OpenAI ने ऐलान किया है कि उनका Astra AI मॉडल क्रिप्टोग्राफी और क्वांटम कंप्यूटिंग जैसे क्षेत्रों की 10 बेहद मुश्किल गणितीय समस्याओं को हल करने में कामयाब रहा है। हालांकि, इन समाधानों को Lean सिस्टम से वेरिफाई किया गया है, लेकिन एक्सपर्ट्स का कहना है कि यह सफलता AI की सामान्य कार्यों के लिए भरोसेमंद होने का संकेत नहीं है।
OpenAI ने अपने अनरिलीज्ड AI मॉडल Astra को लेकर एक बड़ी तकनीकी उपलब्धि का ऐलान किया है। कंपनी का दावा है कि इस मॉडल ने 10 ऐसी जटिल गणितीय समस्याओं को सुलझाया है, जिन्हें इंसानी शोधकर्ता एक दशक से भी ज़्यादा समय से हल नहीं कर पाए थे। ये समस्याएं क्रिप्टोग्राफी, क्वांटम कंप्यूटिंग, ज्योमेट्री और ग्राफ थ्योरी जैसे खास क्षेत्रों से जुड़ी हैं।
इस सफलता की प्रक्रिया में Astra ने मुख्य गणितीय तर्क (mathematical arguments) तैयार किए, जिन्हें फिर उसी AI की मदद से फॉर्मल रिसर्च पेपर्स में बदला गया। सटीकता सुनिश्चित करने के लिए, इन प्रूफ्स को Lean नाम के एक खास सॉफ्टवेयर टूल से वेरिफाई किया गया, जिसका इस्तेमाल गणितीय समुदाय औपचारिक प्रूफ वेरिफिकेशन के लिए करता है। OpenAI ने बताया कि इन समाधानों को उत्पन्न करने में लगभग $2,000 का खर्च आया, जो इन खास कार्यों के लिए AI की उच्च कम्प्यूटेशनल एफिशिएंसी को दर्शाता है।
वैज्ञानिक अनुप्रयोग और रिसर्च एक्सेस
Astra द्वारा हल की गई खास समस्याओं में हाई-डायमेंशनल स्फीयर पैकिंग, अरिथमेटिक सर्किट कॉम्प्लेक्सिटी और क्लोजेस्ट वेक्टर प्रॉब्लम जैसी चुनौतियां शामिल हैं। इसके अलावा, OpenAI ने बताया कि मॉडल ने Connes's rigidity conjecture को गलत साबित किया और एक्सट्रीमल ग्राफ थ्योरी और रैमसे थ्योरी में कई लंबे समय से चले आ रहे सवालों के जवाब दिए। इन खोजों के साथ ही, OpenAI ने 'ChatGPT for Academic Researchers' नाम की एक पहल शुरू की है, जिसका मकसद दुनिया भर के 1,00,000 वैज्ञानिकों और गणितज्ञों को अपने लेटेस्ट मॉडल्स तक मुफ्त एक्सेस देना है ताकि आगे के सहयोगी रिसर्च को बढ़ावा मिले।
AI की सीमाओं और विश्वसनीयता को समझना
जटिल गणितीय प्रूफ्स को हल करने की क्षमता AI की क्षमता में एक महत्वपूर्ण कदम है, लेकिन इंडस्ट्री एक्सपर्ट्स इस बात पर ज़ोर देते हैं कि इसे सामान्य-उद्देश्य वाली विश्वसनीयता (general-purpose reliability) के सबूत के तौर पर नहीं देखा जाना चाहिए। कॉग्निटिव साइंटिस्ट गैरी मार्कस ने बताया है कि गणित जैसे खास, नियम-आधारित क्षेत्रों में उच्च प्रदर्शन यह गारंटी नहीं देता कि AI मॉडल हैलुसिनेशन (hallucination) जैसी व्यापक समस्याओं से मुक्त है, जो जनरेटिव AI सिस्टम को लगातार प्रभावित करती हैं।
निवेशकों और पर्यवेक्षकों के लिए, यह अंतर महत्वपूर्ण है: कठोर तार्किक समस्याओं को प्रोसेस करने और हल करने की क्षमता, दस्तावेजों की सटीक व्याख्या करने, जटिल निर्देशों का पालन करने या अप्रत्याशित वास्तविक दुनिया के वातावरण में त्रुटियों के बिना काम करने की क्षमता से मौलिक रूप से भिन्न है। इंडस्ट्री के लिए अगला मॉनिटर करने योग्य यह होगा कि क्या OpenAI इस विशेष रीजनिंग आर्किटेक्चर को व्यापक, कम संरचित कार्यों पर लागू कर सकता है या यदि ये क्षमताएं अत्यधिक विशिष्ट डोमेन तक ही सीमित रहती हैं। चूंकि यह तकनीक अभी आम जनता के लिए जारी नहीं की गई है, OpenAI के मुख्य प्रोडक्ट सूट पर इसका व्यापक प्रभाव और जनरेटिव AI सेक्टर में इसकी प्रतिस्पर्धी स्थिति इस बात पर निर्भर करेगी कि इन रीजनिंग विधियों को सामान्य-उद्देश्य वाले अनुप्रयोगों में कितनी सफलतापूर्वक एकीकृत किया जाता है।