OpenAI ਨੇ ਐਲਾਨ ਕੀਤਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਨਵੇਂ AI ਮਾਡਲ, Astra, ਨੇ ਫਾਰਮਲ ਵੈਰੀਫਿਕੇਸ਼ਨ (Formal Verification) ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਗਣਿਤ ਦੀਆਂ 10 ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਚੱਲ ਰਹੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰ ਦਿੱਤਾ ਹੈ। ਇਹ AI ਦੀ ਗੁੰਝਲਦਾਰ ਵਿਗਿਆਨਕ ਤਰਕ (Scientific Reasoning) ਨੂੰ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਕਦਮ ਹੈ। ਇਸ ਖੋਜ ਨੂੰ ਹੁਣ ਵਿਸ਼ਵ ਭਾਈਚਾਰੇ ਵੱਲੋਂ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪਰਖਿਆ ਜਾ ਰਿਹਾ ਹੈ ਤਾਂ ਜੋ ਇਸਦੀ ਸਟੀਕਤਾ ਅਤੇ ਭਵਿੱਖੀ ਖੋਜਾਂ 'ਤੇ ਪੈਣ ਵਾਲੇ ਪ੍ਰਭਾਵ ਨੂੰ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾ ਸਕੇ।
OpenAI ਨੇ ਖੁਲਾਸਾ ਕੀਤਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਆਉਣ ਵਾਲੇ AI ਮਾਡਲ Astra ਦੇ ਇੱਕ ਵਰਜ਼ਨ ਨੇ ਗਣਿਤ ਅਤੇ ਥਿਊਰੈਟੀਕਲ ਕੰਪਿਊਟਰ ਸਾਇੰਸ (Theoretical Computer Science) ਵਿੱਚ 10 ਅਜਿਹੀਆਂ ਚੁਣੌਤੀਆਂ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਹੱਲ ਕਰ ਦਿੱਤਾ ਹੈ, ਜੋ ਮਾਹਿਰਾਂ ਲਈ ਇੱਕ ਦਹਾਕੇ ਤੋਂ ਵੱਧ ਸਮੇਂ ਤੋਂ ਬੁਝਾਰਤ ਬਣੀਆਂ ਹੋਈਆਂ ਸਨ। ਕੰਪਨੀ ਨੇ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਰਿਪੋਰਟ ਜਾਰੀ ਕੀਤੀ ਹੈ ਜਿਸ ਵਿੱਚ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫੀ (Cryptography), ਕੁਆਂਟਮ ਕੰਪਲੈਕਸਿਟੀ (Quantum Complexity) ਅਤੇ ਜਿਓਮੈਟਰੀ (Geometry) ਵਰਗੇ ਖੇਤਰਾਂ ਵਿੱਚ ਇਹਨਾਂ ਸਫਲਤਾਵਾਂ ਨੂੰ ਦਰਸਾਇਆ ਗਿਆ ਹੈ। ਇਹਨਾਂ ਹੱਲਾਂ ਨੂੰ Lean ਨਾਮਕ ਇੱਕ ਫਾਰਮਲ ਸੌਫਟਵੇਅਰ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰਮਾਣਿਤ (Verified) ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਗਣਿਤਿਕ ਸਾਬਤਾਂ (Mathematical Proofs) ਦੀ ਜਾਂਚ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।
ਵਿਗਿਆਨਕ ਤਰਕ ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ (Scientific Reasoning and Verification)
ਇਸ ਪ੍ਰਾਪਤੀ ਵਿੱਚ ਗੈਰ-ਸੋਫਿਕ ਗਰੁੱਪਾਂ (Non-sofic groups) ਦਾ ਨਿਰਮਾਣ ਅਤੇ ਗਣਿਤ-ਸ਼ਾਸਤਰੀ ਪੌਲ ਇਰਡੌਸ (Paul Erdős) ਨਾਲ ਜੁੜੀਆਂ ਸਮੱਸਿਆਵਾਂ 'ਤੇ ਤਰੱਕੀ ਸ਼ਾਮਲ ਹੈ। ਆਮ AI ਆਉਟਪੁੱਟ ਦੇ ਉਲਟ, ਇਹਨਾਂ ਹੱਲਾਂ ਦੇ ਨਾਲ ਮਸ਼ੀਨ-ਪੜ੍ਹਨਯੋਗ ਸਾਬਤ (Machine-checkable proofs) ਵੀ ਜੁੜੇ ਹੋਏ ਹਨ। ਇਸ ਪ੍ਰਕਿਰਿਆ ਦਾ ਉਦੇਸ਼ ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਗਣਿਤ-ਸ਼ਾਸਤਰੀਆਂ ਨੂੰ ਮਾਡਲ ਦੁਆਰਾ ਵਰਤੀ ਗਈ ਤਰਕ (Logic) ਦੀ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਜਾਂਚ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦੇਣਾ ਹੈ। OpenAI ਨੇ ਦੱਸਿਆ ਕਿ ਇਹਨਾਂ ਹੱਲਾਂ ਨੂੰ ਮਨੁੱਖੀ ਸਹਾਇਤਾ ਨਾਲ ਰਸਮੀ ਖੋਜ ਪੱਤਰਾਂ (Formal research manuscripts) ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੁਤੰਤਰ ਖੋਜਕਰਤਾ ਵਜੋਂ ਕੰਮ ਕਰਨ ਦੀ ਬਜਾਏ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ AI ਨੂੰ ਇੱਕ ਸਾਧਨ ਵਜੋਂ ਦਰਸਾਉਂਦਾ ਹੈ।
