Formally Solving Answer-Construction Problems in Lean
यह शोध पत्र ECP को प्रस्तुत करता है, जो Lean में एक न्यूरो-सिम्बोलिक फ्रेमवर्क है जो संभावित उत्तरों को सूचीबद्ध करने के लिए टूल-असिस्टेड जनरल LLMs को प्रोवर LLMs के साथ जोड़ता है, जो गणितीय उत्तर-निर्माण समस्याओं को औपचारिक रूप से हल करने में अंतराल को प्रभावी ढंग से संबोधित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक बहुत कठिन गणित प्रतियोगिता में भाग ले रहे हैं। वहां दो प्रकार के प्रश्न हो सकते हैं जो आपका सामना कर सकते हैं:
- "सिद्ध करें" वाला प्रश्न (The "Prove It" Question): जज आपको एक कथन देता है जैसे "आकाश नीला है" और पूछता है, "क्या आप सिद्ध कर सकते हैं कि यह सत्य है?" आपको बस एक तार्किक तर्क लिखना होता है।
- "बनाएं" वाला प्रश्न (The "Build It" Question): जज कहता है, "वह सबसे छोटी संख्या ज्ञात कीजिए जो इन अजीब नियमों को पूरा करती है।" आपको पहले उस संख्या का आविष्कार करना होगा और फिर यह सिद्ध करना होगा कि वह काम करती है।
यह पेपर पूरी तरह से दूसरे प्रकार के बारें में है: उत्तर-निर्माण (Answer-Construction)। यह इस बारे में है कि एक वकील होने और एक वास्तुकार (architect) होने के बीच क्या अंतर है, जो एक ज्ञात मामले पर बहस करता है बनाम वह जिसे पहले एक इमारत डिजाइन करनी होती है और फिर यह सिद्ध करना होता है कि वह ढहेगी नहीं।
समस्या: उपकरणों का बेमेल होना (A Mismatch of Tools)
लेखकों ने देखा कि AI इन कार्यों को कैसे संभालता है इसमें एक अंतर है।
- सामान्य AI (The "Big Brain"): इसे एक बुद्धिमान, बातूनी प्रोफेसर के रूप में सोचें। यह विचार मंथन करने, नंबरों का अनुमान लगाने और रफ गणित करने में बहुत अच्छा है। लेकिन यदि आप इसे एक औपचारिक, मशीन-परफेक्ट प्रमाण लिखने के लिए कहते हैं, तो यह अक्सर आलसी हो जाता है, तथ्य बना लेता है, या ऐसा कोड लिखता है जो कंपाइल नहीं होता। इसे काम पर रखना बहुत महंगा भी है।
- प्रूवर AI (The "Strict Editor"): इसे केवल औपचारिक प्रमाण लिखने के लिए प्रशिक्षित एक छोटे, अत्यधिक केंद्रित रोबोट के रूप में सोचें। यह सस्ता है और तर्क की जांच करने में बेहतरीन है, लेकिन यह अनुमान लगाने में बहुत बुरा है कि उत्तर क्या हो सकता है। यदि आप इससे "संख्या खोजें" कहेंगे, तो यह शायद दीवार को घूरता रहेगा या कोई रैंडम नंबर चुन लेगा जो काम नहीं करता।
जाल (The Trap):
यदि आप केवल "Strict Editor" से "Build It" समस्या को हल करने के लिए कहते हैं, तो यह धोखाधड़ी कर सकता है। यह कह सकता है, "उत्तर 'वह सबसे छोटी संख्या है जो नियमों को पूरा करती है'।" तकनीकी रूप से, कंप्यूटर की नजर में यह एक वैध उत्तर है, लेकिन एक वास्तविक गणित प्रतियोगिता में, यह एक गोलाकार धोखाधड़ी (circular cheat) है। आपको एक विशिष्ट संख्या चाहिए, जैसे 245। कंप्यूटर को वास्तव में असली संख्या खोजने के लिए मजबूर किया जाना चाहिए और धोखाधड़ी करने से रोका जाना चाहिए।
समाधान: ECP (Enumerate-Conjecture-Prove)
लेखकों ने ECP (Enumerate-Conjecture-Prove) नामक एक नया सिस्टम बनाया है। यह Lean (एक कंप्यूटर प्रूफ असिस्टेंट) नामक भाषा में "Build It" समस्याओं को हल करने के लिए एक साथ काम करने वाली तीन-सदस्यीय टीम की तरह कार्य करता है।
यहाँ बताया गया है कि यह टीम एक जासूसी उपमा (Detective Analogy) का उपयोग करके कैसे काम करती है:
1. जासूस (The Detective - General AI + Python Tools)
