एआई मनुष्यों से सीधे निर्देश के बिना गणना करने के लिए रणनीतियों का एक समूह है।
वेस्टमिंस्टर:
साथ हाल ही में बर्खास्तगी और तेजी से पुनः नियुक्ति ओपनएआई द्वारा सैम अल्टमैन की पुस्तक, कृत्रिम बुद्धिमत्ता (एआई) के विकास और उपयोग पर बहस एक बार फिर सुर्खियों में है। इससे भी अधिक असामान्य बात यह है कि मीडिया रिपोर्टिंग में एक प्रमुख विषय की क्षमता रही है गणित करने के लिए एआई सिस्टम.
जाहिर तौर पर, ओपनएआई में कुछ नाटक कंपनी के एक नए विकास से संबंधित थे AI एल्गोरिदम को Q* कहा जाता है. इस प्रणाली के बारे में एक महत्वपूर्ण प्रगति के रूप में बात की गई है और इसकी मुख्य विशेषताओं में से एक गणितीय रूप से तर्क करने की क्षमता थी।
लेकिन क्या गणित एआई की नींव नहीं है? यह देखते हुए कि कंप्यूटर और कैलकुलेटर गणितीय कार्य कर सकते हैं, एआई सिस्टम को गणितीय तर्क में परेशानी कैसे हो सकती है?
एआई कोई एकल इकाई नहीं है. यह मनुष्यों से सीधे निर्देश के बिना गणना करने के लिए रणनीतियों का एक पैचवर्क है। जैसा कि हम देखेंगे, कुछ एआई सिस्टम गणित में सक्षम हैं।
हालाँकि, सबसे महत्वपूर्ण वर्तमान प्रौद्योगिकियों में से एक, चैटजीपीटी जैसे एआई चैटबॉट्स के पीछे बड़े भाषा मॉडल (एलएलएम) ने गणितीय तर्क का अनुकरण करने के लिए अब तक संघर्ष किया है। ऐसा इसलिए है क्योंकि इन्हें भाषा पर ध्यान केंद्रित करने के लिए डिज़ाइन किया गया है।
यदि कंपनी का नया Q* एल्गोरिदम अनदेखी गणितीय समस्याओं को हल कर सकता है, तो यह अच्छा हो सकता है एक महत्वपूर्ण सफलता हो. गणित मानव तर्क का एक प्राचीन रूप है बड़े भाषा मॉडल (एलएलएम) अब तक अनुकरण करने के लिए संघर्ष किया है। एलएलएम वह तकनीक है जो इस तरह की प्रणालियों को रेखांकित करती है ओपनएआई का चैटजीपीटी.
लेखन के समय, Q* एल्गोरिदम और इसकी क्षमताओं का विवरण सीमित है, लेकिन अत्यधिक दिलचस्प है। इसलिए Q* को सफल मानने से पहले विचार करने के लिए कई बारीकियाँ हैं।
उदाहरण के लिए, गणित एक ऐसा विषय है जिससे हर कोई अलग-अलग सीमा तक जुड़ा होता है, और Q* गणित के जिस स्तर पर सक्षम है वह अस्पष्ट बना हुआ है। हालाँकि, ऐसे अकादमिक कार्य प्रकाशित हुए हैं जो अनुसंधान-स्तर के गणित को आगे बढ़ाने के लिए एआई के वैकल्पिक रूपों का उपयोग करते हैं (जिनमें मेरे द्वारा लिखा गया कुछ भी शामिल हैऔर Google DeepMind के शोधकर्ताओं के सहयोग से गणितज्ञों की एक टीम द्वारा लिखित)।
इन एआई प्रणालियों को गणित में सक्षम बताया जा सकता है। हालाँकि, यह संभावना है कि Q* का उपयोग शिक्षाविदों को उनके काम में मदद करने के लिए नहीं किया जा रहा है, बल्कि इसका उद्देश्य किसी अन्य उद्देश्य के लिए है।
