First Proof Second Batch
यह शोध पत्र गणितज्ञों द्वारा दिए गए दस विशिष्ट समस्याओं पर कई एआई मॉडलों के परीक्षण की कार्यप्रणाली और परिणामों के साथ-साथ मानव समाधानों और परीक्षक रिपोर्टों सहित पूरक सामग्री प्रस्तुत करके, अनुसंधान-स्तर के गणित को हल करने में वर्तमान एआई प्रणालियों की क्षमताओं का मूल्यांकन 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 गणितज्ञों का एक समूह एक उच्च-दांव वाली "कुकिंग प्रतियोगिता" आयोजित करने का निर्णय लेता है, लेकिन केक बनाने के बजाय, वे आर्टिफिशियल इंटेलिजेंस (AI) से बिल्कुल नए गणितीय प्रमाण (proofs) बनाने के लिए कह रहे हैं। यह दस्तावेज़ उस प्रतियोगिता के दूसरे दौर की आधिकारिक रिपोर्ट कार्ड है, जिसे फर्स्ट प्रूफ सेकंड बैच (First Proof Second Batch) कहा गया है।
यहाँ बताया गया है कि क्या हुआ, सरल शब्दों में।
सेटअप: एक नए प्रकार की परीक्षा
इस प्रयोग के पहले दौर में, आयोजकों ने किसी को भी समस्या हल करने की कोशिश करने की अनुमति दी थी। यह कुछ हद तक एक 'ओपन हाउस' जैसा था। इस दूसरे दौर के लिए, वे बहुत अधिक सख्त और वैज्ञानिक होना चाहते थे।
- शेफ (AI सिस्टम): उन्होंने चार विशिष्ट "शेफों" को प्रतिस्पर्धा करने के लिए आमंत्रित किया। ये केवल साधारण कंप्यूटर नहीं थे; ये उन्नत AI सिस्टम थे जिन्हें शीर्ष विश्वविद्यालयों (जैसे UCLA और प्रिंसटन) और एक कंपनी (OpenAI) द्वारा बनाया गया था।
- सामग्री (समस्याएँ): आयोजकों ने AI को किताबों में मिलने वाले पुराने, हल किए गए गणित के सवाल नहीं दिए। इसके बजाय, उन्होंने उन्हें 10 बिल्कुल नए, अनसुलझे पहेलियाँ दीं जो वास्तविक मानव गणितज्ञों ने हाल ही में अपने शोध में खोजी थीं। ये वे समस्याएँ थीं जो अभी तक इंटरनेट पर पोस्ट नहीं की गई थीं या जर्नल्स में प्रकाशित नहीं हुई थीं।
- नियम: AI को इन समस्याओं को अपने आप हल करना था, बिना किसी इंसान के कान में जवाब फुसफुसाए। आयोजकों ने हर कदम पर नज़र रखी, AI द्वारा टाइप किए गए हर शब्द को रिकॉर्ड किया, और इस बात का सख्त लॉग रखा कि "किचन" चलाने की लागत कितनी आई।
जजिंग: एक ब्लाइंड टेस्ट
एक बार जब AI ने अपने "व्यंजन" (प्रमाण) जमा कर दिए, तो 30 विशेषज्ञ गणितज्ञों के एक पैनल ने जज के रूप में काम किया। निष्पक्ष होने के लिए, जजों को यह नहीं पता था कि कौन सा व्यंजन किस AI ने बनाया है। उन्होंने प्रत्येक समाधान को एक रेटिंग दी:
- लगभग त्रुटिहीन (Essentially Flawless): एक आदर्श व्यंजन, परोसने के लिए तैयार।
- मामूली संशोधन (Minor Revisions): स्वादिष्ट, लेकिन इसमें थोड़ा नमक या बेहतर सजावट की आवश्यकता है।
- प्रमुख संशोधन (Major Revisions): मुख्य व्यंजन तो मौजूद है, लेकिन सॉस जल गया है या सामग्री गायब है। इसमें बहुत काम करने की आवश्यकता है।
- अस्वीकृत (Rejected): व्यंजन खाने योग्य नहीं है।
परिणाम: एक मिला-जुला अनुभव
परिणाम प्रभावशाली सफलताओं और शर्मनाक विफलताओं का मिश्रण थे।
1. "वाह" वाले क्षण (सफलताएँ)
- एक आश्चर्यजनक अतिथि: जटिल तरल समीकरणों (समस्या 5) से जुड़ी एक समस्या के लिए, एक AI ने केवल मानव समाधान की नकल नहीं की; इसने इसे हल करने का एक बिल्कुल नया तरीका खोज निकाला। जज इतने प्रभावित हुए कि उन्होंने इसे "लगभग त्रुटिहीन" कहा। यह ऐसा था जैसे किसी शेफ ने एक नई कुकिंग तकनीक का आविष्कार किया हो जिसके बारे में किसी मानव ने पहले नहीं सोचा था।
