एक OpenAI मॉडल ने असतत ज्यामिति में एक प्रमुख अनुमान को खारिज कर दिया है

OpenAI मॉडल 80 वर्षीय इकाई दूरी समस्या से निपटने में मदद करता है

मेटा विवरण: एक OpenAI मॉडल ने असतत ज्यामिति में 80 साल पुरानी इकाई दूरी समस्या पर प्रगति की, जो लंबे समय से चली आ रही अटकलों को उलट देती है।

टैगः artificial intelligence , गणित, असतत ज्यामिति

विशेष रुप से प्रदर्शित छवि: ज्यामितीय बिंदुओं और कनेक्टिंग लाइनों का एक दोस्ताना, अमूर्त चित्रण जो नरम ढाल पृष्ठभूमि पर जाली बनाती है, जिसमें एक सूक्ष्म चमकदार नोड के साथ खोज कोई लोग, कोई लोगो नहीं, कोई पाठ सुझाव देता है।

किसी भी व्यक्ति के लिए जो इस बारे में उत्सुक है कि artificial intelligence शुद्ध गणित को कैसे आकार दे रहा है, इसके बारे में जानने लायक एक नया मील का पत्थर है। एक OpenAI मॉडल ने इकाई दूरी की समस्या को हल करने में योगदान दिया है, एक चुनौती जो लगभग 80 वर्षों से अनसुलझी खड़ी थी। ऐसा करते हुए, मॉडल ने असतत ज्यामिति में एक प्रमुख अनुमान को गलत साबित करने में मदद की - गणित की वह शाखा जो बिना अंतराल या ओवरलैप के बिंदुओं, रेखाओं और आकृतियों की व्यवस्था का अध्ययन करती है। यह लेख बताता है कि समस्या क्या है, परिणाम क्यों मायने रखता है, और गणितीय अनुसंधान में AI की भविष्य की भूमिका के बारे में इसका क्या सुझाव है।

इकाई दूरी समस्या क्या है?

इकाई दूरी समस्या असतत ज्यामिति में प्रश्नों के परिवार से संबंधित है जो भ्रामक रूप से सरल लगते हैं। एक सपाट विमान पर बिखरे हुए बिंदुओं का एक सेट की कल्पना करें। अब पूछेंः इन बिंदुओं के कितने जोड़े ठीक एक इकाई दूर बैठ सकते हैं एक दूसरे से समान निश्चित दूरी?

यह फ्रेमिंग संबंधित क्लासिक सवालों की ओर ले जाती है। एक प्रसिद्ध संस्करण, जो 1940 के दशक में वापस डेटिंग करता है, पूछता है कि विमान पर प्रत्येक बिंदु को पेंट करने के लिए आपको कितने रंगों की आवश्यकता होगी ताकि कोई दो अंक बिल्कुल एक इकाई साझा न करें। प्रतिभाशाली गणितज्ञों द्वारा दशकों के प्रयास के बावजूद, सटीक उत्तर पहुंच से बाहर रहे हैं, शोधकर्ता केवल संभावनाओं को धीरे-धीरे कम कर सकते हैं।

ये पहेली महत्वपूर्ण हैं क्योंकि वे ज्यामिति, ग्राफ सिद्धांत और संयोजक के चौराहे पर बैठते हैं, और उनके लिए विकसित तकनीकें अक्सर कोडिंग सिद्धांत और नेटवर्क डिजाइन सहित अन्य क्षेत्रों में फैलती हैं।

अनुमान है कि गिर गया

वर्षों तक, इस क्षेत्र में काम करने वाले गणितज्ञों ने एक व्यापक रूप से मान्यता प्राप्त अनुमान के तहत संचालित किया आंशिक साक्ष्य द्वारा समर्थित लेकिन कभी साबित नहीं हुआ एक शिक्षित अनुमान। इस तरह की अटकलें गाइडपोस्ट के रूप में कार्य करती हैंः वे आकार देते हैं कि शोधकर्ता क्या सवाल पूछते हैं और कौन सी दिशाएं आशाजनक दिखती हैं।

रिपोर्ट किए गए परिणाम के अनुसार, OpenAI मॉडल का काम उस अनुमान को पलटने में मदद करता है। एक लंबे समय से चली आ रही परिकल्पना को खारिज करना गणित में कोई छोटी घटना नहीं है। यह क्षेत्र को अपनी समझ को पुनर्गठित करने के लिए मजबूर करती है, अक्सर यह पता लगाती है कि दशकों से निर्मित अंतर्ज्ञान गलत दिशा में इशारा कर रहा था। इतिहास दर्शाता है कि जब एक प्रमुख अनुमान गिर जाता है, तो इसके बाद अक्सर नए प्रमेय, नई तकनीक और कभी-कभी पूरी तरह से नए उपक्षेत्र पैदा होते हैं।

