्पना के पीछे की बुनियादी अंतर्दृष्टि को उलट देता है।
यही कारण है कि स्रोत में उद्धृत गणितज्ञों की प्रतिक्रिया इतनी तीव्र थी। उनकी अविश्वास की भावना केवल गणित में AI के प्रवेश को लेकर नहीं थी। बात इस स्तर की थी कि विशेषज्ञ कह रहे हैं कि तर्क क्षेत्र की सबसे प्रतिष्ठित पत्रिकाओं में से एक में प्रकाशित किए जाने योग्य दिखता है। एक टिप्पणीकार ने इसे AI गणित में एक मील का पत्थर बताया और कहा कि AI-जनित कोई भी पिछला प्रमाण इस मानक के करीब नहीं पहुँचा था।
एक प्रमेय से परे इसका महत्व
कृत्रिम बुद्धिमत्ता ने गणित में पहले ही खोज उपकरण, परिकल्पना-निर्माता और प्रतीकात्मक हेरफेर में सहायक के रूप में उपयोगिता दिखाई है। लेकिन इन भूमिकाओं ने एक केंद्रीय प्रश्न खुला छोड़ दिया: क्या AI मुख्यधारा के शुद्ध गणित में गहरे, आश्चर्यजनक और कठोर योगदान दे सकता है, जिन्हें स्वयं विशेषज्ञ प्रथम श्रेणी का मानें? यदि यह परिणाम कायम रहता है, तो यह अब तक का सबसे स्पष्ट प्रमाण है कि उत्तर संभवतः हाँ है।
महत्व केवल हल की गई समस्या में नहीं, बल्कि उस प्रकार की संज्ञानात्मक क्षमता में भी है जिसका यह उपलब्धि प्रतिनिधित्व करती प्रतीत होती है। एक सार्थक गणितीय सफलता के लिए किसी ज्ञात प्रमाणों के बड़े डेटाबेस पर केवल पैटर्न पहचान से अधिक की आवश्यकता होती है। इसके लिए अमूर्त संरचना में नेविगेट करना, अप्रत्यक्ष दिशाओं की जाँच करना और ऐसा तर्क हासिल करना होता है जिसे विशेषज्ञ सही और सचमुच अंतर्दृष्टिपूर्ण दोनों के रूप में सत्यापित कर सकें। स्रोत में वर्णित प्रतिक्रिया से लगता है कि गणितज्ञों का मानना है कि ऐसा ही कोई स्तर पार किया गया है।
इसका मतलब यह नहीं कि मानव गणितज्ञ अचानक अप्रासंगिक हो गए हैं। बल्कि इसके विपरीत। मानव विशेषज्ञ ही सहीपन, महत्व और क्षेत्र के भीतर वैचारिक स्थान के निर्णायक बने रहते हैं। लेकिन इससे यह संकेत मिलता है कि AI अब केवल सहायक तकनीक के रूप में नहीं, बल्कि ऐसे नए परिणामों के स्रोत के रूप में गणित में प्रवेश कर सकता है जो मानव शोध की दिशा बदल सकें।
गणितज्ञों और मशीनों के बीच नया संबंध
यदि AI इस स्तर की लंबी परिकल्पना का समाधान कर सकता है, तो गणित के काम करने के तरीके में बदलाव आ सकता है। शोधकर्ता उन्नत प्रणालियों का उपयोग केवल बीजगणित की जाँच या उदाहरण सुझाने के लिए नहीं, बल्कि कठिन परिकल्पनाओं की जाँच, संरचनात्मक परिकल्पनाओं के परीक्षण और ऐसे तर्क-रणनीतियों की खोज के लिए कर सकते हैं जिन्हें बाद में मनुष्य परिष्कृत, व्याख्यायित और सामान्यीकृत करें। इससे प्रगति तेज़ हो सकती है, लेकिन यह व्यावहारिक रूप में गणितीय रचनात्मकता के स्वरूप को भी बदल सकता है।
सांस्कृतिक और ज्ञानमीमांसात्मक स्तर पर भी कठिन प्रश्न उठेंगे। गणितज्ञ केवल सहीपन को ही महत्व नहीं देते; वे समझ को भी महत्व देते हैं। कोई प्रमाण तकनीकी रूप से वैध हो सकता है, फिर भी यह प्रश्न खुला रह सकता है कि समुदाय ने उसके पीछे के गहरे विचार को कितना आत्मसात किया है। यदि AI प्रणालियाँ अधिक सफलताएँ देने लगती हैं, तो शोधकर्ता यह अधिक पूछ सकते हैं कि क्या वे प्रणालियाँ केवल समाधान खोज रही हैं या स्वयं गणितीय अंतर्दृष्टि को नया रूप दे रही हैं। यह मामला उस बहस को और तीव्र करने की संभावना रखता है।
आगे क्या मायने रखता है
प्रस्तुत विवरण स्पष्ट करता है कि काम की समीक्षा करने वाले विशेषज्ञ जल्दी ही आश्वस्त हो गए, लेकिन दीर्घकालिक महत्व व्यापक जाँच, औपचारिक प्रकाशन और प्रमाण को आत्मसात करने के लिए गणितीय समुदाय के निरंतर प्रयास पर निर्भर करेगा। बड़ी उपलब्धियाँ केवल इसलिए मील का पत्थर नहीं बनतीं कि वे सही हैं। वे इसलिए मील का पत्थर बनती हैं क्योंकि अन्य गणितज्ञ उन पर आगे काम कर सकते हैं, उन्हें पढ़ा सकते हैं और उनसे आगे की नई खोजें निकाल सकते हैं।
फिर भी, वह निर्णायक क्षण शायद पहले ही आ चुका है। बीसवीं सदी के एक महान गणितज्ञ से जुड़ी, और दशकों से काफी हद तक अटकी हुई एक समस्या, अब एक AI प्रणाली के आगे ऐसे रूप में झुकती प्रतीत होती है जिसे गंभीर विशेषज्ञ उल्लेखनीय मानते हैं। यदि यह आकलन सही साबित होता है, तो कहानी केवल इतनी नहीं है कि एक मशीन ने एक कठिन पहेली हल कर दी। कहानी यह है कि शुद्ध गणित एक नए युग में प्रवेश कर सकता है, जिसमें कृत्रिम बुद्धिमत्ता वास्तविक खोज के स्तर पर भाग ले सके।
यह लेख New Scientist की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.
Originally published on newscientist.com