AI ਦਾ ਗਣਿਤ ਵਿੱਚ ਕਮਾਲ: ਬੌਧਿਕ ਮੁੱਲ 'ਤੇ ਵੱਡਾ ਸਵਾਲ!

AI ਨੇ ਗਣਿਤ ਦੇ ਖੇਤਰ ਵਿੱਚ ਕੀਤਾ ਵੱਡਾ ਕਮਾਲ:

ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਨੇ ਹੁਣ ਸਿਰਫ਼ ਕੰਟੈਂਟ ਬਣਾਉਣ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਸ਼ੁੱਧ ਗਣਿਤ ਦੇ ਖੇਤਰ ਵਿੱਚ ਵੀ ਦਖਲ ਦੇਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ ਹੈ। ਇਸ ਕਾਰਨ ਦੁਨੀਆ ਭਰ ਦੇ ਵਿਦਵਾਨਾਂ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਬਹਿਸ ਛਿੜ ਗਈ ਹੈ। ਹਾਲ ਹੀ ਵਿੱਚ, OpenAI ਦੇ ਅਨਰੀਲੀਜ਼ਡ Astra ਅਤੇ Anthropic ਦੇ Claude Fable 5 ਵਰਗੇ AI ਮਾਡਲਾਂ ਨੇ ਜਿਓਮੈਟਰੀ ਅਤੇ ਗਰੁੱਪ ਥਿਊਰੀ ਵਿੱਚ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਚੱਲੀਆਂ ਆ ਰਹੀਆਂ ਗਣਿਤਿਕ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਹੱਲ ਕਰ ਦਿੱਤਾ ਹੈ। ਇਸ ਨਾਲ ਗਣਿਤ, ਜੋ ਕਿ ਇਤਿਹਾਸਕ ਤੌਰ 'ਤੇ 'ਪ੍ਰੂਫ਼ ਦੀ ਘਾਟ' (proof scarcity) ਦਾ ਖੇਤਰ ਰਿਹਾ ਹੈ, ਹੁਣ 'ਪ੍ਰੂਫ਼ ਦੀ ਬਹੁਤਾਤ' (proof abundance) ਵੱਲ ਵਧ ਗਿਆ ਹੈ। ਇਹ ਤੇਜ਼ੀ ਨਾਲ ਹੋ ਰਹੀ ਤਰੱਕੀ ਬੌਧਿਕ ਮਿਹਨਤ—ਅਤੇ ਇਸ ਨਾਲ ਜੁੜੇ ਅਕਾਦਮਿਕ ਅਤੇ ਵਪਾਰਕ ਮੁੱਲ—ਨੂੰ ਮਾਪਣ ਦੇ ਤਰੀਕਿਆਂ 'ਤੇ ਮੁੜ ਵਿਚਾਰ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰ ਰਹੀ ਹੈ।

'ਬਣਾਉਣ' ਤੋਂ 'ਤਸਦੀਕ' ਵੱਲ ਤਬਦੀਲੀ:

