কৃত্রিম বুদ্ধিমত্তা মডেলগুলি জটিল গাণিতিক সমস্যা সমাধানে সক্ষমতা প্রদর্শন করতে শুরু করেছে, যা এই সিস্টেমগুলির ক্ষমতার একটি সম্ভাব্য পরিবর্তন চিহ্নিত করে। সফটওয়্যার ইঞ্জিনিয়ার এবং স্টার্টআপের প্রতিষ্ঠাতা নীল সোমানি OpenAI-এর সর্বশেষ মডেল পরীক্ষা করার সময় অপ্রত্যাশিতভাবে এটি আবিষ্কার করেন।

সোমানি ChatGPT-তে একটি উচ্চ-স্তরের গণিত সমস্যা পেস্ট করেন এবং মডেলটিকে প্রক্রিয়া করার জন্য ১৫ মিনিট সময় দেওয়ার পরে, একটি সম্পূর্ণ সমাধান খুঁজে পান। এরপর তিনি Harmonic টুল ব্যবহার করে কঠোরভাবে প্রমাণটি মূল্যায়ন করেন এবং এর বৈধতা নিশ্চিত করেন। সোমানি বলেন, "আমি একটি ভিত্তি তৈরি করতে আগ্রহী ছিলাম যে কখন LLMগুলি কার্যকরভাবে উন্মুক্ত গণিত সমস্যা সমাধানে সক্ষম এবং কোথায় তারা সংগ্রাম করে।" "আশ্চর্যজনক বিষয় ছিল যে, সর্বশেষ মডেল ব্যবহার করে, ফ্রন্টিয়ারটি কিছুটা এগিয়ে যেতে শুরু করেছে।"

AI-এর সমস্যা সমাধানের পদ্ধতিতে যুক্তির একটি শৃঙ্খল জড়িত ছিল, যেখানে Legendre's formula, Bertrand's postulate এবং Star of David theorem-এর মতো গাণিতিক স্বতঃসিদ্ধ উদ্ধৃত করা হয়েছে। মডেলটি ২০১৩ সালের Math Overflow-এর একটি পোস্ট চিহ্নিত করেছে, যেখানে হার্ভার্ডের গণিতবিদ নোয়াম এলকিস অনুরূপ সমস্যার সমাধান দিয়েছিলেন। তবে, ChatGPT-এর চূড়ান্ত প্রমাণ এলকিসের কাজ থেকে ভিন্ন ছিল, যা গণিতবিদ পল এরডős দ্বারা উত্থাপিত একটি সমস্যার সংস্করণের আরও ব্যাপক সমাধান প্রদান করে। এরডős তার অমীমাংসিত সমস্যাগুলির সংগ্রহের জন্য পরিচিত, যা AI সক্ষমতা পরীক্ষার জন্য একটি মানদণ্ড হয়ে উঠেছে।

ChatGPT-এর মতো বৃহৎ ভাষা মডেল (LLM) বিপুল পরিমাণ টেক্সট ডেটার উপর প্রশিক্ষিত, যা তাদের তথ্যের মধ্যে প্যাটার্ন এবং সম্পর্ক সনাক্ত করতে সক্ষম করে। এটি তাদের মানুষের মতো টেক্সট তৈরি করতে, ভাষা অনুবাদ করতে এবং এই উদাহরণে প্রদর্শিত হিসাবে, জটিল গাণিতিক চ্যালেঞ্জ মোকাবেলা করতে দেয়। AI-এর এই সমস্যাগুলি সমাধান করার ক্ষমতা বিভিন্ন ক্ষেত্রে প্রভাব ফেলতে পারে, যার মধ্যে বৈজ্ঞানিক গবেষণা, প্রকৌশল এবং ফিনান্স অন্তর্ভুক্ত, যেখানে জটিল গণনা এবং সমস্যা সমাধান অপরিহার্য।

এই উন্নয়ন AI-এর দ্রুত অগ্রগতি এবং গাণিতিক গবেষণায় অবদান রাখার সম্ভাবনা তুলে ধরে। AI এখনও স্বাধীনভাবে নতুন গাণিতিক তত্ত্ব তৈরি করতে সক্ষম না হলেও, বিদ্যমান সমস্যা বিশ্লেষণ এবং সমাধান তৈরি করার ক্ষমতা একটি গুরুত্বপূর্ণ পদক্ষেপ। গাণিতিক সমস্যা সমাধানে AI-এর সীমাবদ্ধতা এবং সম্ভাব্য ত্রুটিগুলি বুঝতে আরও গবেষণা প্রয়োজন। AI-এর গাণিতিক সক্ষমতার চলমান অগ্রগতি এমন একটি ভবিষ্যতের ইঙ্গিত দেয় যেখানে AI গণিতবিদ এবং গবেষকদের জন্য একটি মূল্যবান হাতিয়ার হয়ে উঠতে পারে।