AI काम के लिए

GPT-5.2 सैद्धांतिक भौतिकी में एक उपन्यास खोज प्राप्त करता है

एक प्रीप्रिंट में बताया गया है कि जीपीटी-5.2 ने कण भौतिकी में एक महत्वपूर्ण वस्तु, ग्लूयन आयाम के लिए एक उपन्यास सूत्र प्रस्तावित किया था, जिसे बाद में औपचारिक रूप से साबित कर दिया गया और OpenAI -अकादमिक सहयोग के माध्यम से स्वतंत्र रूप से सत्यापित किया गया। लेख कार्यप्रवाह की व्याख्या करता हैः मॉडल उम्मीदवार विचारों को उत्पन्न करता है, शोधकर्ताओं ने उन्हें सटीक अनुमानों के रूप में तैयार किया, और औपचारिक प्रमाण ने उनकी पुष्टि की। जबकि पूर्ण शब्दों में एक छोटा परिणाम, यह एआई-सहायता सैद्धांतिक खोज के लिए आशाजनक एंड-टू-एंड पाइपलाइन का प्रदर्शन करता है.

एक हालिया प्रीप्रिंट में एक हड़ताली परिणाम का वर्णन किया गया हैः मॉडल जीपीटी-5.2 ने ग्लूयन आयाम के लिए पहले से अज्ञात सूत्र का सुझाव दिया, जो कण भौतिकी के लिए केंद्रीय गणितीय वस्तु है। इस प्रस्ताव को बाद में OpenAI और अकादमिक शोधकर्ताओं के बीच सहयोग के माध्यम से औपचारिक रूप से साबित कर दिया गया था और स्वतंत्र रूप से सत्यापित किया गया था। यह लेख बताता है कि क्या हुआ, यह क्यों महत्वपूर्ण है, और यह हमें विज्ञान में AI के बारे में क्या करता है और क्या नहीं कहता है?

वास्तव में क्या हुआ

प्रीप्रिंट के अनुसार, जीपीटी-5.2 के साथ काम करने वाले शोधकर्ताओं ने मॉडल को ग्लूयन आयामों से संबंधित अभिव्यक्तियों का पता लगाने के लिए कहा - भौतिकविदों द्वारा यह वर्णन करने के लिए उपयोग की जाने वाली मात्राएं कि कैसे गुलून, कण जो क्वार्क को एक साथ बांधते हैं, बातचीत करते हैं। उस अन्वेषण में कहीं न कहीं, मॉडल ने एक सूत्र तैयार किया जो मौजूदा साहित्य में कुछ भी मेल नहीं खाता था।

यह अकेले उल्लेखनीय नहीं होगा। भाषा मॉडल हर समय यथार्थवादी दिखने वाले गणित उत्पन्न करते हैं, और उनमें से अधिकांश गलत, परिपत्र या पहले से ही ज्ञात हो जाते हैं। इस मामले को ध्यान देने योग्य बनाने वाला अगला कदम है: इसके लिए मॉडल के शब्द लेने के बजाय, टीम ने सूत्र को एक अनुमान के रूप में माना और इसे ठीक से साबित करने का प्रयास किया।

OpenAI और अकादमिक सहयोगियों को शामिल करने वाले औपचारिक प्रमाण कार्य के माध्यम से परिणाम की पुष्टि की गई थी। दूसरे शब्दों में, मॉडल की भूमिका प्रस्तावित करना था; इसमें शामिल मनुष्यों और औपचारिक उपकरणों ने सत्यापन किया।

श्रम विभाजन क्यों महत्वपूर्ण है

इस परिणाम के बारे में समझने वाली सबसे महत्वपूर्ण बात यह है कि इसका दावा क्या नहीं है. कोई भी यह नहीं कह रहा है कि GPT-5.2 ने कुछ "सबूत" किया या मॉडल अपने सुझाव के पीछे भौतिकी को समझता था। कार्यप्रवाह जिसने यह काम किया वह जानबूझकर था:

  • मॉडल ने उम्मीदवार विचारों के जनरेटर के रूप में कार्य किया - कुछ ऐसा जो यह एक पैमाने पर और गति से कर सकता है कोई भी मानव टीम मेल नहीं खा सकती।
  • शोधकर्ताओं ने एक सटीक गणितीय दावे के रूप में आशाजनक आउटपुट को फ़िल्टर और फ्रेम किया।
  • औपचारिक प्रमाण और स्वतंत्र सत्यापन ने यह स्थापित किया कि क्या दावा वास्तव में सच था।

यह दर्शाता है कि गणितज्ञों ने हमेशा अंतर्ज्ञान के साथ कैसे काम किया है। एक अनुमान सस्ता है; एक प्रमाण महंगा है। यदि कोई मॉडल विश्वसनीय रूप से दिलचस्प अटकलों को सतह पर ला सकता है जो जांच से बचते हैं, तो यह खोज के लिए एक उपयोगी उपकरण बन जाता है - भले ही इसका आंतरिक "तर्क" अपारदर्शी बना रहे।