फिर भी, भले ही Q* अत्याधुनिक अनुसंधान की सीमाओं को आगे बढ़ाने में असमर्थ है, फिर भी जिस तरह से इसे बनाया गया है उसमें कुछ महत्व पाए जाने की बहुत संभावना है जो भविष्य के विकास के लिए आकर्षक अवसर बढ़ा सकता है।
उत्तरोत्तर आरामदायक
एक समाज के रूप में, हम पूर्वनिर्धारित प्रकार की समस्याओं को हल करने के लिए विशेषज्ञ एआई का उपयोग करने में सहज हो रहे हैं। उदाहरण के लिए, डिजिटल सहायक, चेहरे की पहचानऔर ऑनलाइन अनुशंसा प्रणाली अधिकांश लोगों से परिचित होंगे. जो मायावी रहता है वह तथाकथित है “कृत्रिम सामान्य बुद्धि” (एजीआई) इसमें मनुष्य की तुलना में व्यापक तर्क क्षमताएं हैं।
गणित एक बुनियादी कौशल है जिसे हम हर स्कूली बच्चे को सिखाने की इच्छा रखते हैं, और यह निश्चित रूप से एजीआई की खोज में एक मौलिक मील का पत्थर साबित होगा। तो गणितीय रूप से सक्षम एआई सिस्टम समाज के लिए और कैसे मददगार होंगे?
गणितीय मानसिकता कई अनुप्रयोगों के लिए प्रासंगिक है, उदाहरण के लिए कोडिंग और इंजीनियरिंग, और इसलिए गणितीय तर्क मानव और कृत्रिम बुद्धि दोनों के लिए एक महत्वपूर्ण हस्तांतरणीय कौशल है। एक विडंबना यह है कि एआई बुनियादी स्तर पर गणित पर आधारित है।
उदाहरण के लिए, एआई एल्गोरिदम द्वारा कार्यान्वित कई तकनीकें अंततः एक गणितीय क्षेत्र तक सीमित हो जाती हैं जिसे कहा जाता है मैट्रिक्स बीजगणित. मैट्रिक्स बस संख्याओं का एक ग्रिड है, जिसका एक डिजिटल छवि एक परिचित उदाहरण है। प्रत्येक पिक्सेल है संख्यात्मक डेटा से अधिक कुछ नहीं.
बड़े भाषा मॉडल भी स्वाभाविक रूप से गणितीय होते हैं। पाठ के एक विशाल नमूने के आधार पर, एक मशीन उन शब्दों की संभावनाओं को जान सकती है जो मौजूद हैं उपयोगकर्ता के संकेत (या प्रश्न) का पालन करने की सबसे अधिक संभावना है चैटबॉट को. यदि आप किसी विशेष विषय में विशेषज्ञता के लिए पूर्व-प्रशिक्षित एलएलएम चाहते हैं, तो इसे गणितीय साहित्य, या सीखने के किसी अन्य क्षेत्र में ठीक किया जा सकता है। एक एलएलएम ऐसा पाठ उत्पन्न कर सकता है जिसे पढ़ने पर ऐसा लगता है मानो वह गणित को समझता हो।
दुर्भाग्य से, ऐसा करने से एक एलएलएम तैयार होता है जो झांसा देने में अच्छा है, लेकिन विवरण में खराब है। मुद्दा यह है कि एक गणितीय कथन, परिभाषा के अनुसार, वह है जिसे सौंपा जा सकता है असंदिग्ध बूलियन मान (अर्थात् सत्य या असत्य)। गणितीय तर्क पहले से स्थापित कथनों से नए गणितीय कथनों की तार्किक कटौती के बराबर है।
छिद्रान्वेषी
स्वाभाविक रूप से, गणितीय तर्क का कोई भी दृष्टिकोण जो भाषाई संभावनाओं पर निर्भर करता है वह अपनी दिशा से बाहर चला जाएगा। इसका एक तरीका वास्तुकला में औपचारिक सत्यापन की कुछ प्रणाली को शामिल करना हो सकता है (वास्तव में एलएलएम कैसे बनाया जाता है), जो बड़े भाषा मॉडल द्वारा की गई छलांग के पीछे के तर्क की लगातार जांच करता है।
