हाल ही में सोन्या हुआंग के साथ एक YouTube साक्षात्कार में सेक्विया कैपिटल, एक स्पष्ट वार्तालाप को दूर-दूर तक माना जाने वाले विषय के आसपास सामने आया: क्या आर्टिफिशियल इंटेलिजेंस अंततः सबसे बौद्धिक रूप से मांग वाले कार्यों में से एक में विशेषज्ञ गणितज्ञों को बदल सकता है, जिससे अंतर्राष्ट्रीय गणितीय ओलंपियाड (IMO) प्रश्न बन सकते हैं।हुआंग से बैठे एलेक्स वेई, शेरिल ह्सू, और नोआम ब्राउन, ओपनई में एक दुबला तीन-व्यक्ति टीम थी, जिसने पहले से ही आईएमओ समस्याओं पर स्वर्ण-स्तरीय प्रदर्शन प्राप्त करने के लिए सुर्खियां बटोरीं। फिर भी अगली चुनौती, ब्राउन ने सुझाव दिया, ओलंपियाड की समस्याओं को हल नहीं कर रहा था, लेकिन उन्हें बनाना, और उनका मानना है कि अंतर तेजी से बंद हो रहा है।
कोई मौलिक बाधा नहीं: Openai की प्रगति से पता चलता है
ब्राउन ने साक्षात्कार के दौरान कहा, “ये मॉडल इन समस्याओं को हल करने में अब वास्तव में अच्छे हैं।” “उनके साथ आना, आप जानते हैं, अभी भी एक चुनौती है। लेकिन मुझे लगता है कि यह प्रगति की अविश्वसनीय गति को ध्यान में रखने के लायक है जो हम देख रहे हैं। ”ब्राउन का आशावाद परिप्रेक्ष्य के साथ आता है। बहुत पहले नहीं, बड़े भाषा मॉडल (एलएलएम) बुनियादी अंकगणित या चरण-दर-चरण तर्क के साथ संघर्ष करते थे। आज, Openai, Google DeepMind, और एन्थ्रोपिक से अत्याधुनिक सिस्टम केवल पहले से मौजूद प्रश्नों को हल नहीं कर रहे हैं, वे स्नातक स्तर के गणित परीक्षणों को पारित कर रहे हैं, सबूतों का उत्पादन कर रहे हैं, और शीर्ष-स्तरीय छात्रों के लिए आरक्षित एक बार एक बार संगतता के स्तर के साथ गणितीय संवाद में संलग्न हैं।“मूल रूप से जब एलएमएस बाहर आया था, तो यह अच्छा था, ठीक है, हम उन्हें कैसे तर्क देते हैं? और फिर हम उन्हें तर्क के लिए मिला। लेकिन फिर हम उन्हें हार्ड-टू-सत्यापन कार्यों पर तर्क के लिए कैसे प्राप्त करते हैं? और अब वे हार्ड-टू-सत्यापन कार्यों पर तर्क कर सकते हैं,” ब्राउन ने समझाया। “मुझे लगता है कि अगली बाधा होने जा रही है, ठीक है, हम उन्हें इन उपन्यास प्रश्नों के साथ आने के लिए कैसे प्राप्त करते हैं? यहां तक कि एक आईएमओ प्रश्न बनाना एक चुनौती है, और यह बहुत सारे विशेषज्ञ गणितज्ञों को ऐसा करने के लिए बहुत काम करता है। लेकिन मुझे कोई मौलिक बाधाएं नहीं दिखाई देती हैं जो हमें वहां पहुंचने से रोकती हैं। ”यह परिप्रेक्ष्य ऐसे समय में होता है जब दुनिया भर के छात्रों को एआई को न केवल एक उपकरण के रूप में, बल्कि सीखने की प्रक्रिया में एक सहकर्मी के रूप में देखने के लिए सिखाया जा रहा है। यदि मॉडल अंततः ओलंपियाड कठिनाई में नई समस्याओं को उत्पन्न कर सकते हैं, तो यह मौलिक रूप से स्थानांतरित कर देगा कि कैसे प्रतियोगिताओं, निर्देश और यहां तक कि अनुसंधान भी डिज़ाइन किए गए हैं। गणितज्ञों की भूमिका सृजन से क्यूरेशन में स्थानांतरित हो सकती है, एआई सैकड़ों जटिल समस्याओं और मानव विशेषज्ञों को सबसे अधिक होनहार लोगों का चयन और परिष्कृत करने के साथ।