हर सवाल का जवाब नहीं दे सकता ChatGPT, यह चीज AI के लिए अब भी टेढ़ी खीर

ओपनएआई द्वारा हाल ही में सैम ऑल्टमैन को बर्खास्त करने और तत्काल दोबारा नियुक्त करने के साथ, कृत्रिम बुद्धिमत्ता (एआई) के विकास और उपयोग को लेकर बहस एक बार फिर सुर्खियों में है. इससे भी अधिक असामान्य बात यह है कि मीडिया रिपोर्टिंग में एक प्रमुख विषय एआई सिस्टम की गणित करने की क्षमता रही है. जाहिर तौर पर, ओपनएआई में कुछ नाटक कंपनी के क्यू* नामक नए एआई एल्गोरिदम के विकास से संबंधित थे. 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.

विचार करने के लिए कई बारीकिया

हालांकि, 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 क्यू* एल्गोरिदम अनदेखी गणितीय समस्याओं को हल कर सकता है, तो यह एक महत्वपूर्ण सफलता हो सकती है. गणित मानव तर्क का एक प्राचीन रूप है जिसका अनुकरण करने के लिए बड़े भाषा मॉडल (एलएलएम) को अब तक संघर्ष करना पड़ा है. एलएलएम वह तकनीक है जो ओपनएआई के चैटजीपीटी जैसे सिस्टम को रेखांकित करती है. लेखन के समय, क्यू* एल्गोरिदम और इसकी क्षमताओं का विवरण सीमित है, लेकिन अत्यधिक दिलचस्प है. इसलिए क्यू* को सफल मानने से पहले विचार करने के लिए कई बारीकियाँ हैं.

मानव की तुलना में व्यापक तर्क क्षमताएं

इन एआई प्रणालियों को गणित में सक्षम बताया जा सकता है. हालांकि, यह संभावना है कि क्यू* का उपयोग शिक्षाविदों को उनके काम में मदद करने के लिए नहीं किया जा रहा है, बल्कि यह किसी अन्य उद्देश्य के लिए है. फिर भी, भले ही क्यू* 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 पहचान और ऑनलाइन अनुशंसा प्रणाली से अधिकांश लोग परिचित होंगे. जो चीज़ मायावी बनी हुई है वह तथाकथित ‘‘कृत्रिम सामान्य बुद्धिमत्ता’’ (एजीआई) है जिसमें मानव की तुलना में व्यापक तर्क क्षमताएं हैं.

गणित एक बुनियादी कौशल

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 मैट्रिक्स बीजगणित के रूप में जाना जाता है. मैट्रिक्स बस संख्याओं का एक ग्रिड है, जिसका एक डिजिटल छवि एक परिचित उदाहरण है. प्रत्येक पिक्सेल संख्यात्मक डेटा से अधिक कुछ नहीं है.

पालन करने की सबसे अधिक संभावना

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 उपयोगकर्ता से चैटबॉट के संकेत (या प्रश्न) का पालन करने की सबसे अधिक संभावना है. 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 माहिर है, लेकिन विवरण में खराब है. मुद्दा यह है कि एक गणितीय कथन, परिभाषा के अनुसार, वह है जिसे एक स्पष्ट बूलियन मान निर्दिष्ट किया जा सकता है (अर्थात, सही या गलत). गणितीय तर्क पहले से स्थापित कथनों से नए गणितीय कथनों की तार्किक कटौती के बराबर है.

एक तरीका वास्तुकला में औपचारिक सत्यापन

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 प्रगति के पीछे के तर्क की लगातार जांच करता है. एक सुराग कि यह जो कुछ किया गया है, क्यू स्टार नाम से हो सकता है, जो कि निगमनात्मक तर्क में सहायता के लिए 1970 के दशक में विकसित एक एल्गोरिदम को संदर्भित कर सकता है. 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.

शैतान के वकील की भूमिका निभाएं

एक और चुनौती आश्चर्यचकित कर देने वाली हो सकती है: गणितीय शोध अत्यधिक रचनात्मक हो सकता है. ऐसा होना ही चाहिए, क्योंकि अभ्यासकर्ताओं को नई अवधारणाओं का आविष्कार करने और फिर भी एक प्राचीन विषय के औपचारिक नियमों के भीतर बने रहने की आवश्यकता है. 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 करते रहेंगे.