🔢 mathematics

Grokability in five inequalities

यह लेख एआई मॉडल ग्रोक (Grok) के सहयोग से प्राप्त पांच सत्यापित गणितीय खोजों को प्रस्तुत करता है, जिनमें गॉसियन विड्थ्स (Gaussian widths) के लिए बेहतर सीमाएं, हैमिंग क्यूब (Hamming cube) पर अधिक सटीक मोमेंट असमानताएं, एक सुदृढ़ ऑटो-कन्वोल्यूशन असमानता, $g$ -सिडोन (g-Sidon) सेट्स के लिए बेहतर एसिम्प्टोटिक बाउंड्स, और एक इष्टतम संतुलित शरेक (Szarek) असमानता शामिल हैं।

मूल लेखक: Paata Ivanisvili, Xinyuan Xie

प्रकाशित 2026-05-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Paata Ivanisvili, Xinyuan Xie

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 गणितज्ञों की एक टीम एक बहुत ही बुद्धिमान, बहुत तेज़ डिजिटल सहायक, ग्रोक (Grok) के साथ मिलकर काम कर रही है। केवल तथ्यों के लिए पूछने के बजाय, उन्होंने ग्रोक से पाँच कठिन गणितीय पहेलियों को हल करने में मदद करने के लिए कहा। रिपोर्ट बताती है कि ग्रोक ने न केवल उत्तर दिए, बल्कि उन्हें पाँच नए गणितीय सत्यों की खोज करने में भी मदद की जो पहले कभी लिखे नहीं गए थे। इसके बाद लेखकों ने काम को सत्यापित किया और इसकी शुद्धता की पुष्टि की।

यहाँ पाँच खोजों का विवरण दिया गया, जिन्हें सरल उपमाओं के साथ समझाया गया है:

1. एक आकृति का "धुंधला किनारा" (गौसियन परिधि - Gaussian perimeter)

पहेली: अंतरिक्ष में कोहरे के एक बादल की कल्पना करें। यदि आप उस कोहरे के भीतर एक आकृति खींचते हैं, तो "परिधि" केवल रेखा की लंबाई नहीं है; यह इस बात पर निर्भर करती है कि वह आकृति कितनी कोहरे को छूती है। गणितज्ञ जानना चाहते थे: जैसे-जैसे स्थान बड़ा होता जाता है, एक आकृति अधिकतम कितनी कोहरे को छू सकती है?
खोज: वर्षों से, इस सीमा के लिए सबसे अच्छा अनुमान 2003 के एक निर्माण पर आधारित था। ग्रोक ने लेखकों को उस आकृति को थोड़ा संशोधित करने में मदद की, जो रेडियो के सिग्नल को स्पष्ट करने के लिए उसके नॉब्स (knobs) को एडजस्ट करने जैसा है। इस छोटे से समायोजन ने खुलासा किया कि वह आकृति पहले की तुलना में 9% अधिक कोहरे को छू सकती है। यह कमरे में फर्नीचर को व्यवस्थित करने के थोड़े बेहतर तरीके को खोजने जैसा है ताकि एक व्यक्ति के पास उतनी जगह हो जितनी पहले कभी संभव नहीं मानी गई थी।

2. "आयतन बनाम भार" का अनुपात (मोमेंट तुलना - moment comparison)

पहेली: संख्याओं से भरी एक थैली (एक फलन/function) की कल्पना करें। आप थैली के "भार" को दो तरीकों से माप सकते हैं: एक मोटा औसत (L1) और एक अधिक संवेदनशील, भारी औसत (L2)। गणितज्ञ जानना चाहते थे कि संवेदनशील औसत, मोटे औसत की तुलना में वास्तव में कितना भारी हो सकता है, इसका सटीक नियम क्या है।
खोज: एक सवाल दस साल तक ऑनलाइन पूछा गया था: "क्या नियम ठीक $\sqrt{2}$ है?" ग्रोक ने लेखकों को यह सिद्ध करने में मदद की कि नियम वास्तव में कुछ अधिक जटिल है। उन्होंने इस नियम के लिए एक नया, अधिक सटीक रेंज पाया। यह एक कार के टैकोमीटर (tachometer) को देखने जैसा है, जहाँ आमतौर पर इंजन की गति का एक सरल अनुपात दिखाई देता है, लेकिन वास्तव में एक विशिष्ट, थोड़ा अलग गियर अनुपात लागू होता है जो सबसे चरम मामलों में काम करता है।

3. "संतुलित सी-सॉ" (ज़ारेक असमानता - Szarek inequality)

पहेली: सामान्यतः, गणितीय समस्याएँ मानती हैं कि हर सिक्का उछाल स्वतंत्र होता है (जैसे 100 बार सिक्का उछालना)। लेकिन क्या होगा यदि आप सिक्कों को "संतुलित" होने के लिए मजबूर करें? उदाहरण के लिए, केवल उन उछालों पर विचार करें जहाँ 'हेड्स' की कुल संख्या 'टेल्स' की कुल संख्या के बराबर है। इस संतुलित दुनिया में, सिक्के अब स्वतंत्र नहीं हैं; यदि आप एक 'हेड' देखते हैं, तो आप जानते हैं कि कहीं और एक 'टेल' मौजूद होना चाहिए।
खोज: लेखकों ने पाया कि ये संतुलित सिक्के कैसे व्यवहार करते हैं (इष्टतम स्थिरांक/optimal constant)। आश्चर्यजनक रूप से, पुराने, शास्त्रीय गणितीय उपकरण इस उत्तर को खोजने के लिए पूरी तरह से काम करते हैं, भले ही सिक्के "जुड़े" हुए हों और स्वतंत्र न हों। यह एक सी-सॉ (seesaw) के बिल्कुल संतुलित रहने की खोज करने जैसा है, भले ही उस पर बैठे बच्चे हाथ पकड़कर एक साथ हिल रहे हों, न कि केवल बेतरतीब ढंग से बैठे हों।

4. एक पैटर्न का "परछाई आकार" (ऑटो-कन्वोल्यूशन और सिडोन सेट - Auto-convolution & Sidon sets)

पहेली: एक रेखा पर बिंदुओं के एक पैटर्न की कल्पना करें। यदि आप इस पैटर्न को अपने ऊपर ही खिसकाते हैं और देखते हैं कि बिंदु कहाँ ओवरलैप (overlap) होते हैं (छाया), तो सबसे बड़ा ओवरलैप कितना बड़ा है? यह गणितज्ञों को यह निर्धारित करने में मदद करता है कि वे एक रेखा पर कितने बिंदुओं को बिना किसी टकराव के पैक कर सकते हैं (जिन्हें g-Sidon सेट्स कहा जाता है)।
खोज: इस समस्या की लंबे समय से सुपर कंप्यूटरों का उपयोग करके जांच की जा रही थी जो लाखों पैटर्न की जाँच करते हैं। ग्रोक ने लेखकों को एक कंप्यूटर चेक के पीछे के गणित की जांच करने में मदद की और गणना में एक छोटी सी त्रुटि पाई। इस एक छोटी सी त्रुटि को सुधारकर, उन्होंने उत्तर के निचले स्तर (lower bound) में सुधार किया। यह एक व्यक्ति द्वारा कंप्यूटर की लंबी गणनाओं की समीक्षा करने जैसा है और कहना कि, "रुको, यदि आप इस संख्या को थोड़ा सा बढ़ा दें, तो पूरा उत्तर थोड़ा बेहतर हो जाएगा।"

5. "पूर्ण संतुलन" (इष्टतम संतुलित ज़ारेक असमानता - Optimal balanced Szarek inequality)

(नोट: यह मूल रूप से बिंदु #3 के समान ही है, लेकिन लेख विशेष रूप से पाए गए स्थिरांक की "इष्टतम" प्रकृति पर जोर देता है)
खोज: यह पुष्टि करता है कि उपर्युक्त "संतुलित" नियम केवल एक अच्छा अनुमान नहीं है, बल्कि सबसे अच्छा संभव नियम है। यह एक जटिल वस्तु के सटीक गुरुत्वाकर्षण केंद्र को खोजने के गणितीय समकक्ष है; आप इसे पूर्ण संतुलन के और करीब नहीं ले जा सकते।

बड़ी तस्वीर: इसका क्या अर्थ है

इस लेख का सबसे रोमांचक हिस्सा केवल गणित नहीं है, बल्कि वह तरीका है जिससे वहां तक पहुँचा गया।