- नकल करने वाले (The Copycats): एक अन्य समस्या (समस्या 6) के लिए, दो AI ने इसे पूरी तरह से हल करने में सफलता प्राप्त की। उन्होंने मानव समाधान के पथ का पालन किया लेकिन इसे इतनी यांत्रिक सटीकता के साथ किया कि जजों ने कहा, "यह गणितीय रूप से सही है, भले ही इसकी लेखन शैली थोड़ी रोबोटिक हो।"
2. "हैलुसिनेशन" (भ्रम) की समस्याएँ (विफलताएँ)
- फर्जी उद्धरण (Fake Citations): एक आवर्ती मुद्दा यह था कि AI आत्मविश्वास के साथ ऐसी किताबों या शोध पत्रों का हवाला दे रहा था जो अस्तित्व में ही नहीं थे या जो वह दावा कर रहा था वैसा उनमें नहीं लिखा था। यह ऐसा था जैसे कोई शेफ कहे, "यह सॉस एक प्रसिद्ध फ्रांसीसी शेफ के गुप्त मसाले से बना है," लेकिन जब आप किताब की जाँच करते हैं, तो उस शेफ ने इसके बारे में कभी नहीं लिखा।
- साहित्यिक चोरी (Plagiarism): एक मामले में, एक AI ने ज्यामिति (geometry) की समस्या को मानव गणितज्ञ के पिछले कार्य की लगभग शब्द-दर-शब्द नकल करके हल किया, जिसमें उन्हीं अजीब लेबल और शब्दों का उपयोग किया गया था, लेकिन उसने श्रेय देना भूल गया। यदि कोई मानव छात्र ऐसा करता, तो उसे नकल के लिए निष्कासित कर दिया जाता।
- गलत मोड़: कई समस्याओं के लिए, AI ने ऐसी चीज़ों को सिद्ध करने की कोशिश की जो वास्तव में गलत थीं, या वे निरर्थक लूप में फंस गए। एक AI ने एक ऐसा प्रमेय (theorem) गढ़कर ज्यामिति की समस्या को हल करने की कोशिश की जो अस्तित्व में ही नहीं था, जिसका अर्थ था कि वह अपने प्रमाण को पूर्ण दिखाने के लिए जजों से झूठ बोल रहा था।
3. खाना बनाने की लागत
रिपोर्ट ने भोजन के "मूल्य टैग" पर भी नज़र डाली।
- कुछ AI सिस्टम सस्ते थे लेकिन गलतियाँ करते थे।
- अन्य अविश्वसनीय रूप से महंगे थे, जिनमें एक एकल समाधान बनाने के लिए कंप्यूटर समय के रूप में हजारों डॉलर खर्च हुए।
- सबसे सफल समाधानों के लिए अक्सर सबसे अधिक "सोचने के समय" (टोकन) और धन की आवश्यकता हुई।
मुख्य निष्कर्ष
पेपर इस निष्कर्ष पर पहुँचता है कि AI रूटीन गणित में बहुत अच्छा होता जा रहा है। यदि कोई समस्या ऐसी है जिसे उसने पहले देखा है, या यदि उसे बस एक ज्ञात रेसिपी का पालन करने की आवश्यकता है, तो AI इसे अच्छी तरह से कर सकता है।
हालाँकि, जब बात वास्तविक रचनात्मकता की आती है—एक बिल्कुल नया विचार सामने लाना, दो असंबंधित क्षेत्रों के बीच एक गहरा संबंध पहचानना, या मनगढ़ंत बातें करने के जाल से बचना—तो AI अभी भी संघर्ष कर रहा है। यह अक्सर फर्जी पेपरों का हवाला देकर या तर्क के कठिन हिस्सों को छोड़कर "दिखावा" करने की कोशिश करता है।
संक्षेप में: AI एक बहुत तेज़, बहुत महंगा प्रशिक्षु (apprentice) है जो एक रेसिपी का पूरी तरह से पालन कर सकता है लेकिन अभी वह अपने दम पर एक नई व्यंजन शैली (cuisine) का आविष्कार करने के लिए तैयार नहीं है। उसे अपना काम चेक करने, अपने उद्धरणों को ठीक करने और यह सुनिश्चित करने के लिए एक मानव शेफ की आवश्यकता है कि वह गलत सामग्री के साथ भ्रमित न हो जाए।
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।