ਦਹਾਕਿਆਂ ਤੋਂ, ਗਣਿਤਿਕ ਖੋਜਾਂ ਅਤੇ ਬਹੁਤ ਸਾਰੇ ਤਕਨੀਕੀ ਖੇਤਰ 'ਪ੍ਰਕਾਸ਼ਿਤ ਕਰੋ ਜਾਂ ਖਤਮ ਹੋ ਜਾਓ' (publish or perish) ਦੇ ਮਾਡਲ 'ਤੇ ਚੱਲ ਰਹੇ ਹਨ, ਜਿੱਥੇ ਨਵੇਂ ਪ੍ਰੂਫ਼ ਅਤੇ ਪ੍ਰਕਾਸ਼ਨ ਤਿਆਰ ਕਰਨਾ ਸਫਲਤਾ ਦਾ ਮੁੱਖ ਮਾਪਦੰਡ ਸੀ। ਹਾਲਾਂਕਿ, AI ਦੀ ਘੱਟ ਲਾਗਤ—ਲਗਭਗ $2,000 ਵਿੱਚ ਹਾਲ ਹੀ ਦੇ ਮਹੱਤਵਪੂਰਨ ਹੱਲਾਂ ਲਈ ਮਸ਼ੀਨ-ਚੈੱਕਡ ਪ੍ਰੂਫ਼ ਤਿਆਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ—ਇਸ ਢਾਂਚੇ ਨੂੰ ਚੁਣੌਤੀ ਦੇ ਰਹੀ ਹੈ। ਪ੍ਰਮੁੱਖ ਗਣਿਤ ਸ਼ਾਸਤਰੀ, ਜਿਸ ਵਿੱਚ ਫੀਲਡਜ਼ ਮੈਡਲਿਸਟ ਟੇਰੇਂਸ ਤਾਓ ਵੀ ਸ਼ਾਮਲ ਹਨ, ਨੇ ਨੋਟ ਕੀਤਾ ਹੈ ਕਿ ਜਦੋਂ ਕਿ AI ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ 'ਜੰਪ' ਲਾਜਿਕ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਇਸ ਵਿੱਚ ਮਨੁੱਖੀ ਖੋਜ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਵਾਲੀ ਰਣਨੀਤਕ ਯੋਜਨਾਬੰਦੀ ਅਤੇ ਡੂੰਘੀ ਸਮਝ ਦੀ ਕਮੀ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ, ਮਨੁੱਖੀ ਬੌਧਿਕ ਯੋਗਦਾਨ ਦਾ ਮੁੱਲ ਸਿਰਫ਼ ਆਉਟਪੁੱਟ ਤਿਆਰ ਕਰਨ ਤੋਂ ਹੱਟ ਕੇ ਤਸਦੀਕ (verification), ਸਮੱਸਿਆ ਦੀ ਚੋਣ (problem selection) ਅਤੇ ਵਿਆਖਿਆ (interpretation) ਵਰਗੇ ਮਹੱਤਵਪੂਰਨ ਕੰਮਾਂ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ।

ਸੰਸਥਾਗਤ ਪ੍ਰਤੀਕਿਰਿਆ ਅਤੇ ਲੀਡਨ ਡੈਕਲਾਰੇਸ਼ਨ:

ਇਸ ਤਬਦੀਲੀ ਨੂੰ ਗਲੋਬਲ ਸੰਸਥਾਵਾਂ ਨੇ ਵੀ ਨੋਟਿਸ ਕੀਤਾ ਹੈ। 'ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਅਤੇ ਗਣਿਤ 'ਤੇ ਲੀਡਨ ਡੈਕਲਾਰੇਸ਼ਨ' (Leiden Declaration on Artificial Intelligence and Mathematics), ਜਿਸਨੂੰ 1,500 ਤੋਂ ਵੱਧ ਵਿਦਵਾਨਾਂ ਦਾ ਸਮਰਥਨ ਪ੍ਰਾਪਤ ਹੈ ਅਤੇ ਇਸਨੂੰ ਇੰਟਰਨੈਸ਼ਨਲ ਮੈਥੇਮੈਟੀਕਲ ਯੂਨੀਅਨ ਵਰਗੀਆਂ ਸੰਸਥਾਵਾਂ ਦੁਆਰਾ ਪ੍ਰਵਾਨਗੀ ਦਿੱਤੀ ਗਈ ਹੈ, ਖੋਜ ਲਈ ਮਨੁੱਖ-ਕੇਂਦਰਿਤ ਪਹੁੰਚ ਦੀ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਮੰਗ ਕਰਦੀ ਹੈ। ਇਹ ਡੈਕਲਾਰੇਸ਼ਨ AI ਡਿਵੈਲਪਰਾਂ ਦੁਆਰਾ 'ਹਾਈਪ' (hype) 'ਤੇ ਵਿਸ਼ਵਾਸ ਨਾ ਕਰਨ ਦੀ ਚੇਤਾਵਨੀ ਦਿੰਦੀ ਹੈ, ਜਿਨ੍ਹਾਂ 'ਤੇ ਆਪਣੇ ਮਾਡਲਾਂ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਲਈ ਭਾਰੀ ਵਪਾਰਕ ਦਬਾਅ ਹੈ। ਇਹ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੀ ਹੈ ਕਿ ਜਦੋਂ ਕਿ AI ਮਹੱਤਵਪੂਰਨ ਮੌਕੇ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਖੋਜ ਦੀ ਅਖੰਡਤਾ ਨੂੰ ਭਰੋਸੇਯੋਗ ਨਤੀਜਿਆਂ, ਕਾਪੀਰਾਈਟ ਮੁੱਦਿਆਂ ਅਤੇ ਖੋਜ ਏਜੰਡਿਆਂ 'ਤੇ ਖੁਦਮੁਖਤਿਆਰੀ ਦੇ ਸੰਭਾਵੀ ਨੁਕਸਾਨ ਤੋਂ ਬਚਾਉਣਾ ਲਾਜ਼ਮੀ ਹੈ। ਡੈਕਲਾਰੇਸ਼ਨ ਇਸ ਵਧ ਰਹੀ ਚਿੰਤਾ ਨੂੰ ਉਜਾਗਰ ਕਰਦੀ ਹੈ ਕਿ ਕੰਪਨੀਆਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਮੁਕਾਬਲੇ ਵਾਲੇ ਬਾਜ਼ਾਰ ਵਿੱਚ ਨਿਵੇਸ਼ ਆਕਰਸ਼ਿਤ ਕਰਨ ਲਈ AI ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਪੇਸ਼ ਕਰ ਸਕਦੀਆਂ ਹਨ।