पुराना तरीका: #4 जैसी समस्याओं को हल करने के लिए, शोधकर्ता आमतौर पर कोड लिखते हैं ताकि लाखों विशिष्ट, पूर्व-निर्धारित परिदृश्यों (जैसे हर संभावित ताले के संयोजन को आज़माना) की जाँच की जा सके। इसमें हजारों घंटों का कंप्यूटर समय लगता है।
नया तरीका: लेखकों ने बस साधारण भाषा में ग्रोक से बात की। उन्होंने इसे एक विशिष्ट असमानता (inequality) पर विचार करने और यह देखने के लिए कहा कि क्या इसे और बेहतर बनाया जा सकता है। बातचीत के कुछ ही मिनटों में, ग्रोक ने एक ऐसा सुधार खोज निकाला जिसे विशाल कंप्यूटर खोज भी अनदेखा कर गई थी।

निष्कर्ष: यह लेख सुझाव देता है कि AI केवल सख्त नियमों का पालन करने वाला कैलकुलेटर नहीं है। यह एक रचनात्मक भागीदार के रूप में कार्य कर सकता है, जो जटिल गणितीय तर्कों में सूक्ष्म सुधारों का पता लगाने के लिए प्राकृतिक भाषा का उपयोग करता है, जिन्हें शक्तिशाली कंप्यूटर भी अनदेखा कर सकते हैं यदि वे केवल डेटा के माध्यम से अंधाधुंध खोज करते हैं। यह एक ऐसे भविष्य की झलक है जहाँ गणितज्ञ और AI समस्याओं को हल करने के लिए एक साथ बातचीत करेंगे।

"Grokability in five inequalities" का तकनीकी सारांश

अवलोकन
यह नोट विश्लेषण (analysis), प्रायिकता सिद्धांत (probability theory), उत्तल ज्यामिति (convex geometry), और योज्य संयोजन (additive combinatorics) में पांच गणितीय खोजों की रिपोर्ट करता है, जो लार्ज लैंग्वेज मॉडल (LLM) 'Grok' के साथ सहयोगात्मक चर्चाओं के माध्यम से प्राप्त की गई हैं। लेखक, पाटा इवानिसविली (Paata Ivanisvili) और सिनयुआन ज़ी (Xinyuan Xie), पुष्टि करते हैं कि ये परिणाम सार्वजनिक साहित्य में नए हैं। यह लेख "संवादात्मक" (conversational) गणितीय खोज के लिए एक केस स्टडी के रूप में कार्य करता है, जो यह प्रदर्शित करता है कि तार्किक रूप से सोचने वाले LLMs मौजूदा तर्कों को परिष्कृत कर सकते हैं, मामूली अशुद्धियों को सुधार सकते हैं, और स्थापित असमानताओं (inequalities) में बेहतर स्थिरांक (constants) प्राप्त करने के लिए पैरामीटर स्पेस की खोज कर सकते हैं।

समस्या का संदर्भ और कार्यप्रणाली
यह लेख पांच अलग-अलग समस्याओं को संबोधित करता है जहाँ लक्ष्य विभिन्न असमानताओं में इष्टतम या बेहतर स्थिरांक निर्धारित करना है। कार्यप्रणाली एक "संवादात्मक दृष्टिकोण" पर निर्भर करती है, जिसमें लेखक Grok का उपयोग निम्नलिखित के लिए करते हैं:

मौजूदा परिष्कृत प्रमाणों (जैसे, नज़ारोव का निर्माण) को सत्यापित करना।
साहित्य में मौजूद छोटी संख्यात्मक अशुद्धियों या लुप्त प्रमाणों की पहचान करना और उन्हें सुधारना।
बाउंड्स (bounds) को अनुकूलित करने के लिए निर्माणों में पैरामीटर्स को परिष्कृत करना।
ज्ञात ढांचों (जैसे, सेमीग्रुप विधियाँ, ऑर्थोगोनल आधार) को नए परिवेशों (जैसे, सशर्त यादृच्छिक चर) पर लागू करना।

उन स्वचालित तर्क प्रणालियों के विपरीत जो कोड के माध्यम से समस्याओं को पैरामीटराइज करते हैं और गहन खोज (exhaustive search) के माध्यम से समाधान विकसित करते हैं (एक विधि जिसका उपयोग $C_{1a}$ स्थिरांक के लिए पिछले कार्य में किया गया था), यह दृष्टिकोण गणितीय तर्क को निर्देशित करने के लिए प्राकृतिक भाषा संवादों का उपयोग करता है।

