AI ची गणितातील क्रांती: मानवी बुद्धीमत्तेच्या मूल्यावर प्रश्नचिन्ह?

AI पोहोचले गणिताच्या खोलवर

आर्टिफिशियल इंटेलिजन्स (AI) आता केवळ मजकूर निर्मितीपुरते मर्यादित राहिलेले नाही, तर त्याने गणितासारख्या शुद्ध बौद्धिक क्षेत्रात प्रवेश केला आहे. यामुळे जगभरातील

शिक्षणतज्ज्ञांमध्ये एक गंभीर चर्चा सुरू झाली आहे. नुकतेच, ओपनएआय (OpenAI) चे Astra आणि अँथ्रोपिक (Anthropic) चे Claude Fable 5 यांसारख्या AI मॉडेल्सनी भूमिती आणि ग्रुप थिअरीमधील

(Group Theory) जुनी आणि अवघड गणितीय समीकरणं यशस्वीरित्या सोडवली आहेत. यामुळे गणित क्षेत्र 'प्रूफ स्कॅर्सिटी' (Proof Scarcity - पुराव्यांची कमतरता)

मधून 'प्रूफ अबंडन्स' (Proof Abundance - पुराव्यांची विपुलता) च्या युगात पोहोचले आहे. या जलद प्रगतीमुळे बौद्धिक कामाचे मूल्य कसे मोजावे, यावर नव्याने विचार करण्याची गरज निर्माण झाली आहे.

निर्मितीकडून पडताळणीकडे (Shift from Creation to Verification)

गेल्या अनेक दशकांपासून, गणितीय संशोधन आणि इतर तांत्रिक क्षेत्रांमध्ये 'पब्लिश ऑर पेरिश' (Publish or Perish - प्रकाशित करा किंवा नष्ट व्हा) या धोरणावर काम चालत होते.

नवीन प्रमेय (Proofs) तयार करणे आणि प्रकाशित करणे हे यशाचे मुख्य मापदंड होते. मात्र, आता AI अगदी कमी खर्चात, अंदाजे $2,000 मध्ये, मशीन-चेक केलेले प्रमेय तयार करू शकते. यामुळे या रचनेला आव्हान मिळाले आहे. प्रसिद्ध गणितज्ञ टेरेन्स ताओ (Terence Tao) यांच्या मते, AI समस्या सोडवण्यासाठी 'जंप लॉजिक' (Jump Logic) वापरू शकते, परंतु मानवी संशोधनासारखे धोरणात्मक नियोजन आणि सखोल आकलन त्यांच्याकडे सध्या नाही.

यामुळे, मानवी योगदानाचे मूल्य केवळ उत्तरं देण्यापुरते मर्यादित न राहता, पडताळणी, समस्या निवडणे आणि त्यांचे विश्लेषण करणे यांसारख्या महत्त्वाच्या कामांकडे सरकत आहे.

संस्थात्मक प्रतिसाद आणि 'द लीडन डिक्लरेशन'

या बदलाची दखल जागतिक संस्थांनी घेतली आहे. 'द लीडन डिक्लरेशन ऑन आर्टिफिशियल इंटेलिजन्स अँड मॅथेमॅटिक्स' (The Leiden Declaration on Artificial Intelligence and Mathematics) या घोषणेला 1,500 हून अधिक शिक्षणतज्ज्ञांचा पाठिंबा आहे. यामध्ये आंतरराष्ट्रीय गणितीय संघासारख्या (International Mathematical Union) संस्थांचाही समावेश आहे. हे घोषणापत्र संशोधनासाठी मानवकेंद्री दृष्टिकोन स्वीकारण्याचे आवाहन करते.

AI विकासकांकडून येणाऱ्या 'अतिशयोक्तीपूर्ण' दाव्यांवर विश्वास न ठेवण्याचा इशाराही यात दिला आहे, कारण कंपन्यांवर मॉडेलची क्षमता दाखवण्यासाठी प्रचंड व्यावसायिक दबाव आहे. AI संधी देऊ करत असले तरी, संशोधनाची विश्वासार्हता, कॉपीराइट समस्या आणि संशोधनाच्या स्वायत्ततेचे संरक्षण करणे महत्त्वाचे आहे. वाढत्या स्पर्धेत गुंतवणूक आकर्षित करण्यासाठी कंपन्या AI च्या कामगिरीबद्दल अतिशयोक्ती करत असल्याची चिंताही यातून व्यक्त होत आहे.

ज्ञानाधारित कामांवरील परिणाम (Implications for Knowledge Work)

गुंतवणूकदार आणि बाजार निरीक्षकांसाठी, गणितातील हा पेचप्रसंग इतर ज्ञान-आधारित व्यवसायांसाठी एक मार्गदर्शक ठरू शकतो. कायदा, कोडिंग आणि स्ट्रॅटेजिक कन्सल्टिंग (Strategic Consulting) सारख्या क्षेत्रांमध्ये, AI अशा कामांचे ऑटोमेशन करू शकते, जी पूर्वी उच्च प्रवेश अडथळ्यांमुळे सुरक्षित होती. गणिताचा इतिहास पाहता, भविष्यात 'उत्तरं देण्याची क्षमता' दुर्मिळ राहणार नाही, तर 'कोणते प्रश्न विचारावेत हे ठरवण्याची मानवी क्षमता' आणि 'निकालांच्या गुणवत्तेची कठोर पडताळणी' हीच दुर्मिळ गोष्ट ठरेल.

विविध उद्योग या बदलांशी जुळवून घेतील, तेव्हा कदाचित केवळ मोठ्या प्रमाणात काम करणाऱ्यांऐवजी, AI-निर्मित बुद्धिमत्तेला सखोल डोमेन ज्ञानासोबत (Domain Expertise) जोडणारे व्यावसायिक अधिक महत्त्वाचे ठरतील.