OpenAIએ જાહેરાત કરી છે કે તેમનું અંડર-ડેવલપમેન્ટ AI મોડેલ Astra, ક્રિપ્ટોગ્રાફી અને ક્વોન્ટમ કમ્પ્યુટિંગ જેવા ક્ષેત્રોમાં દાયકાઓથી વણઉકેલાયેલી 10 જટિલ ગાણિતિક સમસ્યાઓ ઉકેલવામાં સફળ રહ્યું છે. જોકે, નિષ્ણાતો ચેતવણી આપે છે કે વિશિષ્ટ ગણિતમાં આ સફળતા સામાન્ય AI કાર્યો માટે તેની વિશ્વસનીયતા દર્શાવતી નથી.
OpenAIનો મોટો AI વિકાસ: Astraએ ગણિતના કોયડા ઉકેલ્યા
OpenAI એ પોતાના આગામી AI મોડેલ Astra સંબંધિત એક મોટી ટેકનિકલ સિદ્ધિની જાહેરાત કરી છે. કંપનીનો દાવો છે કે આ મોડેલ 10 એવી જટિલ ગાણિતિક સમસ્યાઓ ઉકેલવામાં સફળ રહ્યું છે, જે માનવ સંશોધકો માટે દાયકાઓથી વણઉકેલાયેલી હતી. આ સમસ્યાઓ ક્રિપ્ટોગ્રાફી, ક્વોન્ટમ કમ્પ્યુટિંગ, ભૂમિતિ અને ગ્રાફ થિયરી જેવા વિશિષ્ટ ક્ષેત્રોમાં વિસ્તરેલી છે.
આ સફળતાની પ્રક્રિયામાં Astra એ મુખ્ય ગાણિતિક દલીલો તૈયાર કરી, જેને પછી સમાન AI ની મદદથી ઔપચારિક સંશોધન પત્રોમાં રૂપાંતરિત કરવામાં આવી. ચોકસાઈ સુનિશ્ચિત કરવા માટે, પરિણામી પુરાવાઓને Lean સિસ્ટમનો ઉપયોગ કરીને ચકાસવામાં આવ્યા હતા. Lean એ ગાણિતિક સમુદાય દ્વારા ઔપચારિક પુરાવા ચકાસણી માટે સામાન્ય રીતે ઉપયોગમાં લેવાતું એક વિશિષ્ટ સોફ્ટવેર સાધન છે. OpenAI એ નોંધ્યું કે API દ્વારા આ ઉકેલો જનરેટ કરવાનો ખર્ચ લગભગ $2,000 થશે, જે આ ચોક્કસ કાર્યો માટે ઉચ્ચ કમ્પ્યુટેશનલ કાર્યક્ષમતા સૂચવે છે.
વૈજ્ઞાનિક કાર્યક્રમો અને સંશોધન સુલોભતા
Astra દ્વારા ઉકેલાયેલી વિશિષ્ટ સમસ્યાઓમાં હાઈ-ડાયમેન્શનલ સ્ફિયર પેકિંગ, એરિથમેટિક સર્કિટ કોમ્પ્લેક્સિટી અને ક્લોઝેસ્ટ વેક્ટર પ્રોબ્લેમ જેવી બાબતોનો સમાવેશ થાય છે. વધુમાં, OpenAI એ જણાવ્યું કે મોડેલે કોન્સની રિજિડિટી કન્જેક્ચર (Connes's rigidity conjecture) ને ખોટું સાબિત કર્યું અને એક્સ્ટ્રીમલ ગ્રાફ થિયરી તથા રેમસે થિયરી (Ramsey theory) માં ઘણા લાંબા સમયથી ચાલતા પ્રશ્નોના જવાબ આપ્યા. આ તારણોની સાથે, OpenAI એ 'ChatGPT for Academic Researchers' નામનો એક પ્રોગ્રામ શરૂ કર્યો છે, જેનો ઉદ્દેશ્ય વૈશ્વિક સ્તરે 100,000 વૈજ્ઞાનિકો અને ગણિતશાસ્ત્રીઓને તેના નવીનતમ મોડેલ્સની મફત ઍક્સેસ આપીને વધુ સહયોગી સંશોધનને પ્રોત્સાહન આપવાનો છે.
AI ની મર્યાદાઓ અને વિશ્વસનીયતા સમજવી
જટિલ ગાણિતિક પુરાવાઓને ઉકેલવાની ક્ષમતા AI ની ક્ષમતામાં એક નોંધપાત્ર પગલું હોવા છતાં, ઉદ્યોગ નિષ્ણાતો ભારપૂર્વક જણાવે છે કે આને સામાન્ય-હેતુની વિશ્વસનીયતાના પુરાવા તરીકે જોવું જોઈએ નહીં. જ્ઞાનાત્મક વૈજ્ઞાનિક ગેરી માર્કસ (Gary Marcus) એ નોંધ્યું છે કે ગણિત જેવા વિશિષ્ટ, નિયમ-આધારિત ક્ષેત્રોમાં ઉચ્ચ પ્રદર્શન એ સુનિશ્ચિત કરતું નથી કે AI મોડેલ ભ્રમણા (hallucination) ની વ્યાપક સમસ્યાઓથી મુક્ત છે, જે હાલના જનરેટિવ AI સિસ્ટમ્સને અસર કરવાનું ચાલુ રાખે છે.
રોકાણકારો અને નિરીક્ષકો માટે, આ તફાવત નિર્ણાયક રહે છે: સખત તાર્કિક સમસ્યાઓ પર પ્રક્રિયા કરવાની અને તેને ઉકેલવાની ક્ષમતા, દસ્તાવેજોને ચોક્કસ રીતે સમજવા, જટિલ સૂચનાઓનું પાલન કરવા અથવા અણધારી વાસ્તવિક-વિશ્વની પરિસ્થિતિઓમાં ભૂલો વિના કાર્ય કરવા કરતાં મૂળભૂત રીતે અલગ છે. ઉદ્યોગ માટે આગામી અવલોકન એ હશે કે શું OpenAI આ વિશિષ્ટ તર્ક આર્કિટેક્ચરને વ્યાપક, ઓછા-રચિત કાર્યો પર લાગુ કરી શકે છે કે પછી આ ક્ષમતાઓ ફક્ત અત્યંત વિશિષ્ટ ડોમેન્સ સુધી જ મર્યાદિત રહે છે. જેમ જેમ ટેકનોલોજી જાહેર જનતા માટે રિલીઝ થઈ નથી, તેમ તેમ OpenAI ના મુખ્ય પ્રોડક્ટ સ્યુટ અને જનરેટિવ AI ક્ષેત્રમાં તેની સ્પર્ધાત્મક સ્થિતિ પર વ્યાપક અસર એ વાત પર નિર્ભર રહેશે કે આ તર્ક પદ્ધતિઓ કેટલી સફળતાપૂર્વક સામાન્ય-હેતુની એપ્લિકેશન્સમાં સંકલિત થાય છે.