कृत्रिम बुद्धिमत्ता मॉडल जटिल गणितीय समस्याओं को हल करने की क्षमता प्रदर्शित करना शुरू कर रहे हैं, जो इन प्रणालियों की क्षमताओं में संभावित बदलाव का संकेत है। सॉफ्टवेयर इंजीनियर और स्टार्टअप के संस्थापक नील सोमानी ने OpenAI के नवीनतम मॉडल का परीक्षण करते समय अप्रत्याशित रूप से यह खोज की।

सोमानी ने ChatGPT में एक उच्च-स्तरीय गणितीय समस्या डाली और मॉडल को संसाधित करने के लिए 15 मिनट देने के बाद, उन्हें एक पूर्ण समाधान मिला। फिर उन्होंने हार्मोनिक टूल का उपयोग करके प्रमाण का कठोरता से मूल्यांकन किया, जिससे इसकी वैधता की पुष्टि हुई। सोमानी ने कहा, "मैं यह स्थापित करने के लिए उत्सुक था कि LLM कब खुले गणित की समस्याओं को प्रभावी ढंग से हल करने में सक्षम हैं, इसकी तुलना में वे कहाँ संघर्ष करते हैं।" "आश्चर्य की बात यह थी कि नवीनतम मॉडल का उपयोग करके, सीमा थोड़ी आगे बढ़ने लगी।"

AI की समस्या-समाधान दृष्टिकोण में तर्क की एक श्रृंखला शामिल थी, जिसमें लीजेंड्रे का सूत्र, बर्ट्रेंड का अभिधारणा और डेविड के तारे के प्रमेय जैसे गणितीय सिद्धांतों का हवाला दिया गया था। मॉडल ने 2013 के एक Math Overflow पोस्ट की पहचान की, जहाँ हार्वर्ड के गणितज्ञ नोआम एल्कीस ने एक समान समस्या का समाधान प्रदान किया था। हालाँकि, ChatGPT का अंतिम प्रमाण एल्कीस के काम से अलग था, जो गणितज्ञ पॉल एर्डोस द्वारा मूल रूप से प्रस्तुत की गई समस्या के एक संस्करण का अधिक व्यापक समाधान पेश करता है। एर्डोस अपनी अनसुलझी समस्याओं के संग्रह के लिए जाने जाते हैं जो AI क्षमताओं के परीक्षण के लिए एक बेंचमार्क बन गए हैं।

ChatGPT जैसे बड़े भाषा मॉडल (LLM) को पाठ डेटा की विशाल मात्रा पर प्रशिक्षित किया जाता है, जिससे वे जानकारी के भीतर पैटर्न और संबंधों की पहचान करने में सक्षम होते हैं। यह उन्हें मानव-जैसा पाठ उत्पन्न करने, भाषाओं का अनुवाद करने और, जैसा कि यह उदाहरण दर्शाता है, जटिल गणितीय चुनौतियों का सामना करने की अनुमति देता है। AI की इन समस्याओं को हल करने की क्षमता का विभिन्न क्षेत्रों पर प्रभाव पड़ सकता है, जिसमें वैज्ञानिक अनुसंधान, इंजीनियरिंग और वित्त शामिल हैं, जहाँ जटिल गणनाएँ और समस्या-समाधान आवश्यक हैं।

यह विकास AI में तेजी से हो रही प्रगति और गणितीय अनुसंधान में योगदान करने की इसकी क्षमता पर प्रकाश डालता है। जबकि AI अभी तक स्वतंत्र रूप से नए गणितीय सिद्धांतों को तैयार करने में सक्षम नहीं है, मौजूदा समस्याओं का विश्लेषण करने और समाधान उत्पन्न करने की इसकी क्षमता एक महत्वपूर्ण कदम है। गणितीय समस्या-समाधान में AI की सीमाओं और संभावित पूर्वाग्रहों को समझने के लिए आगे शोध की आवश्यकता है। AI की गणितीय क्षमताओं में चल रहे विकास एक ऐसे भविष्य का सुझाव देते हैं जहाँ AI गणितज्ञों और शोधकर्ताओं के लिए एक मूल्यवान उपकरण बन सकता है।