Astra का गणितीय दांव: 10 पुराने खुले सवाल, Lean से सत्यापन और उठते सवाल

Astra ने किन समस्याओं पर काम किया?

दावे गणित और सैद्धांतिक कंप्यूटर विज्ञान की कई अलग-अलग शाखाओं तक फैले हैं—जिनमें उच्च-आयामी ज्यामिति, कोडिंग थ्योरी, अंकगणितीय सर्किट जटिलता, समूह सिद्धांत, ऑपरेटर अल्जेब्रा, क्वांटम जटिलता, लैटिस क्रिप्टोग्राफी और एक्सट्रीमल कॉम्बिनेटोरिक्स शामिल हैं ।

1. उच्च-आयामी sphere packing: गोले सजाने की घनत्व-सीमा पर नए upper bounds, Cohn–Elkies threshold तक ।
2. Binary और spherical codes: तय न्यूनतम दूरी पर अधिकतम code size के लिए घातांकीय रूप से बेहतर bounds ।
3. Non-sofic groups: non-sofic groups के अस्तित्व को दिखाने वाला स्पष्ट निर्माण, जो समूह सिद्धांत का एक केंद्रीय खुला सवाल था ।
4. Connes की rigidity conjecture: von Neumann algebras से जुड़ी लंबे समय से चली आ रही conjecture का खंडन ।
5. Arithmetic circuit complexity: permanent की गणना के लिए नए lower bounds, जिनमें arithmetic formula के लिए (n^4/\log n) क्रम का lower bound भी शामिल है ।
6. Quantum parallel repetition: सामान्य दो-खिलाड़ी क्वांटम games के लिए exponential parallel repetition theorem ।
7. Closest vector problem: approximation की कठिनाई के लिए polynomial-factor hardness, जो post-quantum cryptography की बुनियाद से जुड़ी है ।
8. Ehrhart की volume conjecture: उस convex body के अधिकतम संभावित volume का सवाल, जिसके अंदर उसका centroid ही एकमात्र lattice point हो ।
9. Multicolor Ramsey numbers: superexponential lower bound, जिससे Erdős problem 183 का समाधान होने का दावा है ।
10. Extremal number conjectures: compactness और degeneracy conjectures पर परिणाम, जिन्हें Erdős problems 146 और 180 का समाधान बताया गया है ।

Lean 4: प्रमाणों की मशीन-जांच क्यों अहम है?

OpenAI ने Astra मॉडल को सार्वजनिक नहीं किया। इसके बजाय कंपनी ने Apache 2.0 लाइसेंस के तहत GitHub पर Lean 4 प्रमाणपत्र जारी किए। रिपॉजिटरी में reported “sorry” count शून्य है—अर्थात औपचारिक किए गए सभी 10 प्रमाणों के हर चरण को पूरी तरह सत्यापित बताया गया है ।

Lean जैसे proof assistant में गणितीय तर्क को मशीन-पठनीय रूप में लिखना पड़ता है। इससे यह जांचना संभव होता है कि प्रमाण में कोई तार्किक छलांग या छिपी हुई गलती तो नहीं है। दूसरे शब्दों में, बहस इस बात पर हो सकती है कि समाधान खोजने का श्रेय किसे दिया जाए या विचार कितना मौलिक है, लेकिन औपचारिक प्रमाण की तार्किक शुद्धता की जांच सॉफ्टवेयर कर सकता है।

विशेषज्ञ प्रभावित भी, सावधान भी

Noam Brown जैसे शोधकर्ताओं ने इसे वैज्ञानिक तर्क क्षमता की दिशा में बड़ा कदम बताया । फिर भी समुदाय की प्रतिक्रिया एकमत नहीं है।

ये Clay Millennium Prize समस्याएं नहीं हैं

कई पर्यवेक्षकों ने ध्यान दिलाया कि इन 10 समस्याओं में P vs. NP या Riemann Hypothesis जैसी Clay Millennium Prize समस्याएं शामिल नहीं हैं । इसका मतलब यह नहीं कि समस्याएं महत्वहीन हैं। उदाहरण के लिए, non-sofic group का स्पष्ट निर्माण समूह सिद्धांत में एक गंभीर सवाल से जुड़ा है और यह प्रश्न 1999 में Mikhail Gromov द्वारा soficity की अवधारणा पेश किए जाने के बाद से खुला था । लेकिन इनका सार्वजनिक प्रभाव Millennium Prize समस्याओं जितना बड़ा नहीं है।

