कृत्रिम बुद्धिमत्ता मॉडल जटिल गणितीय समस्याओं को हल करने के लिए एक अप्रत्याशित योग्यता का प्रदर्शन करना शुरू कर रहे हैं, जो AI 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 यह खोज की, जिसमें पाया गया कि 15 मिनट की प्रसंस्करण अवधि के बाद, AI ने एक उच्च-स्तरीय गणित समस्या का एक पूर्ण और सत्यापन योग्य समाधान प्रदान किया।

सोमानी, एक पूर्व क्वांट शोधकर्ता, शुरू में एक बेंचमार्क स्थापित करने का लक्ष्य बना रहे थे कि बड़े भाषा मॉडल (LLM) कब प्रभावी ढंग से खुली गणित की समस्याओं से निपट सकते हैं। सोमानी ने कहा, "मैं यह स्थापित करने के लिए उत्सुक था कि LLM प्रभावी ढंग से खुली गणित की समस्याओं को हल करने में कब सक्षम हैं, इसकी तुलना में वे कहाँ संघर्ष करते हैं।" "आश्चर्य की बात यह थी कि, नवीनतम मॉडल का उपयोग करते हुए, सीमा थोड़ी आगे बढ़ने लगी।"

AI की समस्या-समाधान प्रक्रिया गणितीय स्वयंसिद्धों और प्रमेयों के उपयोग के लिए उल्लेखनीय थी, जिसमें लीजेंड्रे का सूत्र, बर्ट्रेंड का अभिधारणा और डेविड का स्टार प्रमेय शामिल हैं। मॉडल ने हार्वर्ड के गणितज्ञ नोआम एल्कीस द्वारा 2013 के मैथ ओवरफ्लो पोस्ट का भी उल्लेख किया, जिसमें एक समान समस्या थी। हालाँकि, AI का अंतिम प्रमाण एल्कीस के काम से अलग हो गया और गणितज्ञ पॉल एर्डोस द्वारा प्रस्तुत समस्या के एक संस्करण का अधिक व्यापक समाधान पेश किया। एर्डोस अपनी अनसुलझी समस्याओं के संग्रह के लिए जाने जाते हैं जो AI के लिए एक सिद्ध मैदान बन गए हैं।

यह विकास अमूर्त तर्क और जटिल समस्या-समाधान की आवश्यकता वाले क्षेत्रों में AI की बढ़ती परिष्कार को उजागर करता है। बड़े भाषा मॉडल, जैसे कि इस उदाहरण में उपयोग किया गया है, पाठ डेटा की विशाल मात्रा पर प्रशिक्षित होते हैं, जिससे वे उन पैटर्न और संबंधों की पहचान करने में सक्षम होते हैं जिन्हें गणितीय समस्याओं पर लागू किया जा सकता है। इन मॉडलों की न केवल मौजूदा समाधान खोजने की क्षमता, बल्कि उपन्यास प्रमाण उत्पन्न करने की क्षमता गणितीय सिद्धांतों की गहरी समझ का सुझाव देती है।

गणित में AI की बढ़ती दक्षता के निहितार्थ शिक्षा और अनुसंधान से परे हैं। इन क्षमताओं को क्रिप्टोग्राफी, इंजीनियरिंग और वित्तीय मॉडलिंग सहित विभिन्न क्षेत्रों में लागू किया जा सकता है, जहाँ जटिल गणितीय गणनाएँ आवश्यक हैं। जैसे-जैसे AI मॉडल विकसित होते रहेंगे, इन क्षेत्रों में मानव विशेषज्ञता की सहायता करने और संभावित रूप से बढ़ाने की उनकी क्षमता महत्वपूर्ण प्रगति की ओर ले जा सकती है।

गणितीय समस्या-समाधान में AI की वर्तमान स्थिति अभी भी अपने शुरुआती चरण में है, और चुनौतियाँ बनी हुई हैं। जबकि AI कुछ प्रकार की समस्याओं को प्रभावी ढंग से हल कर सकता है, यह दूसरों के साथ संघर्ष कर सकता है जिनके लिए अधिक सहज या रचनात्मक दृष्टिकोण की आवश्यकता होती है। हालाँकि, हाल की प्रगति गणितज्ञों और शोधकर्ताओं के लिए AI के एक मूल्यवान उपकरण बनने की क्षमता को दर्शाती है। AI एल्गोरिदम और प्रशिक्षण विधियों में भविष्य के विकास उनकी गणितीय क्षमताओं को और बढ़ा सकते हैं, जिससे खोज और नवाचार के लिए नई संभावनाएं खुल सकती हैं।