గణిత శాస్త్రీయ నిరూపణల నుంచి విస్తృత శాస్త్రీయ సిద్ధాంతం వైపు AI కదులుతోంది
గణితానికి మించిన రంగాల్లోని సైద్ధాంతిక ప్రశ్నలపై కృత్రిమ మేధస్సు వ్యవస్థలు కొలిచగల పురోగతిని చూపడం ప్రారంభించాయని MIT పరిశోధకుడు నీల్ థాంప్సన్ చర్చించిన పరిశోధన తెలిపింది. గణితంలోని కొన్ని భాగాలను ఇప్పుడు కలవరపెడుతున్న సామర్థ్య వృద్ధి సంభావ్యత, గణాంకశాస్త్రం, ఆర్థికశాస్త్రం, అధిక-శక్తి సిద్ధాంతం, గురుత్వాకర్షణ, విశ్వోద్భవశాస్త్రం మరియు క్వాంటం భౌతికశాస్త్రాలకు విస్తరించవచ్చని విశ్లేషణ సూచిస్తోంది.
AI శాస్త్రవేత్తలను భర్తీ చేసిందని లేదా స్వతంత్రంగా ఆధునిక పరిశోధనా కార్యక్రమాన్ని నడపగలదని ఈ ఫలితం చెప్పడం లేదు. తరువాతి పరిశోధనా పత్రాల్లో సమాధానాలు నిర్ధారించబడిన సైద్ధాంతిక సమస్యలను పరిష్కరించడం అనే పరిమితమైనప్పటికీ ప్రాధాన్యమైన పనిపైనే అధ్యయనం దృష్టి పెట్టింది. ఆ రంగాల్లో 2024 మధ్యకాలం నుంచి 2026 మధ్యకాలం వరకు అత్యంత శక్తివంతమైన మోడళ్ల విజయశాతంలో పరిశోధకులు గణనీయమైన మెరుగుదలను కనుగొన్నారు.
ఈ ధోరణి ముఖ్యమైనది, ఎందుకంటే ప్రయోగాత్మక శాస్త్రం ఆధారపడే భాష, నమూనాలు మరియు అంచనాలను సైద్ధాంతిక పని తరచుగా అందిస్తుంది. ఆ పనిలోని కొన్ని భాగాలను అన్వేషించడానికి పరిశోధకులు AIని విశ్వసనీయంగా ఉపయోగించగలిగితే, దాని ప్రభావం వ్యక్తిగత లెక్కలపైనే కాకుండా శాస్త్రీయ విచారణ వేగం మరియు వ్యవస్థీకరణపైనా కనిపించవచ్చు.
సమస్యల చిన్న భాగం నుంచి మూడో వంతుకు మించి
గాబ్రియెల్ మాన్సో మరియు క్లాడియో మయిరింక్ వెర్డూన్‌లతో కలిసి థాంప్సన్ నిర్వహించిన అధ్యయనం, 2025 డిసెంబర్ నుంచి 2026 మే మధ్య ప్రచురించబడిన పరిశోధనా పత్రాల నుంచి తీసుకున్న సమస్యలపై అనేక OpenAI మోడళ్లను పరీక్షించింది. ఈ బృందం o1, o3, GPT-5, GPT-5.1, GPT-5.4 మరియు GPT-5.5 వంటి మోడళ్లను పరిశీలించింది.
అంచనాలో చేర్చిన సైద్ధాంతిక రంగాలన్నింటిలోనూ ఉత్తమ వ్యవస్థలు 2024 మధ్యకాలంలో సుమారు 2% సమస్యలను సరిగ్గా పరిష్కరించడం నుంచి 2026 మధ్యకాలానికి సుమారు 35%కి చేరుకున్నాయి. ఇది ఇంకా సార్వత్రిక సామర్థ్యానికి చాలా దూరంలోనే ఉంది; కనిపించడానికి సరైన ప్రతి సమాధానం నమ్మదగినదని కూడా దీని అర్థం కాదు. అయినప్పటికీ, పెరుగుదల పరిమాణం గమనించదగినది: అరుదుగా విజయవంతమయ్యే సాధనం ఒక ఆసక్తికర విషయంగా మిగిలిపోవచ్చు, కానీ ఒక బెంచ్‌మార్క్‌లో గణనీయమైన సహకారం అందించగల సాధనం సాధారణ పరిశోధనా పద్ధతిలో భాగమవుతుంది.
భాషా మోడళ్లను పరీక్షించడంలో ఉన్న ఒక ప్రధాన ఆందోళనను తగ్గించేందుకు పరిశోధకులు ఈ మూల్యాంకనాన్ని రూపొందించారు: ఒక వ్యవస్థ శిక్షణ సమయంలో ఎదురైన సమాచారాన్ని కేవలం పునరుత్పత్తి చేస్తుందా అన్నది ఆ ఆందోళన. సంబంధిత పరిష్కారాలు తరువాతి ప్రచురణల్లో కనిపించకముందే పోస్ట్ చేసిన పత్రాల నుంచి సమస్యలను తీసుకున్నారు; ప్రచురిత పరిష్కారాలను నిజమైన సమాధానాలుగా ఉపయోగించారు. పరీక్ష సమయంలో ఇంటర్నెట్ యాక్సెస్ నిలిపివేయబడింది, కాబట్టి వ్యవస్థలు వెబ్ నుంచి సమాధానాన్ని పొందలేకపోయాయి.