स्वतंत्र peer review अभी बाकी है

परिणामों की घोषणा OpenAI ने सीधे की; इससे पहले उन्हें किसी peer-reviewed गणितीय जर्नल या सम्मेलन की कार्यवाही में प्रकाशित नहीं किया गया था । आलोचकों का कहना है कि AI ने मूल खोज कितनी की और इंसानी शोधकर्ताओं ने समस्या की framing, चयन तथा अंतिम प्रस्तुति में कितना योगदान दिया—यह सीमा अभी स्पष्ट नहीं है। OpenAI ने भी AI और गणित में लेखकीय भूमिका को लेकर Leiden Declaration का संदर्भ देकर इस तनाव को स्वीकार किया है ।

क्या यह सफलता दूसरे विज्ञानों में भी काम करेगी?

संज्ञानात्मक वैज्ञानिक Gary Marcus के अनुसार, औपचारिक गणित में सफलता एक “special case” हो सकती है और इसे व्यापक वैज्ञानिक तर्क क्षमता का प्रमाण नहीं माना जा सकता । गणितीय समस्याओं में सही उत्तरों को प्रतीकात्मक प्रणालियों से जांचना और बड़े पैमाने पर सस्ता synthetic data तैयार करना अपेक्षाकृत आसान है। अधिकांश वैज्ञानिक क्षेत्रों में ऐसी सुविधा नहीं होती।

Astra और prompting method सार्वजनिक नहीं

क्योंकि Astra अभी जारी नहीं किया गया है और समाधान तैयार करने की विशिष्ट prompting methodology पूरी तरह सार्वजनिक नहीं की गई, इसलिए स्वतंत्र शोधकर्ता उस generation process को दोहरा नहीं सकते । Lean प्रमाण परिणामों की तार्किक जांच में मदद करते हैं, लेकिन वे यह नहीं बताते कि मॉडल वहां तक कैसे पहुंचा या समान परिस्थितियों में वही परिणाम फिर से हासिल होंगे या नहीं।

घोषणा का व्यावसायिक संदर्भ

OpenAI ने यह घोषणा अपने अगले बड़े मॉडल-परिवार की स्थिति मजबूत करने के दौरान की। इसी वजह से कुछ आलोचकों ने सवाल उठाया कि क्या timing वैज्ञानिक समीक्षा से ज्यादा marketing impact के लिए चुनी गई थी ।

इसका असली मतलब क्या है?

अगर विशेषज्ञ समीक्षा के बाद ये प्रमाण टिकते हैं, तो कई ऐसे सवाल बंद हो सकते हैं जो दशकों से खुले थे। इनमें non-sofic group का पहला स्पष्ट निर्माण खास तौर पर उल्लेखनीय होगा और 25 साल से अधिक समय से चले आ रहे एक केंद्रीय प्रश्न का समाधान कर सकता है । आलोचक भी मानते हैं कि OpenAI ने सामान्य कॉर्पोरेट घोषणा की तुलना में कहीं अधिक जांच योग्य सामग्री उपलब्ध कराई है ।

फिर भी अभी सबसे बड़ा निष्कर्ष यह नहीं है कि “AI ने गणित हल कर लिया।” अधिक सटीक निष्कर्ष यह है कि एक गैर-सार्वजनिक AI मॉडल ने औपचारिक रूप से जांचे जा सकने वाले गणितीय परिणामों के कई गंभीर दावे पेश किए हैं। अब निर्णायक चरण स्वतंत्र विशेषज्ञों की समीक्षा, परिणामों की पुनरुत्पादकता और यह देखना होगा कि ऐसी क्षमता औपचारिक गणित से बाहर वास्तविक वैज्ञानिक शोध में कितनी उपयोगी साबित होती है।