6 ऑक्टोबर रोजी OpenAIने AI-निर्मित गणिती कामांचा मोठा संग्रह प्रसिद्ध केला. त्यात हस्तलिखिते, दाव्यांमधील निष्कर्षांचा आढावा आणि काही निष्कर्षांसाठी औपचारिक पुराव्यांच्या फाइल्स आहेत. OpenAIची घोषणा सांगते की हे निष्कर्ष अंतर्गत मॉडेलने तयार केले आणि गणितज्ञांना ते समजून घेण्यासाठी कंपनी कार्यशाळा घेण्याची योजना आखत आहे. कोणते निष्कर्ष विश्वासार्ह आणि वापरण्यायोग्य आहेत हे ठरवण्याचे मोठे मूल्यांकनाचे कामही या प्रसिद्धीमुळे गणितज्ञांसमोर आले आहे.

सध्याचे वैज्ञानिक समुदाय जितक्या वेगाने संशोधन आत्मसात करू शकतात, त्यापेक्षा जलद AI संभाव्य संशोधन निष्कर्ष निर्माण करू शकते. हे प्रकाशन त्या धोक्याचे उदाहरण आहे; संपूर्ण संशोधन व्यवस्थेबद्दलचा मोजलेला निष्कर्ष नाही. माझ्या मते, संस्थांनी पडताळणी, स्पष्टीकरण आणि स्वतंत्र पाठपुरावा हे महत्त्वाचे संशोधनकार्य मानून त्यासाठी लोक आणि निधी नेमावा. संभाव्य निष्कर्षांची मोठी यादी ही कामे आपल्या वतीने करू शकत नाही.

मोठा बदल

  • काय बदलले: एखादी कंपनी AI-निर्मित शेकडो गणिती हस्तलिखिते एकाच वेळी संशोधन समुदायासमोर ठेवू शकते. दस्तऐवज तपासणीसाठी उपलब्ध आहेत, पण प्रत्येक निष्कर्षाचा दावा स्वतंत्रपणे तपासावा लागतो.
  • हे महत्त्वाचे का: एखाद्या दाव्यावर पुढील काम करू इच्छिणाऱ्या संशोधकांना त्याची गृहीतके, पुरावा आणि आधीच्या कामातील स्थान तपासण्यासाठी वेळ द्यावा लागतो. संभाव्य निष्कर्ष पडताळणी क्षमतेपेक्षा वेगाने वाढले, तर महत्त्वाच्या दुरुस्त्या किंवा उपयुक्त कल्पना त्याच रांगेत दडून राहू शकतात.
  • कशाकडे लक्ष द्यावे: आता निर्णयांमध्ये प्रकाशनाबरोबरच स्वतंत्र पडताळणी आणि स्पष्टीकरणाला पाठिंबा देण्याचाही समावेश आहे. OpenAIने कार्यशाळांचे आश्वासन दिले आहे; स्वतंत्र सल्लागार गट समुदायाच्या नेतृत्वाखालील निधी आणि स्पष्ट स्रोत-माहितीची शिफारस करतो. या निवडींवर कामाचे मूल्यांकन आणि विस्तार कोण करू शकेल हे ठरेल.

हस्तलिखितांची संख्या समीक्षकांकडून काय अपेक्षित ठेवते

या 6 ऑक्टोबरचा रिपॉझिटरी आढावा चार-आयामी Kakeya संचांविषयी एक दावा मांडतो: प्रत्येक दिशेत एकक-लांबीचा रेषाखंड असलेल्या प्रत्येक संचाचे Hausdorff परिमाण चार असते. संग्रहातील एक हस्तलिखित त्याचा युक्तिवाद मांडते. हा कंपनीने प्रसिद्ध केलेला आणि अद्याप तपासला जात असलेला गणिती दावा आहे. केवळ आढावा वाचून किंवा लेख मोजून त्याची सत्यता ठरवता येत नाही.

केलेल्या 6 ऑक्टोबरच्या निश्चित रिपॉझिटरी स्नॅपशॉटच्या स्वतंत्र तपासणीतBIG CHANGEने 372 निष्पत्ती-कुटुंबांतील 722 हस्तलिखिते मोजली. एका कुटुंबात संबंधित अनेक लेख असू शकतात. ही संख्या संग्रहाच्या एका आवृत्तीतील फाइल्स दर्शवते; 722 शोधांची स्वतंत्रपणे पुष्टी झाली असा तिचा अर्थ नाही. मागील लेखात वाचक हस्तलिखिताचा औपचारिक विधानापर्यंत आणि त्याच्या तपासणीच्या संरचनेपर्यंत मागोवा कसा घेऊ शकतात हे दाखवले आहे. दाव्यांचा प्रवाह वाढत असताना हे काम करण्यासाठी पुरेसे पात्र वाचक एखाद्या क्षेत्राला कसे उपलब्ध होतील, हा इथला प्रश्न आहे.

औपचारिकीकरण मदत करू शकते. ठरवलेल्या व्याख्या, अवलंबित्वे आणि स्वयंसिद्धांच्या आधारे प्रस्तावित पुरावा अचूकपणे कूटबद्ध केलेले विधान सिद्ध करतो का, हे संगणक तपासू शकतो. तरीही ते विधान लेखातील दावा लोकांना जसा समजतो त्याच्याशी जुळते का, गृहीतके योग्य आहेत का आणि आधीच्या कामाशी निष्पत्तीचा काय संबंध आहे, हे कोणीतरी तपासावे लागते. संग्रहातील काही लेखांचे औपचारिकीकरण झालेले नाही; एका विधानाची Lean फाइल संपूर्ण हस्तलिखिताचे परीक्षण करत नाही. रिपॉझिटरी तपासणी तपासक चालवल्याचा दावा न करता या मर्यादा स्पष्ट करते.

