Huawei आणि Xiaohongshu च्या AI सिस्टीम्सनी आंतरराष्ट्रीय गणित ऑलिम्पियाडमध्ये (International Mathematical Olympiad) परफेक्ट स्कोर मिळवला आहे. तंत्रज्ञान प्रथमच स्पर्धेत मानवी कामगिरीच्या बरोबरीने पोहोचले आहे. या यशामुळे मशीन रिझनिंग आणि लॉजिक क्षमतांमध्ये मोठी प्रगती दिसून येते.
Detailed Coverage
AI ची अभूतपूर्व कामगिरी
आर्टिफिशियल इंटेलिजन्सने (AI) आंतरराष्ट्रीय गणित ऑलिम्पियाडमध्ये परफेक्ट स्कोर मिळवून एक मोठे तांत्रिक यश संपादन केले आहे. जगातील सर्वात कठीण गणित स्पर्धेत Huawei आणि Xiaohongshu यांनी विकसित केलेल्या AI सिस्टीम्सनी सर्व प्रश्न यशस्वीरीत्या सोडवले, जे मानवी विजेत्यांच्या कामगिरीइतकेच होते.
तर्क आणि बुद्धिमत्तेची चाचणी
शांघाय येथे आयोजित या स्पर्धेत, क्लिष्ट गणिती समस्या सोडवण्याची क्षमता तपासण्यात आली. Huawei चे Celia आणि Xiaohongshu चे dots-note-3.0 हे AI मॉडेल्स 666 मानवी स्पर्धकांसोबत स्पर्धेत होते. नियमांनुसार, मानवी स्पर्धकांनी परीक्षा पूर्ण केल्यानंतरच AI सिस्टीम्सना प्रश्न देण्यात आले आणि त्यांना प्रश्न सोडवताना कोणतीही मानवी मदत मिळाली नाही.
या यशामुळे AI क्षमतांमध्ये वेगाने वाढ झाल्याचे दिसून येते. याआधी AI सिस्टीम्सनी गोल्ड मेडल जिंकले असले तरी, 100% गुण मिळवणे हे मशीनच्या मल्टी-स्टेप रिझनिंगच्या दृष्टिकोनमध्ये एक महत्त्वाचा बदल दर्शवते. Xiaohongshu ने सांगितले की, त्यांचे dots-note-3.0 मॉडेल, जे पहिल्यांदाच सहभागी झाले होते, ते पूर्वीच्या लार्ज लँग्वेज मॉडेल्सपेक्षा अधिक प्रभावी आहे, जे सर्व प्रश्नांमध्ये लॉजिक राखण्यात अयशस्वी ठरले होते.
जागतिक स्पर्धा आणि AI विकास
या प्रकारच्या क्लिष्ट गणिती समस्या सोडवण्याची क्षमता आता जगभरातील तंत्रज्ञान कंपन्यांसाठी एक महत्त्वाचा मापदंड बनली आहे. ही प्रगती केवळ चिनी कंपन्यांपुरती मर्यादित नाही; इतर मोठ्या कंपन्यांनीही उच्च कामगिरी केली आहे. अलीकडील आकडेवारीनुसार, OpenAI आणि Anthropic (US-आधारित), तसेच Axiom Math आणि Moonshot AI (चीन) यांच्या अत्याधुनिक AI मॉडेल्सनी यावर्षीच्या परीक्षेत 42 पैकी 42 गुण मिळवले आहेत.
या तुलनेत, 2024 मध्ये Google च्या AI मॉडेलने 6 पैकी 4 प्रश्न सोडवून रौप्य पदक मिळवले होते. जसजसे हे मॉडेल्स भाषेच्या पलीकडे जाऊन क्लिष्ट तार्किक क्षेत्रांमध्ये प्रवेश करत आहेत, तसतसे डेव्हलपर्सचे लक्ष रिझनिंगमधील विश्वासार्हता वाढवणे आणि तांत्रिक डोमेन्समध्ये चुका कमी करण्यावर केंद्रित झाले आहे. विश्लेषक आता या सुधारित समस्या-निराकरण क्षमता व्यावसायिक ऍप्लिकेशन्समध्ये कशा समाविष्ट केल्या जाऊ शकतात याचा विचार करत आहेत, जसे की स्वयंचलित वैज्ञानिक संशोधन, अभियांत्रिकी डिझाइन आणि डेटा विश्लेषण, ज्यामुळे तंत्रज्ञान क्षेत्रातील उत्पादकता आणि सॉफ्टवेअर विकासाच्या खर्चावर परिणाम होऊ शकतो.