- भूमिका: यह "Big Brain" प्रोफेसर है, लेकिन इस बार, उनके पास एक कैलकुलेटर और कोड चलाने के लिए एक कंप्यूटर है।
- क्रिया: केवल अनुमान लगाने के बजाय, जासूस सुराग खोजने के लिए एक पायथन प्रोग्राम लिखता है। वे यह देखने के लिए हजारों छोटे नंबरों का परीक्षण करने के लिए लूप चलाते हैं कि कौन से नियम फिट बैठते हैं।
- "अनुमान" (The "Conjecture"): डेटा के आधार पर, जासूस एक शिक्षित अनुमान लगाता है: "मुझे यकीन है कि उत्तर 245 है।" वे साधारण अंग्रेजी में अपना तर्क लिखते हैं।
2. द्वारपाल (The Gatekeeper - The Admissibility Checker)
- भूमिका: यह क्लब के बाउंसर की तरह है।
- क्रिया: जासूस के अनुमान को आगे बढ़ने की अनुमति देने से पहले, द्वारपाल उसकी जांच करता है।
- क्या यह एक वास्तविक संख्या है? (हाँ, 245 एक संख्या है)।
- क्या यह धोखाधड़ी है? (क्या जासूस ने सिर्फ यह कहा "उत्तर उत्तर है"? नहीं।)
- क्या यह वर्जित शब्दों का उपयोग कर रहा है? (क्या उन्होंने जटिल गणितीय प्रतीकों का उपयोग किया जो प्रतियोगिता में अनुमत नहीं हैं? नहीं।)
- यदि अनुमान इस जांच में विफल रहता है, तो द्वारपाल जासूस को फिर से प्रयास करने के लिए वापस भेज देता है।
3. न्यायाधीश (The Judge - The Prover AI + Lean Automation)
- भूमिका: यह "Strict Editor" रोबोट है।
- क्रिया: एक बार जब द्वारपाल अनुमान को मंजूरी दे देता है (245), तो न्यायाधीश कार्यभार संभाल लेता है। न्यायाधीश "कैसे पाया गया" वाले हिस्से को अनदेखा करता है और पूरी तरह से "यह क्यों सत्य है" वाले हिस्से पर ध्यान केंद्रित करता है। यह बिना किसी संदेह के यह सिद्ध करने के लिए औपचारिक तर्क का उपयोग करता है कि 245 वास्तव में सही उत्तर है।
- यदि प्रमाण विफल हो जाता है, तो न्यायाधीश जासूस को एक अलग संख्या आज़माने के लिए वापस भेज देता है।
परिणाम: क्या यह काम आया?
लेखकों ने दो प्रसिद्ध गणितीय डेटासेट पर इस टीम का परीक्षण किया: PutnamBench (विश्वविद्यालय स्तर का गणित) और MathArena (AIME जैसी हाई स्कूल प्रतियोगिताएं)।
- पुराना तरीका: यदि आप केवल "Strict Editor" को इन्हें हल करने के लिए कहते, तो वे ज्यादातर विफल हो जाते या गोलाकार उत्तर देकर धोखाधड़ी करते। यदि आप "Big Brain" को सब कुछ करने के लिए कहते, तो वह औपचारिक प्रमाण वाले हिस्से पर अटक जाता।
- ECP का तरीका: काम को विभाजित करके, इस सिस्टम ने 346 कठिन विश्वविद्यालय समस्याओं में से 17 और 75 हाई स्कूल समस्याओं में से 18 को हल किया।
- यह क्यों मायने रखता है: यह केवल सही नंबर पाने के बारे में नहीं है; यह एक मशीन-सत्यापित प्रमाण (machine-verified proof) प्राप्त करने के बारे में है कि वह नंबर सही है और उत्तर कोई धोखाधड़ी नहीं है।
सारांश
ECP को गणित की समस्याओं के लिए एक फैक्ट्री असेंबली लाइन के रूप में सोचें:
- श्रमिक A (General AI) उत्तर खोजने के लिए उपकरणों का उपयोग करता है।
- निरीक्षक B (Gatekeeper) यह सुनिश्चित करता है कि उत्तर एक वास्तविक, गैर-धोखाधड़ी वाली संख्या है।
- श्रमिक C (Prover AI) उस नंबर को सही साबित करने के लिए तर्क का एक अटूट पुल बनाता है।
यह दृष्टिकोण "उत्तर का अनुमान लगाने" और "उत्तर को सिद्ध करने" के बीच के अंतर को पाटता है, जिससे AI उन गणितीय समस्याओं को हल करने में सक्षम होता है जिनमें रचनात्मकता और कठोर तर्क दोनों की आवश्यकता होती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।