मुख्य योगदान और परिणाम

1. अधिकतम गैसियन सतह क्षेत्र (Maximum Gaussian Surface Area) के लिए बेहतर निचला बाउंड

समस्या: $\mathbb{R}^n$ में उत्तल समुच्चयों (convex sets) के अधिकतम गैसियन सतह क्षेत्र $\Gamma(n)$ की वृद्धि को निर्धारित करना। इसकी वृद्धि का क्रम $n^{1/4}$ ज्ञात है, फिर भी स्थिरांक कारक नज़ारोव के 2003 के निर्माण के बाद से जांच का विषय रहा है।
कार्यप्रणाली: लेखकों ने एक यादृच्छिक उत्तल बहुभुज (random convex polytope) के निर्माण की नज़ारोव की रणनीति का पालन किया। Grok ने उन मध्यवर्ती दावों के लिए विस्तृत प्रमाण प्रदान करने में सहायता की जो मूल लेख में अपूर्ण थे, और एक इंटीग्रेंड (integrand) के एक्सपोनेंट में एक मामूली अशुद्धि को सुधारा। इसके बाद, मॉडल ने नज़ारोव के निर्माण में पैरामीटर्स ( $a, b, W$ ) को परिष्कृत करने में मदद की।
परिणाम: लेखक सिद्ध करते हैं कि $\liminf_{n\to\infty} \Gamma(n)/n^{1/4} \ge 0.31258$ । यह पिछले सर्वश्रेष्ठ निचले बाउंड $e^{-5/4} \approx 0.2865$ की तुलना में लगभग 9% का सुधार है।

2. हैमिंग क्यूब (Hamming Cube) पर अधिक सटीक $L^2-L^1$ मोमेंट तुलना

समस्या: वह इष्टतम घातांकीय आधार (exponential base) $C^*$ निर्धारित करना जिससे $\{-1, 1\}^n$ पर फलन $f$ के लिए $\|f\|_2 \le C^d \|f\|_1$ सत्य हो, जहाँ $f$ का फूरियर-वाल्श डिग्री $d$ है। 2014 के एक MathOverflow प्रश्न में पूछा गया था कि क्या $C^* = \sqrt{2}$ है।
कार्यप्रणाली: लेखकों ने इस अवलोकन का उपयोग किया कि फलन के एक परिवार में मजबूत $L^4/L^2$ वृद्धि $C^*$ के लिए निचले बाउंड प्रदान करती है। Grok ने $\sqrt{2}$ अनुमान के विरुद्ध एक काउंटर-एग्जांपलल (counterexample) बनाने के लिए हर्मिट बहुपद (Hermite polynomials) का उपयोग करने का सुझाव दिया, जिन्हें लंबे लीनियर फॉर्म्स (एक गैसियन मॉडल) पर मूल्यांकित किया गया है।
परिणाम: लेख स्थापित करता है कि $2.408\dots \ge C^* \ge \sqrt{3}$ । निचला बाउंड $\sqrt{3}$ MathOverflow के प्रश्न का नकारात्मक उत्तर देता है। ऊपरी बाउंड को $2.69\dots$ से $2.408\dots$ तक के सुधार को एक संबंधित लेख के लेखकों द्वारा नोट किया गया था लेकिन स्पष्ट रूप से प्रकाशित नहीं किया गया था; Grok ने इस शोधन को पुनः प्राप्त किया।

3. इष्टतम संतुलित ज़ारेक असमानता (Optimal Balanced Szarek Inequality)

समस्या: खिंचिन असमानता (Khintchine inequality) को हैमिंग क्यूब के "मिडल स्लाइस" $\Omega_n = \{x \in \{-1, 1\}^n : \sum x_i = 0\}$ तक विस्तारित करना, जहाँ निर्देशांक (coordinates) आश्रित (dependent) हैं। विशेष रूप से, लक्ष्य $L^1$ एंडपॉइंट ( $p=1$ ) के लिए इष्टतम स्थिरांक खोजना है।
कार्यप्रणाली: लेखकों ने क्वापीएन (Kwapień), लताल (Latała), और ओलेज़्केविक (Oleszkiewicz) के सेमीग्रुप ढांचे को अपनाया, जिसका उपयोग आमतौर पर स्वतंत्र चरों के लिए किया जाता है। स्वतंत्रता की कमी को संबोधित करने के लिए, वे हैमिंग क्यूब के स्लाइस के लिए ऑर्थोगोनल आधारों के संबंध में फिल्मस (Filmus) के हालिया परिणामों पर निर्भर रहे।
परिणाम: वे सिद्ध करते हैं कि असमानता $c_n \sqrt{E|\sum a_i x_i|^2} \le E|\sum a_i x_i|$ इष्टतम स्थिरांक $c_n = \sqrt{\frac{n-2}{2(n-1)}}$ के साथ सत्य है। यह साहित्य में इस एंडपॉइंट के लिए इष्टतम स्थिरांक का पहला दस्तावेजीकरण है।

