एआई गणितज्ञों से बेहतर हो सकता है? विजय गर्ग
विशेषज्ञों के बीच सहमति यह है कि ऐआई ने अभी तक गणित के सबसे उन्नत और अमूर्त क्षेत्रों में मानव गणितज्ञों से आगे नहीं बढ़ी है, लेकिन वह तेजी से एक अपरिहार्य उपकरण बन रहा है जो क्षेत्र को पुनः आकार दे रहा है। जबकि वर्तमान एआई कुछ कार्यों में उत्कृष्ट है, यह अभी भी बुनियादी सीमाओं का सामना करता है जो इसे मानव गणितज्ञों से अलग करते हैं। गणित में एआई की ताकतें एआई प्रणालियों ने कई प्रमुख गणितीय क्षेत्रों में मनुष्यों से बेहतर सिद्ध किया है
जटिल गणना और डेटा विश्लेषण: एआई मानव क्षमताओं से कहीं अधिक गति और सटीकता के साथ विशाल, जटिल गणनाएं कर सकता है।
प्रूफ वेरिफिकेशन: लीन जैसे स्वचालित सैद्धांतिक प्रूफर्स का उपयोग गणितीय प्रमाणों की कठोरता को औपचारिक रूप से जांचने और सत्यापित करने के लिए किया जाता है, जो अनिवार्य रूप से सत्यापन प्रक्रिया में मानवीय त्रुटि को समाप्त करता है।
पैटर्न मान्यता और अनुमान: गणितीय वस्तुओं और बड़े डेटा सेट में छिपे हुए पैटर्न और संबंधों की पहचान करने में एआई अत्यधिक प्रभावी है। इस क्षमता ने नए अनुमानों (सिद्धांतों के लिए शिक्षित अनुमान) और कुछ मामलों में, पहले अज्ञात गणितीय संबंधों की खोज का नेतृत्व किया है।
विशिष्ट समस्या प्रकारों का समाधान: जटिल अंतर समीकरण या अनुकूलन समस्याओं को हल करने जैसे क्षेत्रों में (जैसे, लॉजिस्टिक्स या वित्त में), एआई-आधारित तरीके अक्सर पारंपरिक तरीकों की तुलना में तेजी से और कम कंप्यूटिंग शक्ति के साथ समाधान पा सकते हैं। एआई की वर्तमान सीमाएं अपनी प्रगति के बावजूद, एआई, विशेष रूप से बड़े भाषा मॉडल (एलएलएम), अभी भी उन्नत गणित के मुख्य पहलुओं के साथ संघर्ष कर रहा है
गहन अवधारणात्मक समझ की कमी: वर्तमान एआई प्रणाली अपने प्रशिक्षण डेटा से सांख्यिकीय पैटर्न मान्यता पर काम करती हैं। वे पाठ उत्पन्न कर सकते हैं जो एक प्रमाण या स्पष्टीकरण जैसा दिखता है, लेकिन उनमें अक्सर अंतर्ज्ञानी समझ और आधारभूत गणितीय अवधारणाओं और सिद्धांतों की कमी होती है जिनके पास मनुष्य होता है। इससे सूक्ष्म लेकिन महत्वपूर्ण त्रुटियां हो सकती हैं, जिन्हें अक्सर “भ्रम” कहा जाता है
रचनात्मकता और अंतर्ज्ञान: वास्तविक गणितीय सृजनशीलता – पूरी तरह से नई अवधारणाओं को तैयार करने, किसी समस्या को उपन्यास तरीके से ढांचे में डालने या जाहिरा तौर पर असंबद्ध क्षेत्रों के बीच संबंध बनाने की क्षमता – मानव गणितज्ञों का विशेष क्षेत्र बना हुआ है। एआई वर्तमान में उन समस्याओं से निपटने में सीमित है जिनके लिए अंतर्दृष्टि की आवश्यकता होती है या “बॉक्स के बाहर सोच” क्योंकि यह उस डेटा की संरचना पर निर्भर करता है जिस पर इसे प्रशिक्षित किया गया था।
उपन्यास या अमूर्त समस्याओं का प्रबंधन: एआई अपने प्रशिक्षण डेटा के समान समस्याओं पर सबसे अच्छा प्रदर्शन करता है। यह अक्सर उपन्यास, अनुसंधान स्तर या अत्यधिक अमूर्त समस्याओं का सामना करते समय शानदार रूप से विफल रहता है जिन्हें जटिल गणना के बजाय सिद्धांतों की गहरी, गैर-अल्गोरिथम समझ की आवश्यकता होती है। गणितज्ञों द्वारा शीर्ष एआई मॉडलों को चुनौती देने के लिए डिज़ाइन किए गए परीक्षणों ने सबसे कठिन समस्याओं पर बहुत कम सफलता दर दिखाई है। भविष्य: सहयोग, प्रतिस्थापन नहीं गणित में AI का तत्काल भविष्य गणितज्ञों के पूर्ण प्रतिस्थापन की बजाय मानव-एआई सहयोग की ओर इशारा करता है।
सह-पायलट के रूप में एआई: मानव गणितज्ञों के लिए एक शक्तिशाली सहायक के रूप में कार्य करेगा, जो काम के उबाऊ भागों (जैसे गणना, डेटा संग्रह और प्रमाण सत्यापन) को स्वचालित कर देगा तथा अनुसंधान के लिए नए मार्ग सुझाएगा।
भूमिका में बदलाव: मानव गणितज्ञ की भूमिका रचनात्मकता, समस्या निर्माण, एआई द्वारा उत्पन्न सर्वोत्तम अनुमानों को संसाधित करने और मशीन के आउटपुट पर कठोर आलोचनात्मक सोच लागू करने पर अधिक ध्यान केंद्रित कर सकती है।
दीर्घकालिक क्षमता: आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) की सैद्धांतिक अवधारणा – मानव-स्तरीय बुद्धिमत्ता वाला एक ऐआई जो विभिन्न क्षेत्रों में सामान्य हो सकता है – अंततः एआई का नेतृत्व कर सकता है जो वास्तव में मानवीय गणितज्ञों से प्रतिस्पर्धा या आगे बढ़ सकता है। हालांकि, एजीआई को प्राप्त करने की समयरेखा गहन बहस का विषय बनी हुई है।
विजय गर्ग सेवानिवृत्त प्रिंसिपल, शैक्षिक स्तंभकार, प्रख्यात शिक्षाविद्, गली कौर चंद एमएचआर मलोट पंजाब