ఈ ఏర్పాటు బెంచ్‌మార్క్ ఆధారిత మూల్యాంకనంలోని ప్రతి పరిమితిని తొలగించదు. అయితే, ఇది సమస్య పరిష్కారాన్ని నేరుగా వెతకడం లేదా కంఠస్థం చేయడం నుంచి వేరు చేయడానికి ప్రయత్నిస్తుంది. అందువల్ల, అందుబాటులో ఉన్న శిక్షణా సమాచారంలో సమాధానం లేని కనీసం కొన్ని ప్రశ్నలకు పరీక్షించిన మోడళ్లు పరిష్కారాలను రూపొందించగలిగాయని ఈ అధ్యయన ఫలితం సూచిస్తోంది.
పరిమిత ఫలితం, సాధారణ శాస్త్రీయ ప్రత్యామ్నాయం కాదు
ఈ పని పరిధి ముఖ్యమైనది. సిమ్యులేషన్లు నడపడం లేదా భౌతిక ప్రయోగాలు నిర్వహించడం అవసరం లేకుండా మోడళ్లు సమస్యలను పరిష్కరించగల రంగాలపై బృందం దృష్టి పెట్టింది. శాస్త్రంలోని ఎక్కువ భాగాన్ని కేవలం సంకేతాత్మక తర్కానికి పరిమితం చేయలేం. ప్రయోగశాల పని, పరికరాల రూపకల్పన, క్షేత్ర పరిశీలన, డేటా సేకరణ, సిమ్యులేషన్ మరియు పునరావృత నిర్ధారణ ప్రపంచం ఎలా పనిచేస్తుందో తెలుసుకోవడంలో ఇప్పటికీ అవసరమైన భాగాలే.
సిద్ధాంతాధారిత విభాగాల్లో కూడా సరైన పరిష్కారం ఉపయోగకరమైన పరిశోధనా సహకారంతో సమానం కాదు. శాస్త్రవేత్తలు ఊహలను అంచనా వేయాలి, విలువైన ప్రశ్నలను ఎంచుకోవాలి, ఫలితాలను అర్థం చేసుకోవాలి, ప్రతిపాదిత వాదన కఠిన పరిశీలనను తట్టుకుంటుందో లేదో నిర్ణయించాలి. ఇవి సాంకేతిక ప్రక్రియలే కాకుండా సామాజిక ప్రక్రియలు కూడా; సహచర సమీక్ష, చర్చ మరియు సమీకృత ఆధారాలు ఇందులో భాగం.
అయినా, అధ్యయనం ఎంచుకున్న రంగాలు అంచునివి కావు. సంభావ్యత మరియు గణాంకశాస్త్రం శాస్త్రం, పరిశ్రమ అంతటా నిర్ధారణను ప్రభావితం చేస్తాయి. ఆర్థిక సిద్ధాంతం విధానం మరియు మార్కెట్ విశ్లేషణపై ప్రభావం చూపుతుంది. అధిక-శక్తి భౌతికశాస్త్రం, విశ్వోద్భవశాస్త్రం మరియు క్వాంటం భౌతికశాస్త్రం వంటి రంగాల్లో ప్రశ్న డిటెక్టర్, టెలిస్కోప్ లేదా ప్రయోగశాల పరికరాన్ని చేరుకునే ముందు సారాంశాత్మక తర్కం పురోగతికి కీలకం కావచ్చు.
ఈ రంగాల్లో సాధారణ లేదా మధ్యంతర పనిలో ఎక్కువ భాగాన్ని AI నిర్వహించగలిగితే, తక్షణ ప్రభావం సమానంగా ఉండకపోవచ్చు. అభ్యర్థి విధానాలను రూపొందించడానికి, వ్యుత్పత్తులను తనిఖీ చేయడానికి, ప్రత్యామ్నాయ రూపాలను అన్వేషించడానికి లేదా ప్రారంభ దశ విశ్లేషణను వేగవంతం చేయడానికి పరిశోధకులు దాన్ని ఉపయోగించవచ్చు. ఈ వినియోగాల విలువ ధృవీకరణపై ఆధారపడి ఉంటుంది. తప్పు నిర్ధారణకు వేగంగా తీసుకెళ్లే మార్గం, నెమ్మదైన లెక్కలంతే సమర్థంగా సమయాన్ని వృథా చేయగలదు.