क्यों ग्लूयन आयाम एक अच्छा परीक्षण मामला है

कण भौतिकी गणना, विशेष रूप से क्वांटम क्रोमोडायनामिक्स (ग्लूओन और क्वार्क के सिद्धांत) में, चौंकाने वाली जटिलता की अभिव्यक्तियां शामिल हैं। कण टकराव के लिए आयाम गणना हजारों शब्दों तक चल सकती है, और उनके कॉम्पैक्ट, सुरुचिपूर्ण प्रतिनिधित्व को खोजना सैद्धांतिक कार्य के लिए एक कला और एक बाधा दोनों है।

यह क्षेत्र AI सहायता के लिए एक दिलचस्प परीक्षण मैदान बनाता है। इन सूत्रों में भारी संरचना छिपी हुई है - समरूपता संबंधों की तरह पैटर्न जो बार-बार दिखाई देते हैं और पैटर्न का पता लगाना ठीक वही है जिसे large language models ने विशाल गणितीय पाठ पर प्रशिक्षित किया है, कभी-कभी, अच्छी तरह से कर सकते हैं। ग्लूयन आयाम सूत्र भी एक साफ लक्ष्य हैः या तो सही है या नहीं, और समुदाय के पास इसे जांचने के लिए उपकरण हैं।

यह क्या करता है और विज्ञान में AI के बारे में साबित नहीं होता

इसे "AI ने सैद्धांतिक भौतिकी को हल किया है" के रूप में पढ़ना मोहक है, और यह संदेह करने वालों के लिए एक भाग्यशाली अनुमान के तौर पर खारिज करना उतना ही आकर्षक होगा। दोनों रीडिंग बिंदु से चूक जाती हैं।

एक एकल सत्यापित सूत्र निरपेक्ष शब्दों में एक छोटा सा परिणाम है। महत्व पद्धतिगत हैः यह एक एंड-टू-एंड पाइपलाइन का प्रदर्शन करता है जहां मॉडल के आउटपुट ने सबसे सख्त मानक गणित को औपचारिक प्रमाण दिया है। वह पाइप लाइन, पैमाने पर दोहराई गई, बदल सकती है कि सैद्धांतिक कार्य कैसे किया जाता है, मॉडलों द्वारा प्रस्तावित और मनुष्यों (प्लस प्रूफ असिस्टेंट्स) न्याय करते हैं।

ध्यान रखने योग्य कुछ वास्तविक सावधानियां भी हैंः

  • यह एक प्रीप्रिंट है, जिसका अर्थ है कि इसे पूर्ण सहकर्मी समीक्षा से पहले जारी किया गया है। विवरण संशोधित किए जा सकते हैं।
  • हम नहीं जानते कि मॉडल ने कितने उम्मीदवार सूत्रों का उत्पादन किया इससे पहले कि एक सफल हो। कम हिट दर अभी भी उपयोगी होगी, लेकिन यह कहानी को नरम कर देगा।
  • एक संकीर्ण, अत्यधिक संरचित क्षेत्र में सफलता कहीं और समान परिणाम की गारंटी नहीं देती है।

ईमानदार सारांश सावधानीपूर्वक आशावाद है: एक आशाजनक डेटा बिंदु, कोई मोड़ नहीं।

आगे क्या देखना है

यदि यह पैटर्न रहता है, तो अधिक कागजात की उम्मीद करें जहां AI प्रणालियों को लेखकों के रूप में नहीं बल्कि अनुमानों के स्रोतों के लिए श्रेय दिया जाता है - जैसे कि दूरबीनों को टिप्पणियों के लिए क्रेडिट किया जाता है। दिलचस्प खुले प्रश्न व्यावहारिक हैं: पाइपलाइन को कितने मानव क्यूरेशन की आवश्यकता होती है? कौन से डोमेन चेक करने योग्य, पैटर्न-समृद्ध समस्याओं का सबसे अधिक लाभ उठाते हैं? और क्या औपचारिक सत्यापन स्वयं को लूप बंद करके AI के साथ तेज किया जा सकता है?

शोधकर्ताओं के लिए, टेकअवे ठोस है: मॉडल को अनुमान इंजन की तरह व्यवहार करें, सब कुछ सत्यापित करें और असफलताओं के साथ-साथ सफलताओं को प्रकाशित करें ताकि समुदाय वास्तविक हिट दर को माप सके।

नोट: यह लेख पूर्व-मुद्रण पर आधारित है जैसा कि वर्णित किया गया है; विशिष्ट तकनीकी विवरण, लेखकत्व और बेंचमार्क संदर्भ को प्रकाशित पेपर के खिलाफ पुष्टि की जानी चाहिए।

Comments (0)

  1. No comments yet. Be the first to share what worked for you.

Leave a comment

Comments are reviewed before they appear. Your email address is not published.