स्पष्ट होने के लिए, ब्राउन सुझाव नहीं दे रहा है कि एआई तुरंत चॉकबोर्ड पर मनुष्यों को बदल देगा। लेकिन उनकी टिप्पणी गणित जैसे औपचारिक विषयों के साथ एआई के संबंधों के विकास को दर्शाती है। एक बार मानव अनुभूति का अनन्य डोमेन, जैसे कि प्रूफ निर्माण, वैचारिक अमूर्तता और सुरुचिपूर्ण प्रश्न डिजाइन, अब मशीन क्षमताओं द्वारा आगे बढ़ाया जा रहा है।एक उल्लेखनीय उदाहरण पिछले साल आया था, जब Google DeepMind और न्यूयॉर्क विश्वविद्यालय के कंप्यूटर विज्ञान विभाग के बीच एक सहयोगी परियोजना Alphageometry ने ओलंपियाड-स्तरीय ज्यामिति समस्याओं को हल करने में उल्लेखनीय सफलता का प्रदर्शन किया, जो कि 30 में से 25 IMO प्रश्नों में से 25 का सही जवाब देता है। इसने संकेत दिया कि एआई मॉडल न केवल गणितीय तर्क में महारत हासिल करने में आए थे, बल्कि संरचना और अमूर्त भी थे।
छात्रों और गणित के भविष्य के लिए इसका क्या मतलब है
छात्रों और प्रारंभिक-कैरियर शोधकर्ताओं के लिए, ब्राउन की टिप्पणियां एक चुनौती और एक अवसर हैं। चुनौती उन प्रणालियों के साथ रखने में निहित है जो अभूतपूर्व गति से विकसित हो रहे हैं। अवसर सहयोग में है, वैकल्पिक समाधानों का पता लगाने, समस्याओं के वेरिएंट उत्पन्न करने के लिए एआई का उपयोग करते हुए, या अनुकरण करें कि कठिनाई के विभिन्न स्तरों को प्रश्न डिजाइन में कैसे पेश किया जा सकता है।उदाहरण के लिए, IMO प्रश्नों को डिजाइन करते समय पाठ्यक्रम के लिए मौलिकता, संरचना और प्रासंगिकता की आवश्यकता होती है, एक AI मॉडल जो पिछली समस्याओं, विश्वविद्यालय-स्तरीय ग्रंथों और प्रूफ रणनीतियों पर प्रशिक्षित एक मॉडल जल्द ही उम्मीदवार के सवालों को उत्पन्न करने के लिए एक रूपरेखा विकसित कर सकता है। मानव मूल्यांकनकर्ताओं को अभी भी कठोरता सुनिश्चित करने, अतिरेक से बचने और शैक्षणिक मूल्य का परिचय देने के लिए आवश्यक हो सकता है, लेकिन भारी उठाने से अब मैनुअल प्रयास के हफ्तों की आवश्यकता नहीं हो सकती है।महत्वपूर्ण रूप से, ब्राउन की टिप्पणियां भी विज्ञान, प्रौद्योगिकी, इंजीनियरिंग और गणित (एसटीईएम) के छात्रों के लिए एक व्यापक सबक को सुदृढ़ करती हैं। काम और नवाचार का भविष्य केवल इस बारे में नहीं है कि एआई क्या कर सकता है, बल्कि मनुष्य इसके साथ काम करने का निर्णय कैसे ले सकता है। गणित में, एक क्षेत्र अपनी पवित्रता और सटीकता के लिए प्रतिष्ठित है, एआई खोज की खुशी को प्रतिस्थापित नहीं कर सकता है, लेकिन यह उस खोज को तेज, अधिक सुलभ और अधिक पुनरावृत्त कर सकता है।चूंकि कक्षाओं में एआई टूल को दैनिक सीखने में एकीकृत किया जाता है, और प्रतियोगिताओं ने मॉडल-जनित प्रश्न बैंकों की खोज शुरू की, 2025 में गणित के क्षेत्र में प्रवेश करने वाले छात्रों को खुद को उन सवालों को हल करने के लिए मिल सकता है जो शिक्षकों या आकाओं द्वारा नहीं लिखे गए थे, लेकिन उनके सोच पैटर्न पर प्रशिक्षित मशीन द्वारा।फिर भी, जैसा कि नोआम ब्राउन कहते हैं, “हमेशा एक अगली बाधा होती है।” अभी, वह बाधा मौलिकता है। लेकिन मशीनों के बीच की रेखा क्या हल कर सकती है और वे जो बना सकते हैं वह चुपचाप, तेजी से और बिना मौलिक बाधाओं के लुप्त होती है।TOI शिक्षा अब व्हाट्सएप पर है। हमारे पर का पालन करें यहाँ।