గణితంలోని ముందస్తు ఉదాహరణ అంచనాలను రూపొందిస్తోంది
AI సామర్థ్యానికి సంబంధించిన అత్యంత స్పష్టమైన ప్రదర్శనలను గణితం ఇప్పటికే ఎదుర్కొంటున్న సమయంలో ఈ కొత్త అంచనా వచ్చింది. ద్రవాల చలనాన్ని వివరించే Navier-Stokes సమీకరణాలకు సంబంధించిన దీర్ఘకాలిక మహా సవాలును విడుదల కాని ఒక మోడల్ పరిష్కరించిందని OpenAI ఇటీవల ప్రకటించింది. ఆ ఘటన వివాదానికి దారితీసింది; గణితం మరియు AIలోని అసాధారణ వాదనలకు జాగ్రత్తగా స్వతంత్ర పరిశీలన అవసరమని అది స్పష్టం చేసింది.
థాంప్సన్ దృష్టిలో, సైద్ధాంతిక విభాగాల్లో AI పాత్ర వేగంగా మారే కాలానికి అవి చేరువవుతున్నాయనే విస్తృత సంకేతం ఇది. కొన్ని సంవత్సరాల్లో ఈ వ్యవస్థలు చేయగల పనుల వల్ల అనేక సిద్ధాంత ప్రశ్నలు మారిపోతాయని ఆయన అంచనా వేస్తున్నారు. ఈ అంచనాకు ఆధారం అధ్యయనం చూపిన ధోరణి; ఏదైనా ప్రత్యేక రంగం పూర్తిగా ఆటోమేటెడ్ అవుతుందనే నిరూపణ కాదు.
సమీప భవిష్యత్తులో అత్యంత సాధ్యమైన రూపం ఒంటరిది కాదు, సహకారాత్మకమైనది: శాస్త్రవేత్తలు లక్ష్యాలు మరియు ప్రమాణాలను నిర్ణయిస్తారు, AI వ్యవస్థలు సమస్యల అన్వేషణలో పెరుగుతున్న భాగాన్ని చేపడతాయి. ఇది అధునాతన విశ్లేషణాత్మక సాధనాలకు ప్రాప్యతను విస్తరించవచ్చు; అదే సమయంలో యంత్రం రూపొందించిన పనిని ధృవీకరించే సామర్థ్యాన్ని మరింత విలువైనదిగా చేయవచ్చు. సహకారాలకు క్రెడిట్ ఎలా ఇవ్వాలి, విద్యార్థులకు ఎలా శిక్షణ ఇవ్వాలి, సూక్ష్మ తప్పులను గుర్తించడానికి అవసరమైన స్వతంత్ర నైపుణ్యాన్ని ఎలా కాపాడాలి అనే విషయాలను పరిశోధనా సంస్థలు నిర్ణయించాల్సి ఉంటుంది.
తర్వాత గమనించాల్సిన అంశాలు
- పునర్విమర్శాత్మక మూల్యాంకనాల్లో మాత్రమే కాకుండా, కొత్తగా రూపొందించిన సమస్యలపైనా పనితీరు మెరుగుదల కొనసాగుతుందా.
- నిపుణుల సమీక్ష మరియు అధికారిక ధృవీకరణ తర్వాత మోడల్ రూపొందించిన పరిష్కారాలు ఎంత తరచుగా సరైనవిగా ఉంటాయి.
- సిమ్యులేషన్లు, ప్రయోగాలు లేదా ప్రత్యేక డేటా అవసరమైనప్పుడు వ్యవస్థలు ఉపయోగకరంగా సహకరించగలవా.
- AI సాధారణ పరిశోధనా సాధనంగా మారుతున్నప్పుడు శాస్త్రీయ బృందాలు రచయితత్వం, శిక్షణ మరియు నాణ్యత నియంత్రణ పద్ధతులను ఎలా మార్చుకుంటాయి.
శాస్త్రీయ సిద్ధాంత సమస్యలను పరిష్కరించడానికి AI డిఫాల్ట్ విధానంగా మారుతుందని ఈ అధ్యయనం నిరూపించలేదు. అయితే ఆ అవకాశాన్ని ఇప్పుడు ఎందుకు తీవ్రంగా పరిగణిస్తున్నారో ఇది చూపిస్తుంది. రెండు సంవత్సరాల కంటే తక్కువ సమయంలో, పరీక్షించిన అత్యంత శక్తివంతమైన వ్యవస్థలు ఎంపిక చేసిన ప్రశ్నల్లో చిన్న భాగాన్ని పరిష్కరించడం నుంచి మూడో వంతుకంటే ఎక్కువ ప్రశ్నలను పరిష్కరించే స్థాయికి చేరుకున్నాయి. కఠినమైన తర్కంపై ఆధారపడిన విభాగాలకు ఇది దగ్గరగా గమనించాల్సిన మార్పు.
ఈ కథనం Wired నివేదిక ఆధారంగా రూపొందించబడింది. అసలు కథనాన్ని చదవండి.
Originally published on wired.com