ऐसा करने का एक सुराग Q* नाम से हो सकता है, जो संभवतः इसका उल्लेख कर सकता है एक एल्गोरिथम 1970 के दशक में ही विकसित हो गया था निगमनात्मक तर्क में सहायता के लिए। वैकल्पिक रूप से, क्यू* क्यू-लर्निंग को संदर्भित कर सकता है, जिसमें एक मॉडल सही निष्कर्षों का परीक्षण करके और उन्हें पुरस्कृत करके समय के साथ सुधार कर सकता है।
लेकिन गणितीय रूप से सक्षम एआई के निर्माण में कई चुनौतियाँ मौजूद हैं। उदाहरण के लिए, कुछ सबसे दिलचस्प गणित में अत्यधिक असंभावित घटनाएं शामिल होती हैं। ऐसी कई स्थितियाँ हैं जिनमें कोई सोच सकता है कि छोटी संख्याओं के आधार पर एक पैटर्न मौजूद है, लेकिन जब कोई पर्याप्त मामलों की जाँच करता है तो यह अप्रत्याशित रूप से टूट जाता है। इस क्षमता को किसी मशीन में शामिल करना कठिन है।
एक और चुनौती आश्चर्यचकित कर देने वाली हो सकती है: गणितीय शोध अत्यधिक रचनात्मक हो सकता है। यह होना ही चाहिए, क्योंकि अभ्यासकर्ताओं को नई अवधारणाओं का आविष्कार करने की आवश्यकता होती है और फिर भी उनमें बने रहने की आवश्यकता होती है किसी प्राचीन विषय के औपचारिक नियम.
केवल पहले से मौजूद गणित में पैटर्न खोजने के लिए प्रशिक्षित कोई भी एआई पद्धति संभवतः कभी भी वास्तव में नया गणित नहीं बना सकती है। गणित और प्रौद्योगिकी के बीच पाइपलाइन को देखते हुए, यह नई तकनीकी क्रांतियों की अवधारणा को रोकता प्रतीत होता है।
लेकिन आइए एक पल के लिए शैतान के वकील की भूमिका निभाएं, और कल्पना करें कि क्या एआई वास्तव में नया गणित बना सकता है। इसके विरुद्ध पिछले तर्क में एक दोष है, इसमें यह भी कहा जा सकता है कि सर्वश्रेष्ठ मानव गणितज्ञों को भी विशेष रूप से पहले से मौजूद गणित पर प्रशिक्षित किया गया था। बड़े भाषा मॉडलों ने हमें पहले भी आश्चर्यचकित किया है, और आगे भी ऐसा करेंगे।
(लेखक:टॉम ओलिवरव्याख्याता, कंप्यूटर विज्ञान और इंजीनियरिंग, वेस्टमिंस्टर विश्वविद्यालय)
(प्रकटीकरण निवेदन: टॉम ओलिवर इस लेख से लाभान्वित होने वाली किसी भी कंपनी या संगठन के लिए काम नहीं करते हैं, परामर्श नहीं देते हैं, शेयरों के मालिक नहीं हैं या उनसे धन प्राप्त नहीं करते हैं, और उन्होंने अपनी अकादमिक नियुक्ति से परे कोई प्रासंगिक संबद्धता का खुलासा नहीं किया है)
यह आलेख से पुनः प्रकाशित किया गया है बातचीत क्रिएटिव कॉमन्स लाइसेंस के तहत। को पढ़िए मूल लेख.
(शीर्षक को छोड़कर, यह कहानी एनडीटीवी स्टाफ द्वारा संपादित नहीं की गई है और एक सिंडिकेटेड फ़ीड से प्रकाशित हुई है।)
