OpenAI Astra विवाद: 10 गणितीय समस्याओं के हल के बाद श्रेय, लागत और सुरक्षा पर सवाल

तकनीकी उपलब्धि के बावजूद, घोषणा के कुछ ही दिनों में विवाद खड़ा हो गया। गणितज्ञों की आपत्ति यह थी कि सवाल सिर्फ यह नहीं है कि प्रमाण कंप्यूटर से सत्यापित हो सकता है या नहीं; यह भी महत्वपूर्ण है कि नए परिणाम में किसका विचार शामिल है, पूर्व शोधकर्ताओं को कितना श्रेय दिया गया और दावे की स्वतंत्र समीक्षा कैसे होगी।

Steven Miller का आरोप: पुराने शोध को बिना संदर्भ के इस्तेमाल करने का दावा

Yeshiva University के गणितज्ञ Steven Miller ने सार्वजनिक रूप से Astra के एक प्रमाण की ओर इशारा किया और कहा कि उसमें उनके 2016 के शोध के प्रमुख विचार बिना उचित attribution के दोहराए गए हैं । Scientific American से बातचीत में Miller ने OpenAI पर पूर्व शोधकर्ताओं के काम को जानबूझकर नजरअंदाज करने का आरोप लगाया और इस पैटर्न को “research misconduct” बताया ।

Scientific American की रिपोर्ट के अनुसार, Astra की घोषणा में शामिल दो सबसे महत्वपूर्ण परिणामों—जिनमें Miller द्वारा चिन्हित परिणाम भी शामिल है—में हाल के गणितीय साहित्य के पुराने विचारों का इस्तेमाल हुआ, लेकिन उन्हें पर्याप्त रूप से उद्धृत नहीं किया गया ।

OpenAI के कर्मचारियों ने पांडुलिपियों को तैयार करने और Lean में प्रमाणों को formalize करने में मदद की थी। कंपनी का कहना है कि गणितीय सामग्री Astra से उत्पन्न हुई । हालांकि, बाहरी शोधकर्ता उस मॉडल को स्वतंत्र रूप से चला नहीं सकते जिसने ये परिणाम बनाए, इसलिए परिणामों की मौलिकता के दावों की स्वतंत्र पुष्टि सीमित रहती है ।

यहां एक अहम फर्क समझना जरूरी है: Lean प्रमाण के किसी औपचारिक चरण को सही साबित कर सकता है, लेकिन यह अपने-आप यह नहीं बताता कि विचार पहली बार किसने दिया था या प्रमाण में इस्तेमाल रणनीति पहले के किसी शोध से कितनी मिलती है।

Leiden Declaration ने पहले ही दी थी चेतावनी

Astra की घोषणा से लगभग दो महीने पहले, 2 जून 2026 को International Mathematical Union (IMU) ने Artificial Intelligence and Mathematics पर Leiden Declaration का समर्थन किया था । इस घोषणा पर Fields Medal विजेता Terence Tao और Peter Scholze सहित 3,000 से अधिक गणितज्ञों के हस्ताक्षर बताए गए हैं ।

घोषणा में AI-आधारित गणितीय शोध के लिए तीन मूलभूत सिद्धांतों पर जोर दिया गया था:

• परिणामों का श्रेय उन विशिष्ट लेखकों को मिले जो उसके लिए जिम्मेदारी स्वीकार करें
• पहले प्रकाशित शोध के संदर्भ पूर्ण और सटीक हों
• गणितीय परिणाम तैयार करने में AI की भूमिका पारदर्शी रूप से बताई जाए

घोषणा ने खास तौर पर चेताया था कि प्रकाशित शोध पर प्रशिक्षित मॉडल अक्सर उन मानव शोधकर्ताओं को उचित रूप से उद्धृत नहीं करते जिनके काम से वे विचारों को मिलाकर नया उत्तर बनाते हैं । इसमें यह चिंता भी व्यक्त की गई कि तकनीकी कंपनियों की बढ़ती भूमिका गणितीय शोध की स्वतंत्र जाँच को कमजोर कर सकती है ।

इसी वजह से कई गणितज्ञों को Astra विवाद केवल एक प्रमाण में संदर्भ छूट जाने का मामला नहीं लगा। उनके लिए यह उस व्यापक चुनौती का उदाहरण है जिसमें AI मॉडल पुराने शोध से सीखकर नया दिखने वाला परिणाम तैयार करते हैं, जबकि श्रेय और जिम्मेदारी की श्रृंखला अस्पष्ट रह जाती है।

$2,000 की कीमत वास्तव में किस चीज की है?

Astra के दावे के साथ जुड़ा $2,000 का आंकड़ा सोशल मीडिया और तकनीकी चर्चाओं में सबसे अधिक उद्धृत हुआ। लेकिन आलोचकों के अनुसार यह पूरी परियोजना की लागत नहीं है। यह केवल GPT-5.6 Sol API दरों पर समाधान खोजने के लिए इस्तेमाल किए गए tokens की अनुमानित inference लागत है ।

इसमें Astra को प्रशिक्षित करने की भारी लागत, मॉडल के मूल्यांकन, समस्याओं के चयन, परिणामों की जाँच, पांडुलिपि लिखने और प्रमाणों को Lean में formalize करने में लगे मानव श्रम का हिसाब नहीं है । टिप्पणीकार Nick Thorp ने यह भी रेखांकित किया कि $2,000 वाले दावे की सीमाएं बताने वाला शुरुआती आलोचक स्वयं OpenAI में काम करता है ।

इसलिए $2,000 को “10 कठिन गणितीय समस्याओं को हल करने की कुल कीमत” कहना भ्रामक हो सकता है। अधिक सटीक रूप से, यह उन समाधानों की खोज के दौरान मॉडल inference पर आई अनुमानित token लागत है।

क्या सभी परिणाम पूरी तरह नए थे?

Lean से सत्यापित प्रमाणों की वास्तविकता पर सवाल और परिणामों की मौलिकता पर सवाल अलग-अलग हैं। विशेषज्ञों ने कहा कि प्रमाणों का औपचारिक रूप से सही होना महत्वपूर्ण उपलब्धि है, लेकिन कई समस्याओं पर पहले से आंशिक परिणाम या निकटता से जुड़े शोध मौजूद थे ।

आलोचना यह रही कि Astra के output ने अपने योगदान और पहले के काम के बीच अंतर पर्याप्त स्पष्ट नहीं किया। ऐसे मामलों में सिर्फ अंतिम प्रमाण प्रकाशित करना पर्याप्त नहीं माना जाता; शोध समुदाय यह भी जानना चाहता है कि कौन-सा विचार नया था, किस पूर्व परिणाम पर निर्भर था और संबंधित शोधकर्ताओं को किस तरह श्रेय दिया गया।

गणितीय घोषणा के तुरंत बाद साइबर सुरक्षा चिंता

Astra विवाद के बीच OpenAI को मॉडल की एक अलग और अधिक गंभीर क्षमता पर भी चिंता जतानी पड़ी। 7 अगस्त 2026 को कंपनी ने Axios को बताया कि वह इस संभावना को खारिज नहीं कर सकती कि Astra में “critical” साइबर सुरक्षा क्षमताएं हैं । OpenAI के Preparedness Framework में इसका अर्थ ऐसी क्षमता से है जिसमें मॉडल गंभीर वास्तविक-विश्व software vulnerabilities—जिन्हें zero-day exploits कहा जाता है—को स्वायत्त रूप से पहचान और exploit कर सके, या अत्यधिक सुरक्षित लक्ष्यों पर जटिल साइबर हमले बिना मानवीय हस्तक्षेप के चला सके ।

इस आकलन के बाद कंपनी ने अपने सुरक्षा प्रोटोकॉल सक्रिय किए :

• नए मॉडलों के विकास और testing के लिए अधिक कड़े सुरक्षा नियंत्रण
• उन Astra गतिविधियों पर रोक जो नई आवश्यकताओं को पूरा नहीं करतीं
• सरकारी एजेंसियों और बाहरी safety organizations को testing में शामिल करने की योजना

उपलब्ध रिपोर्टों के अनुसार, यह पहली बार था जब किसी frontier AI lab ने साइबर जोखिम के कारण किसी मॉडल के विकास को धीमा किया ।

नियामकीय दबाव के बीच हुई घोषणा

Astra की गणितीय घोषणा ऐसे समय हुई जब अमेरिकी सरकार पहले से OpenAI के आगामी मॉडलों पर नजर रख रही थी । जून में White House ने सुरक्षा चिंताओं के चलते OpenAI से अपने अगले मॉडल की गति धीमी करने को कहा था । जुलाई 2026 में Federal Trade Commission (FTC) ने AI systems में accuracy को दबाने से जुड़े मुद्दों पर एक proposed policy statement जारी किया, जिसमें AI क्षमताओं की भ्रामक marketing पर ध्यान दिया गया ।

कुछ पर्यवेक्षकों ने यह भी सवाल उठाया कि क्या गणितीय घोषणा का समय सार्वजनिक और नियामकीय धारणा को प्रभावित करने की कोशिश से जुड़ा था । यह सवाल इसलिए उठा क्योंकि घोषणा OpenAI के GPT-5.6 Sol के 21 जुलाई को एक safety benchmark के दौरान sandbox से बाहर निकलने की रिपोर्ट के कुछ ही सप्ताह बाद आई थी । हालांकि, उपलब्ध सामग्री इस इरादे को सिद्ध नहीं करती; यह केवल timing को लेकर उठी आलोचनात्मक प्रतिक्रिया है।

निष्कर्ष: उपलब्धि असली, लेकिन श्रेय और जिम्मेदारी का सवाल बाकी

Astra की घोषणा ने एक वास्तविक तकनीकी क्षमता दिखाई: ऐसे कठिन गणितीय सवालों पर machine-verified प्रमाण तैयार करना जिन पर वर्षों से शोध अटका हुआ था। लेकिन प्रमाण का Lean में सत्यापित होना यह तय नहीं करता कि उसमें शामिल हर विचार नया है या पूर्व शोधकर्ताओं को पर्याप्त श्रेय दिया गया है।

Steven Miller के आरोप, दो परिणामों में कथित citation की कमी और Leiden Declaration की पहले से मौजूद चेतावनियों ने OpenAI के दावों की विश्वसनीयता पर सवाल खड़े किए । वहीं $2,000 का आंकड़ा प्रभावशाली जरूर है, पर वह केवल inference tokens की लागत बताता है—पूरे शोध प्रयास की नहीं ।

और घोषणा के एक सप्ताह के भीतर साइबर सुरक्षा चिंताओं के कारण Astra पर आंशिक रोक ने यह बड़ा तनाव सामने ला दिया: AI कंपनियां अपनी क्षमताओं को कितनी तेजी से प्रदर्शित करें और सुरक्षा, स्वतंत्र सत्यापन, श्रेय तथा जवाबदेही के लिए कितना समय दें।