ਗਿਆਨ-ਆਧਾਰਿਤ ਕੰਮ (Knowledge Work) ਲਈ ਪ੍ਰਭਾਵ:

ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਬਾਜ਼ਾਰ ਦੇ ਨਿਰੀਖਕਾਂ ਲਈ, ਗਣਿਤ ਦਾ ਇਹ ਸੰਕਟ ਹੋਰ ਗਿਆਨ-ਆਧਾਰਿਤ ਕਿੱਤਿਆਂ ਲਈ ਇੱਕ ਬਲੂਪ੍ਰਿੰਟ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਕਾਨੂੰਨ, ਕੋਡਿੰਗ ਅਤੇ ਰਣਨੀਤਕ ਸਲਾਹ-ਮਸ਼ਵਰੇ ਵਰਗੇ ਖੇਤਰਾਂ ਵਿੱਚ, AI ਲਗਾਤਾਰ ਅਜਿਹੇ ਕੰਮ ਦੇ ਉਤਪਾਦਨ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੋ ਰਿਹਾ ਹੈ ਜੋ ਪਹਿਲਾਂ ਉੱਚ ਪ੍ਰਵੇਸ਼ ਬੈਰੀਅਰਾਂ ਦੁਆਰਾ ਸੁਰੱਖਿਅਤ ਸੀ। ਜੇ ਗਣਿਤ ਦਾ ਇਤਿਹਾਸ ਕੋਈ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਅਗਲਾ ਦੁਰਲੱਭ ਸਰੋਤ ਜਵਾਬ ਪੈਦਾ ਕਰਨ ਦੀ ਯੋਗਤਾ ਨਹੀਂ ਹੋਵੇਗੀ, ਬਲਕਿ ਇਹ ਸਵਾਲ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਦੀ ਮਨੁੱਖੀ ਸਮਰੱਥਾ ਹੋਵੇਗੀ ਕਿ ਕਿਹੜੇ ਸਵਾਲ ਪੁੱਛਣ ਯੋਗ ਹਨ ਅਤੇ ਨਤੀਜਿਆਂ ਦੀ ਗੁਣਵੱਤਾ ਦੀ ਸਖਤੀ ਨਾਲ ਤਸਦੀਕ ਕਰਨਾ ਹੋਵੇਗਾ। ਜਿਵੇਂ-ਜਿਵੇਂ ਉਦਯੋਗ ਅਨੁਕੂਲ ਹੋਣਗੇ, ਫੋਕਸ ਉਨ੍ਹਾਂ ਪੇਸ਼ੇਵਰਾਂ ਵੱਲ ਵਧਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ ਜੋ ਸਿਰਫ਼ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਰੋਟ ਕੰਮ ਪੈਦਾ ਕਰਨ ਵਾਲੇ ਲੋਕਾਂ ਦੀ ਬਜਾਏ, ਡੂੰਘੀ ਡੋਮੇਨ ਮਹਾਰਤ ਨਾਲ AI-ਪੈਦਾ ਹੋਈ ਬੁੱਧੀ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਸੰਗਠਿਤ ਕਰ ਸਕਦੇ ਹਨ।