4. ऑटो-कन्वोल्यूशन (Auto-Convolution) और $g$ -Sidon सेट्स के लिए बेहतर निचला बाउंड

सममा: सबसे बड़ा सार्वभौमिक स्थिरांक $c$ खोजना ताकि $[-1/4, 1/4]$ में सपोर्ट वाले गैर-ऋणात्मक $f$ के लिए $\sup_x (f*f)(x) \ge c (\int f)^2$ सत्य हो। यह स्थिरांक $g$ -Sidon सेट्स के स्पर्शोन्मुख आकार (asymptotic size) से संबंधित है।
कार्यप्रणाली: लेखकों ने एक पिछले अध्ययन [7] के अनुमान को परिष्कृत किया, जिसमें विविक्त स्थानों (discrete spaces) में व्यापक खोज के लिए 20,000 घंटों का CPU समय उपयोग किया गया था। Groक को मौजूदा प्रमाण के एरर टर्म (error term) में असमानता को कड़ा करने के लिए प्रेरित किया गया था।
परिणाम: निचला बाउंड $c \ge 1.28$ से सुधरकर $c \ge 1.2802$ हो गया है। यह सुधार एक विशिष्ट एरर टर्म के ऑटो-कन्वोल्यूशन के $L^\infty$ नॉर्म के लिए एक सख्त बाउंड के माध्यम से प्राप्त हुआ है, जिसे एक सरल प्राकृतिक भाषा प्रॉम्प्ट के माध्यम से निकाला गया है।

5. महत्व और दावे
लेख मुख्य रूप से वर्तमान उन्नत तर्क मॉडलों द्वारा गणितीय समस्याओं की "Grokability" के प्रदर्शन के रूप में महत्व का दावा करता है।

दृष्टिकोण की नवीनता: लेखक इस बात पर जोर देते हैं कि स्वचालित तर्क प्रणालियाँ अक्सर स्पष्ट पैरामीटराइजेशन और कोड विकास पर निर्भर करती हैं, जबकि यह "संवादात्मक दृष्टिकोण" उन समस्याओं में सुधार खोजने में सफल रहा है जिनका पहले गहन, संरचित खोजों (विशेष रूप से स्थिरांक $C_{1a}$ वाली समस्या) के माध्यम से अध्ययन किया गया था।
LLMs की क्षमता: परिणाम बताते हैं कि LLMs परिष्कृत विश्लेषणात्मक तर्क कर सकते हैं, मौजूदा विधियों की सीमाओं का पता लगा सकते हैं, और महत्वपूर्ण सटीकता के साथ नए विचारों को लागू कर सकते हैं।
विनम्रता: लेखक अपने गणितीय योगदान के परिमाण के संबंध में विनम्र हैं। वे नोट करते हैं कि ऑटो-कन्वोल्यूशन स्थिरांक का सुधार गणितीय रूप से "विशेष रूप से पर्याप्त नहीं" है और यह एक मामूली शोधन का प्रतिनिधित्व करता है। हालांकि, वे पद्धतिगत निहितार्थ पर जोर देते हैं: संवादात्मक LLMs उन समस्याओं से आगे के सुधार निकाल सकते हैं जहाँ किसी को लग सकता था कि स्पष्ट संरचनात्मक खोज ने क्षमता को समाप्त कर दिया है।

लेख प्रत्येक परिणाम की ओर ले जाने वाले Grok के साथ विशिष्ट चैट सत्रों के लिंक प्रदान करके समाप्त होता है, जिसका उद्देश्य गणितीय समुदाय को इन उपकरणों की बढ़ती उपयोगिता के बारे में सूचित रखना है।