ਵਿਗਿਆਨਕ ਤਰੱਕੀ ਦਾ ਸੰਦਰਭ (Context of Scientific Advancement)
ਇਸ ਐਲਾਨ ਨੇ ਨਕਲੀ ਬੁੱਧੀ (Artificial Intelligence) ਦੇ ਵਿਕਾਸ ਦੀ ਗਤੀ ਬਾਰੇ ਇੱਕ ਨਵੀਂ ਬਹਿਸ ਛੇੜ ਦਿੱਤੀ ਹੈ। ਸੀ.ਈ.ਓ. ਸੈਮ ਆਲਟਮੈਨ (Sam Altman) ਨੇ ਪਹਿਲਾਂ ਇਹ ਸੁਝਾਅ ਦਿੱਤਾ ਸੀ ਕਿ ਮਨੁੱਖਤਾ ਇੱਕ ਅਜਿਹੇ ਪੜਾਅ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਹੀ ਹੈ ਜਿੱਥੇ AI ਵਿਗਿਆਨਕ ਤਰੱਕੀ ਨੂੰ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਤੇਜ਼ ਕਰ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਵਿਗਿਆਨਕ ਭਾਈਚਾਰਾ ਸਾਵਧਾਨ ਰੁਖ ਅਪਣਾ ਰਿਹਾ ਹੈ। ਮਾਹਿਰ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹਨ ਕਿ ਭਾਵੇਂ AI ਨਵੇਂ ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਜਾਂ ਖਾਸ ਗਣਨਾਤਮਕ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਨਤੀਜਿਆਂ ਨੂੰ ਗਣਿਤਿਕ ਤੌਰ 'ਤੇ ਸਹੀ ਅਤੇ ਗਲਤੀਆਂ ਤੋਂ ਮੁਕਤ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਸਖ਼ਤ ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਦੀ ਲੋੜ ਹੈ।
ਨਿਵੇਸ਼ਕ ਅਤੇ ਉਦਯੋਗ 'ਤੇ ਪ੍ਰਭਾਵ (Investor and Industry Impact)
ਟੈਕਨਾਲੋਜੀ ਸੈਕਟਰ ਲਈ, ਇਹ ਵਿਕਾਸ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ AI ਮਾਡਲ ਸਧਾਰਨ ਟੈਕਸਟ ਅਤੇ ਚਿੱਤਰ ਉਤਪਾਦਨ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਉੱਚ-ਪੱਧਰੀ ਵਿਗਿਆਨਕ ਅਤੇ ਤਕਨੀਕੀ ਸਮੱਸਿਆ-ਹੱਲ ਵੱਲ ਵਧ ਰਹੇ ਹਨ। ਜੇ Astra ਵਰਗੇ ਮਾਡਲ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫੀ ਜਾਂ ਕੁਆਂਟਮ ਕੰਪਿਊਟਿੰਗ ਵਰਗੇ ਗੁੰਝਲਦਾਰ ਖੇਤਰਾਂ ਵਿੱਚ ਖੋਜ ਵਿੱਚ ਲਗਾਤਾਰ ਯੋਗਦਾਨ ਪਾ ਸਕਦੇ ਹਨ, ਤਾਂ ਉਹ ਤੀਬਰ R&D ਅਤੇ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ 'ਤੇ ਨਿਰਭਰ ਉਦਯੋਗਾਂ ਲਈ ਕੀਮਤੀ ਸੰਪਤੀ ਸਾਬਤ ਹੋ ਸਕਦੇ ਹਨ।
ਹਾਲਾਂਕਿ, ਟੈਕਨੋਲੋਜੀਕਲ ਸਿੰਗੁਲੈਰਿਟੀ (Technological singularity) - ਇੱਕ ਅਜਿਹਾ ਬਿੰਦੂ ਜਿੱਥੇ AI ਮਨੁੱਖੀ ਦਖਲਅੰਦਾਜ਼ੀ ਤੋਂ ਬਿਨਾਂ ਆਪਣੇ ਆਪ ਨੂੰ ਸੁਧਾਰ ਸਕਦਾ ਹੈ - ਦਾ ਸੰਕਲਪ ਅਜੇ ਵੀ ਬਹੁਤ ਸਿਧਾਂਤਕ ਅਤੇ ਅਨੁਮਾਨਤ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਇਹ ਨਿਗਰਾਨੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਇਹ ਗਣਿਤਿਕ ਯੋਗਤਾਵਾਂ ਅਮਲੀ, ਮਾਲੀਆ-ਉਤਪੰਨ ਕਰਨ ਵਾਲੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਕਿਵੇਂ ਤਬਦੀਲ ਹੁੰਦੀਆਂ ਹਨ। ਉਦਯੋਗ ਲਈ ਮੁੱਖ ਨਿਗਰਾਨੀ ਗਣਿਤ ਭਾਈਚਾਰੇ ਦੁਆਰਾ ਸੁਤੰਤਰ ਪੁਸ਼ਟੀਕਰਨ ਪ੍ਰਕਿਰਿਆ ਦੇ ਨਤੀਜੇ ਹੋਣਗੇ, ਕਿਉਂਕਿ ਇਹਨਾਂ AI-ਉਤਪੰਨ ਹੱਲਾਂ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਪੇਸ਼ੇਵਰ ਵਿਗਿਆਨਕ ਖੋਜ ਵਿੱਚ ਉਹਨਾਂ ਦੇ ਅਪਣਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਹੈ।