दुनिया के सबसे बुद्धिमान गणितज्ञ इस बात से क्यों चिंतित हैं कि AI समस्याओं को बहुत तेज़ी से हल कर रहा है

अधिकांश लोग मानते हैं कि तेज़ उत्तर तेज़ प्रगति की ओर ले जाते हैं। उच्च-स्तरीय गणित की दुनिया में, टेरेंस ताओ एक संभावित संकट देखते हैं। फील्ड्स मेडल विजेता अपनी पीढ़ी के सर्वोत्कृष्ट गणितज्ञ हैं। उन्होंने हाल ही में चेतावनी दी थी कि कृत्रिम बुद्धिमत्ता फलदायी खुली गणितीय समस्याओं की आपूर्ति को समाप्त कर रही है। OpenAI और Anthropic जैसी AI प्रयोगशालाएं तर्क को स्वचालित करने की दौड़ में हैं। यह तकनीक अब किसी कठिन समस्या को उस क्षण धराशायी कर सकती है जब कोई इंसान उस पर काम करना शुरू करता है।

शब्दजाल के पीछे, गणित अंतिम उत्तर के बारे में कम और उस उत्तर तक पहुँचने के लिए मनुष्यों द्वारा बनाए गए नए उपकरणों के बारे में अधिक है। ऐतिहासिक रूप से, एक कठिन गणितीय समस्या एक पर्वत की तरह कार्य करती है। उस पर चढ़ने के लिए, गणितज्ञों को नए चढ़ाई के उपकरण, रस्सियों और तकनीकों का आविष्कार करना चाहिए। ये आविष्कार फिर समाज को क्रिप्टोग्राफी, भौतिकी और कंप्यूटर विज्ञान में व्यावहारिक समस्याओं को हल करने में मदद करते हैं। यदि एक AI हेलीकॉप्टर आपको बस शिखर पर छोड़ देता है, तो आपके पास उत्तर तो है, लेकिन आपने कभी उपकरण नहीं बनाए।

सिलिकॉन उत्खनन (Excavator) की गति

औसत उपयोगकर्ता के लिए, गणित एक पाठ्यपुस्तक में तैयार उत्पाद की तरह लगता है। वास्तव में, गणित एक जीवंत औद्योगिक परियोजना है। शोधकर्ता हमारे ज्ञान में विशिष्ट अंतरालों की पहचान करते हैं और उन्हें पाटने की कोशिश में दशक बिताते हैं। ताओ देखते हैं कि AI इस क्षेत्र में एक उच्च गति वाला उत्खनन (excavator) बन गया है। जहाँ एक इंसान सैद्धांतिक बाधा को खोदने में सालों बिता सकता है, वहीं एक औपचारिक प्रमाण जाँचकर्ता (formal proof checker) के साथ जोड़ा गया एक बड़ा भाषा मॉडल कभी-कभी सेकंडों में रास्ता साफ कर सकता है।

OpenAI ने आंतरिक तर्क की ओर बदलाव प्रदर्शित करने के लिए अपना o1 मॉडल जारी किया। पिछले चैटबॉट्स के विपरीत जो अगले शब्द का अनुमान लगाते थे, ये नए सिस्टम बोलने से पहले सोचते हैं। वे तर्क के नियमों के खिलाफ अपने काम की जाँच करते हैं। एंथ्रोपिक (Anthropic) ने क्लाउड (Claude) के अपने नवीनतम संस्करणों के साथ इसी तरह के मार्ग का अनुसरण किया है। ये उपकरण अब केवल ईमेल नहीं लिख रहे हैं। वे जटिल प्रमाणों में उन खामियों की पहचान कर रहे हैं जो वर्षों से बनी हुई थीं।

यह गति मानव बुद्धि के लिए आपूर्ति श्रृंखला की समस्या पैदा करती है। गणितज्ञ छात्रों की अगली पीढ़ी को प्रशिक्षित करने के लिए अनसुलझी समस्याओं के निरंतर प्रवाह पर भरोसा करते हैं। यदि AI सभी मध्यम-से-कठिन समस्याओं को तुरंत हल कर देता है, तो नए मानव विशेषज्ञों के लिए प्रशिक्षण का आधार गायब हो जाता है। यह प्रक्रिया मनुष्यों के लिए केवल असंभव रूप से कठिन समस्याएं छोड़ती है जिन्हें AI भी नहीं छू सकता। खोज का मध्य मार्ग समाप्त हो रहा है।