क्यों यह एआई संचालित गणित के लिए एक मील का पत्थर है

AI प्रणालियों ने पहले गणित में सहायता की है। machine learning ने अनुमानों को उत्पन्न करने में मदद की है, और AI उपकरणों ने संयोजक विज्ञान और अन्य क्षेत्रों में विशिष्ट प्रमाणों में योगदान दिया है। लेकिन यहां रिपोर्ट किए गए परिणाम दो कारणों से उल्लेखनीय हैं।

सबसे पहले, लक्ष्य एक बनावटी या कृत्रिम समस्या नहीं थी। इकाई दूरी की समस्या एक वास्तविक, लंबे समय तक चलने वाला प्रश्न है जिस पर मानव गणितज्ञों की पीढ़ियों ने हमला किया है। इस तरह की समस्या पर सार्थक प्रगति करने से संकेत मिलता है कि AI केवल पैटर्न-मिलान अभ्यास के बजाय गहरी, संरचनात्मक गणित में संलग्न हो सकते हैं।

दूसरा, परिणाम एक प्रमुख अनुमान का खंडन था। प्रति-उदाहरण ढूंढना अक्सर हर किसी को पहले से ही संदेह की पुष्टि करने की तुलना में कठिन होता है। इसके लिए उन कॉन्फ़िगरेशनों का पता लगाना आवश्यक है जिन्हें मानव अंतर्ज्ञान ने अनदेखा कर दिया है, और व्यापक रूप से संभावनाओं को बाहर करना vast एक ऐसा कार्य जो कम्प्यूटेशनल दृष्टिकोण के अनुकूल हो सकता है।

उस ने कहा, यह व्याख्या के बारे में सावधान रहने लायक है. प्रमाणों के लिए AI योगदान की रिपोर्ट कभी-कभी "AI स्वतंत्र रूप से समस्या को हल किया" और "एक महत्वपूर्ण कदम पर AI सहायक मानव शोधकर्ताओं" के बीच की रेखा को धुंधला कर देती हैं। इस तरह के मामलों में श्रम का सटीक विभाजन अक्सर पूरी तरह से सार्वजनिक नहीं होता है, इसलिए पाठकों को स्वस्थ सावधानी के साथ स्वायत्त खोज के दावों का इलाज करना चाहिए जब तक कि विस्तृत लेखन-अप सहकर्मी-समीक्षा स्थलों में दिखाई न दें।

कामकाजी गणितज्ञों के लिए इसका क्या अर्थ है

शोधकर्ताओं के लिए, सबक प्रतिस्थापन और सहयोग के बारे में कम है। एक AI मॉडल किसी भी व्यक्ति या टीम की तुलना में कहीं अधिक व्यापक रूप से निर्माणों का स्थान खोज सकता है, कॉन्फ़िगरेशन का परीक्षण करने के लिए कोई नहीं सोचता था। फिर मनुष्य निर्णय प्रदान करते हैंः यह तय करना कि कौन सी संरचनाएं दिलचस्प हैं, तर्क को सत्यापित करें, और परिणाम को व्यापक सिद्धांत के भीतर रखें।

निकट-अवधि की संभावित तस्वीर एक साझेदारी मॉडल है। गणितज्ञ समस्या को परिभाषित करते हैं और आउटपुट की व्याख्या करते हैं; AI सिस्टम उम्मीदवारों का प्रस्ताव देते हैं, छिपे हुए पैटर्न को स्पॉट करते हैं, और प्रशंसनीय ध्वनि वाले दावों को खारिज करने में मदद करते हैं। यदि श्रम विभाजन बरकरार रहता है, तो हम अधिक लंबे समय तक चलने वाली अटकलें गिरते देख सकते हैं इसलिए नहीं कि मशीनें "गणितकारों" की तरह सोचती हैं, बल्कि क्योंकि वे मनुष्यों की तुलना में अलग तरीके से खोज करती हैं।

हममें से बाकी लोगों के लिए, परिणाम एक अनुस्मारक है कि यहां तक कि सबसे पुराने, सबसे सरल दिखने वाले प्रश्न भी गहरी संरचना को छिपा सकते हैं और यह कि अब उत्तरों की खोज में एक नए प्रकार का सहयोगी शामिल हो गया है।

नोट: जैसा कि पूर्ण तकनीकी विवरण और सहकर्मी-समीक्षा लेख उपलब्ध हो जाते हैं, मॉडल के योगदान का दायरा और विशिष्टताएं स्पष्ट हो जाएंगी। यह आलेख वर्तमान में रिपोर्ट किए गए परिणाम को दर्शाता है।