OpenAI ਨੇ ਐਲਾਨ ਕੀਤਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦਾ ਨਾ-ਪ੍ਰਕਾਸ਼ਿਤ Astra AI ਮਾਡਲ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫੀ ਅਤੇ ਕੁਆਂਟਮ ਕੰਪਿਊਟਿੰਗ ਵਰਗੇ ਖੇਤਰਾਂ ਵਿੱਚ 10 ਗੁੰਝਲਦਾਰ ਗਣਿਤ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਹੱਲ ਕਰਨ ਵਿੱਚ ਕਾਮਯਾਬ ਰਿਹਾ ਹੈ। ਹਾਲਾਂਕਿ ਇਹਨਾਂ ਸਾਬਤਾਂ ਨੂੰ Lean ਸਿਸਟਮ ਨਾਲ ਵੈਰੀਫਾਈ ਕੀਤਾ ਗਿਆ ਹੈ, ਮਾਹਰ ਚੇਤਾਵਨੀ ਦਿੰਦੇ ਹਨ ਕਿ ਇਹ ਸਫਲਤਾ ਆਮ AI ਕੰਮਾਂ ਲਈ ਭਰੋਸੇਯੋਗਤਾ ਦਾ ਸੰਕੇਤ ਨਹੀਂ ਦਿੰਦੀ।
OpenAI ਨੇ ਆਪਣੇ ਨਾ-ਪ੍ਰਕਾਸ਼ਿਤ AI ਮਾਡਲ Astra ਨੂੰ ਲੈ ਕੇ ਇੱਕ ਵੱਡੀ ਤਕਨੀਕੀ ਪ੍ਰਾਪਤੀ ਦਾ ਐਲਾਨ ਕੀਤਾ ਹੈ। ਕੰਪਨੀ ਦਾ ਦਾਅਵਾ ਹੈ ਕਿ ਇਹ ਮਾਡਲ 10 ਗੁੰਝਲਦਾਰ ਗਣਿਤ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਕਾਮਯਾਬ ਰਿਹਾ ਹੈ, ਜੋ ਦਹਾਕਿਆਂ ਤੋਂ ਮਨੁੱਖੀ ਖੋਜਕਰਤਾਵਾਂ ਲਈ ਚੁਣੌਤੀ ਬਣੀਆਂ ਹੋਈਆਂ ਸਨ। ਇਹਨਾਂ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚ ਕ੍ਰਿਪਟੋਗ੍ਰਾਫੀ, ਕੁਆਂਟਮ ਕੰਪਿਊਟਿੰਗ, ਜਿਓਮੈਟਰੀ, ਅਤੇ ਗ੍ਰਾਫ ਥਿਊਰੀ ਵਰਗੇ ਵਿਸ਼ੇਸ਼ ਖੇਤਰ ਸ਼ਾਮਲ ਹਨ।
ਇਹਨਾਂ ਸਫਲਤਾਵਾਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ Astra ਦੁਆਰਾ ਮੁੱਖ ਗਣਿਤਿਕ ਦਲੀਲਾਂ ਤਿਆਰ ਕੀਤੀਆਂ ਗਈਆਂ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਬਾਅਦ ਵਿੱਚ ਉਸੇ AI ਦੀ ਮਦਦ ਨਾਲ ਰਸਮੀ ਖੋਜ ਪੱਤਰਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਪਰਿਵਰਤਿਤ ਕੀਤਾ ਗਿਆ। ਸ਼ੁੱਧਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ, ਪ੍ਰਾਪਤ ਕੀਤੇ ਸਾਬਤਾਂ ਨੂੰ Lean ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਗਿਆ, ਜੋ ਗਣਿਤ ਭਾਈਚਾਰੇ ਦੁਆਰਾ ਫਾਰਮਲ ਪਰੂਫ ਵੈਰੀਫਿਕੇਸ਼ਨ ਲਈ ਆਮ ਤੌਰ 'ਤੇ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਸਾਫਟਵੇਅਰ ਟੂਲ ਹੈ। OpenAI ਨੇ ਨੋਟ ਕੀਤਾ ਕਿ ਇਹਨਾਂ ਹੱਲਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਦੇ ਐਪਲੀਕੇਸ਼ਨ ਪ੍ਰੋਗਰਾਮਿੰਗ ਇੰਟਰਫੇਸ (API) ਰਾਹੀਂ ਤਿਆਰ ਕਰਨ ਦੀ ਲਾਗਤ ਲਗਭਗ $2,000 ਆਈ, ਜੋ ਇਹਨਾਂ ਖਾਸ ਕੰਮਾਂ ਲਈ ਉੱਚ ਪੱਧਰੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਕੁਸ਼ਲਤਾ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ।
ਵਿਗਿਆਨਕ ਅਰਜ਼ੀਆਂ ਅਤੇ ਖੋਜ ਤੱਕ ਪਹੁੰਚ
Astra ਦੁਆਰਾ ਹੱਲ ਕੀਤੀਆਂ ਗਈਆਂ ਖਾਸ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚ ਹਾਈ-ਡਾਇਮੈਨਸ਼ਨਲ ਸਫੀਅਰ ਪੈਕਿੰਗ, ਅਰਥਮੈਟਿਕ ਸਰਕਟ ਕੰਪਲੈਕਸਿਟੀ, ਅਤੇ ਕਲੋਜ਼ੇਸਟ ਵੈਕਟਰ ਪ੍ਰੋਬਲਮ ਨਾਲ ਸਬੰਧਤ ਚੁਣੌਤੀਆਂ ਸ਼ਾਮਲ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, OpenAI ਨੇ ਕਿਹਾ ਕਿ ਮਾਡਲ ਨੇ Connes's rigidity conjecture ਨੂੰ ਗਲਤ ਸਾਬਤ ਕੀਤਾ ਅਤੇ ਐਕਸਟ੍ਰੀਮਲ ਗ੍ਰਾਫ ਥਿਊਰੀ ਅਤੇ ਰਾਮਸੇ ਥਿਊਰੀ ਵਿੱਚ ਕਈ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਚੱਲ ਰਹੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦਿੱਤੇ। ਇਹਨਾਂ ਨਤੀਜਿਆਂ ਦੇ ਨਾਲ, OpenAI ਨੇ 'ChatGPT for Academic Researchers' ਨਾਮਕ ਇੱਕ ਪਹਿਲ ਸ਼ੁਰੂ ਕੀਤੀ ਹੈ, ਜਿਸਦਾ ਉਦੇਸ਼ ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ 100,000 ਵਿਗਿਆਨੀਆਂ ਅਤੇ ਗਣਿਤ ਸ਼ਾਸਤਰੀਆਂ ਨੂੰ ਆਪਣੇ ਨਵੀਨਤਮ ਮਾਡਲਾਂ ਤੱਕ ਮੁਫਤ ਪਹੁੰਚ ਪ੍ਰਦਾਨ ਕਰਨਾ ਹੈ ਤਾਂ ਜੋ ਹੋਰ ਸਹਿਯੋਗੀ ਖੋਜ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕੀਤਾ ਜਾ ਸਕੇ।
AI ਦੀਆਂ ਸੀਮਾਵਾਂ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਸਮਝਣਾ
ਹਾਲਾਂਕਿ ਗੁੰਝਲਦਾਰ ਗਣਿਤਿਕ ਸਾਬਤਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਦੀ ਸਮਰੱਥਾ AI ਸਮਰੱਥਾ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ, ਉਦਯੋਗ ਮਾਹਰ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹਨ ਕਿ ਇਸਨੂੰ ਆਮ-ਉਦੇਸ਼ੀ ਭਰੋਸੇਯੋਗਤਾ ਦੇ ਸਬੂਤ ਵਜੋਂ ਨਹੀਂ ਦੇਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ। ਕਾਗਨੀਟਿਵ ਸਾਇੰਟਿਸਟ Gary Marcus ਨੇ ਨੋਟ ਕੀਤਾ ਹੈ ਕਿ ਗਣਿਤ ਵਰਗੇ ਵਿਸ਼ੇਸ਼, ਨਿਯਮ-ਬੱਧ ਖੇਤਰਾਂ ਵਿੱਚ ਉੱਚ ਪ੍ਰਦਰਸ਼ਨ ਇਹ ਗਾਰੰਟੀ ਨਹੀਂ ਦਿੰਦਾ ਕਿ AI ਮਾਡਲ ਭਰਮ (hallucination) ਵਰਗੀਆਂ ਵਿਆਪਕ ਸਮੱਸਿਆਵਾਂ ਤੋਂ ਮੁਕਤ ਹੈ, ਜੋ ਜਨਰੇਟਿਵ AI ਸਿਸਟਮਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨਾ ਜਾਰੀ ਰੱਖਦੇ ਹਨ।
ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਨਿਰੀਖਕਾਂ ਲਈ, ਇਹ ਅੰਤਰ ਕਾਫ਼ੀ ਮਹੱਤਵਪੂਰਨ ਹੈ: ਸਖ਼ਤ ਤਰਕਪੂਰਨ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਅਤੇ ਹੱਲ ਕਰਨ ਦੀ ਯੋਗਤਾ, ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਸਹੀ ਢੰਗ ਨਾਲ ਵਿਆਖਿਆ ਕਰਨ, ਗੁੰਝਲਦਾਰ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ, ਜਾਂ ਅਣਪੂਰਨ ਅਸਲ-ਸੰਸਾਰ ਦੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਬਿਨਾਂ ਗਲਤੀਆਂ ਦੇ ਕੰਮ ਕਰਨ ਦੀ ਯੋਗਤਾ ਤੋਂ ਬੁਨਿਆਦੀ ਤੌਰ 'ਤੇ ਵੱਖਰੀ ਹੈ। ਉਦਯੋਗ ਲਈ ਅਗਲਾ ਨਿਗਰਾਨੀਯੋਗ ਇਹ ਦੇਖਣਾ ਹੋਵੇਗਾ ਕਿ ਕੀ OpenAI ਇਸ ਵਿਸ਼ੇਸ਼ੀਕ੍ਰਿਤ ਰੀਜ਼ਨਿੰਗ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਵਧੇਰੇ ਵਿਆਪਕ, ਘੱਟ-ਸੰਰਚਿਤ ਕੰਮਾਂ 'ਤੇ ਲਾਗੂ ਕਰ ਸਕਦਾ ਹੈ ਜਾਂ ਜੇਕਰ ਇਹ ਸਮਰੱਥਾਵਾਂ ਉੱਚ-ਵਿਸ਼ੇਸ਼ ਡੋਮੇਨਾਂ ਤੱਕ ਸੀਮਿਤ ਰਹਿੰਦੀਆਂ ਹਨ। ਜਿਵੇਂ ਕਿ ਤਕਨਾਲੋਜੀ ਜਨਤਾ ਲਈ ਅਜੇ ਜਾਰੀ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ, OpenAI ਦੇ ਮੁੱਖ ਉਤਪਾਦ ਸੂਟ ਅਤੇ ਜਨਰੇਟਿਵ AI ਸੈਕਟਰ ਵਿੱਚ ਇਸਦੇ ਮੁਕਾਬਲੇ ਵਾਲੇ ਸਥਾਨ 'ਤੇ ਵਿਆਪਕ ਪ੍ਰਭਾਵ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗਾ ਕਿ ਇਹਨਾਂ ਰੀਜ਼ਨਿੰਗ ਤਰੀਕਿਆਂ ਨੂੰ ਜਨਰਲ-ਪਰਪਜ਼ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਕਿੰਨੀ ਸਫਲਤਾਪੂਰਵਕ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।