उत्तर समाधान क्यों नहीं है

आंतरिक रूप से, जिस तरह से AI किसी समस्या को हल करता है वह मानव मस्तिष्क के संचालन के तरीके से मौलिक रूप से भिन्न होता है। एक AI प्रमाण खोजने के लिए ब्रूट-फोर्स सर्च या एक अजीब सांख्यिकीय सहसंबंध का उपयोग कर सकता है। यह प्रमाण प्रदान करता है, लेकिन प्रमाण अक्सर कोड की लाखों पंक्तियाँ होती हैं। कोई भी इंसान इसे पढ़ नहीं सकता। कोई भी इंसान इससे सीख नहीं सकता। सरल शब्दों में, AI हमें सोना तो देता है लेकिन खदान का नक्शा छिपा देता है।

ताओ अब इस बात पर बदलाव का आह्वान कर रहे हैं कि समुदाय इन सफलताओं को कैसे महत्व देता है। उनका सुझाव है कि गणितज्ञों को कुछ समस्याओं को विश्लेषण-आवश्यक (analysis-required) के रूप में लेबल करना चाहिए। इस ढांचे में, AI के एक नग्न उत्तर का मूल्य बहुत कम होता है। श्रेय प्राप्त करने के लिए, समाधान करने वाले को तर्क को इस तरह से समझाना चाहिए जो अन्य मनुष्यों को ज्ञान हस्तांतरित करे। इस बदलाव का उद्देश्य अनुशासन के शैक्षिक मूल्य की रक्षा करना है।

ऐतिहासिक रूप से, गणित की सबसे प्रसिद्ध समस्याएं उनके उत्तरों के कारण उपयोगी नहीं थीं। फर्मेट के अंतिम प्रमेय (Fermat’s Last Theorem) को हल करने में 350 साल लगे। अंतिम प्रमाण सैकड़ों पन्ने लंबा था। वास्तविक उत्तर—कि n > 2 के लिए कोई भी तीन धनात्मक पूर्णांक a, b, और c एक विशिष्ट समीकरण को संतुष्ट नहीं करते हैं—का लगभग कोई व्यावहारिक अनुप्रयोग नहीं है। हालाँकि, उस उत्तर तक पहुँचने के लिए आविष्कृत तकनीकें अब इंटरनेट पर हर क्रेडिट कार्ड लेनदेन को सुरक्षित करती हैं। यदि किसी AI ने 1637 में केवल यह कह दिया होता कि उत्तर सही है, तो आज हमारे पास आधुनिक एन्क्रिप्शन नहीं होता।

स्वचालित तर्क का बाजार पक्ष

बाजार की दृष्टि से, यह विकास तकनीकी दिग्गजों के लिए एक बड़ी जीत है। Google DeepMind जैसी कंपनियां केवल विज्ञान के लिए गणित में रुचि नहीं रखती हैं। वे एक सामान्य-उद्देश्य वाला तर्क इंजन (reasoning engine) बनाना चाहते हैं। यदि कोई AI गणित की समस्या को हल कर सकता है जिसमें तर्क के 20 चरणों की आवश्यकता होती है, तो वह वैश्विक शिपिंग मार्ग को भी अनुकूलित कर सकता है या पूर्ण दक्षता के साथ पावर ग्रिड का प्रबंधन कर सकता है।

यह ज्ञान कार्यकर्ताओं (knowledge workers) के लिए एक अस्थिर वातावरण बनाता है। हम गणना के युग से सत्यापन के युग की ओर बढ़ रहे हैं। रोजमर्रा की जिंदगी में, आपका काम काम करने से बदलकर एक स्वचालित प्रणाली के काम की जाँच करने में बदल सकता है। यह सुनने में आसान लगता है, लेकिन इसके लिए मूलभूत ज्ञान के गहरे स्तर की आवश्यकता होती है। यदि आप खेल के नियमों को नहीं समझते हैं तो आप समाधान का सत्यापन नहीं कर सकते।

व्यावहारिक रूप से, यह हमारे बच्चों को पढ़ाने के तरीके को प्रभावित करता है। यदि एक स्मार्टफोन कैलकुलस की समस्या को हल कर सकता है और चरणों की व्याख्या कर सकता है, तो उन चरणों को याद रखने का मूल्य शून्य हो जाता है। शिक्षकों को अब 'कैसे' के बजाय 'क्यों' पर ध्यान केंद्रित करना चाहिए। हम एक ऐसा बदलाव देख रहे हैं जहाँ सही प्रश्न पूछने की क्षमता उत्तर खोजने की क्षमता से अधिक मूल्यवान है।

एक खोखले होते विषय का जोखिम

व्यापक रूप से देखने पर, चिंता यह है कि गणित एक 'ब्लैक बॉक्स' बन सकता है। यदि हम सभी कठिन तर्कों को मशीनों को सौंप देते हैं, तो हमारी अपनी मानसिक मांसपेशियां कमजोर हो जाएंगी। ताओ की चेतावनी लचीलेपन का आह्वान है। वह यह सुनिश्चित करना चाहते हैं कि गणित एक मानव-केंद्रित प्रयास बना रहे। लक्ष्य मनुष्य को लूप में रखना है, एक कैलकुलेटर के रूप में नहीं, बल्कि एक नेविगेटर के रूप में।

हम वर्तमान में तकनीक अपनाने के एक चक्रीय चरण में हैं। सबसे पहले, हम क्षमता से चकित होते हैं। इसके बाद, हमें उस क्षमता की लागत का एहसास होता है। अंत में, हम बदलाव को संभालने के लिए अपने सिस्टम को समायोजित करते हैं। हम वर्तमान में विस्मय और समायोजन के बीच संक्रमण के दौर में हैं। AI प्रयोगशालाएं हर छह महीने में तेज़ और स्मार्ट मॉडल जारी करना जारी रखेंगी। समस्याओं की आपूर्ति कम होती रहेगी।

अंततः, गणित का मूल्य संघर्ष (struggle) है। संघर्ष उन दुष्प्रभावों को उत्पन्न करता है जो हमारी आधुनिक दुनिया को चलाते हैं। यदि हम संघर्ष को हटा देते हैं, तो हम दुष्प्रभावों का उत्पादन बंद कर सकते हैं। यह वह मूर्त जोखिम है जिसे ताओ पहचानते हैं। हम एक ऐसी दुनिया बना रहे हैं जहाँ हम सब कुछ जानते हैं लेकिन समझते बहुत कम हैं।

आपके लिए इसका क्या अर्थ है

लब्बोलुआब यह है कि बुद्धिमत्ता की परिभाषा बदल रही है। औसत उपभोक्ता के लिए, इसका मतलब है कि आपकी जेब में मौजूद उपकरण उन विशेषज्ञों की तुलना में अधिक सक्षम हो रहे हैं जिन्हें आप काम पर रखते थे। हालाँकि, इन उपकरणों में उद्देश्य या संदर्भ की कमी होती है।

पहला, शिक्षा में बदलाव की उम्मीद करें। स्कूल संभवतः मौखिक परीक्षा या व्यक्तिगत रूप से कागज-आधारित परीक्षण की ओर बढ़ेंगे ताकि यह सुनिश्चित हो सके कि छात्र वास्तव में सीख रहे हैं। डिजिटल होमवर्क पर निर्भरता समाप्त होने की संभावना है क्योंकि AI ने निष्पक्ष रूप से ग्रेड देना असंभव बना दिया है।

दूसरा, आपका अपना पेशेवर मूल्य AI के ऑडिट करने की आपकी क्षमता पर निर्भर करेगा। चाहे आप अकाउंटिंग, कानून या इंजीनियरिंग में हों, मशीन पहला ड्राफ्ट प्रदान करेगी। आपका काम एक हजार में से उस एक गलती को ढूंढना है जो प्रणालीगत विफलता का कारण बन सकती है।

अंत में, खोज के अदृश्य तंत्र की सराहना करें। हर ऐप और हर गैजेट के पीछे हल की गई गणितीय समस्याओं की एक लंबी श्रृंखला है। यदि वे समस्याएं मशीनों द्वारा बहुत जल्दी हल कर दी जाती हैं, तो हमारी अपनी तकनीक के साथ मानवीय संबंध धुंधला हो जाता है। चीजें कैसे काम करती हैं, इसके बारे में जिज्ञासु बने रहना अब केवल एक शौक नहीं है। यह एक स्वचालित दुनिया में एक आवश्यक उत्तरजीविता कौशल (survival skill) है।

स्रोत:
University of California, Los Angeles Department of Mathematics
International Mathematical Union Fields Medal Archives
OpenAI Research Blog regarding o1 model series
Anthropic Technical Documentation for Claude 3.5 Sonnet
DeepMind AlphaProof and AlphaGeometry Technical Reports