सप्टेंबरमधील Navier–Stokes घोषणा दाखवते की हा फरक केवळ रिपॉझिटरीच्या यादीपुरता का मर्यादित नाही. OpenAIने सांगितले की त्यांच्या अंतर्गत प्रणालीने Clayच्या अधिकृत मांडणीतीलC आणि D पर्यायांशी संबंधित, बाह्य बलाखालील मर्यादित-ऊर्जा विघटनरचना शोधली आणि लेख तसेच Lean औपचारिकीकरण प्रसिद्ध केले. 11 सप्टेंबर रोजी Clayने सांगितले की समस्या “बहुधा” सुटली आहे आणि मूल्यांकन व श्रेय देण्याची प्रक्रिया घाई न करता होईल. त्या उत्तरात Clayने पुरस्कार दिला नव्हता. BIG CHANGEचा गणिती घडामोडींचा आधीचा आढावा तांत्रिक संदर्भ देतो. येथे मुद्दा घोषित निष्पत्ती आणि विचारपूर्वक निर्णय यांमधील कालावधीचा आहे.

तपासणीसाठी स्वतंत्र साधने आणि श्रेय द्या

स्वतंत्र गणित आणि कृत्रिम बुद्धिमत्ता सल्लागार गट म्हणतो की प्रकाशनानंतर मानवी आकलनाचे काम सुरू होते. त्याच्या 29 सप्टेंबरच्या शिफारशी प्रयोगशाळांनी साहित्य आणि श्रेय तपासावे, वाचनीय पुरावे द्यावेत, मॉडेलचा वापर व अयशस्वी प्रयत्नांची माहिती द्यावी आणि शक्य असेल तेथे औपचारिकीकरण करावे असे सांगतात. निष्पत्ती समजून घेणे आणि लागू करणे यासाठी समुदायाच्या नेतृत्वाखालील कामाला, निधीसह, पाठिंबा देण्याचेही त्या आवाहन करतात. 6 ऑक्टोबरच्या निवेदनातगटाने म्हटले की त्याची सल्लागार भूमिका OpenAIच्या प्रक्रियेचे समर्थन किंवा निष्पत्तींच्या प्रभावाचा निर्णय समजू नये.

मी हा पाठिंबा संशोधन निधी आणि मूल्यमापनाचा नियमित भाग करेन. प्रत्येक दाव्यासोबत त्याची आवृत्ती, AIचे योगदान, गृहीतके, आधारभूत सामग्री आणि दुरुस्त्या कळवण्याचा मार्ग असावा. त्यानंतर स्वतंत्र तज्ज्ञ दाव्याचे संभाव्य महत्त्व आणि चुकीच्या निष्पत्तीचे परिणाम पाहून कामाला प्राधान्य देऊ शकतात. इतर पुरावे ज्या निष्पत्तीवर अवलंबून आहेत, तिला मर्यादित गणनेपेक्षा वेगळ्या परीक्षणाची गरज असते. स्पष्टीकरणे, पुनरुत्पादन, अयशस्वी तपासण्या आणि काळजीपूर्वक दुरुस्त्या यांनाही योगदान मानावे, जरी त्यातून पहिली निष्पत्ती जाहीर होत नसली तरी.

यातून संस्थांकडून अधिक अपेक्षा व्यक्त होतात; मात्र शिक्षणक्षेत्र सर्वत्र विरोधी किंवा संथ आहे असे गृहीत धरलेले नाही. गणिती परीक्षण श्रेयाचे रक्षण करते आणि चुका शोधते; एखादी निष्पत्ती पुढील कामाचा आधार होणार असेल तर जबाबदार संयम मोलाचा असतो. संभाव्य निष्पत्ती तयार करणे आणि तिच्याविषयी योग्य विश्वास मिळवणे या वेगवेगळ्या प्रकारच्या मेहनती असल्यामुळे क्षमतेची समस्या निर्माण होते. काळजीपूर्वक काम करणाऱ्या संस्था योग्य काम करत असतानाही मोठ्या प्रकाशनामुळे त्यांच्यावर ताण येऊ शकतो.

व्यावहारिक वापर त्याच्या कक्षेत मूल्य तपासू शकतो

संशोधनावर आधारित उत्पादने विकसित करणाऱ्या कंपन्या सुरुवातीच्या व्यावहारिक चाचण्या देऊ शकतात. एखादी अंमलबजावणी कल्पना विशिष्ट कामात उपयोगी आहे हे दाखवू शकते; अयशस्वी अंमलबजावणी चुकीचे गृहीतक उघड करू शकते. इतरांना तपासता यावे म्हणून ही निरीक्षणे पद्धती आणि मर्यादांसह प्रकाशित करावीत. केवळ व्यावसायिक यश गणिती प्रमेय किंवा सर्वसाधारण वैज्ञानिक दावा सिद्ध करू शकत नाही.

हा फरक विषयानुसार बदलतो. गणितात चालणारे उत्पादन पुरावा सिद्ध करत नाही; पात्र परीक्षण आणि योग्य तेथे औपचारिक तपासणी अचूक प्रमेयाला उद्देशून असते. संगणकीय विज्ञानात परिणाम पुन्हा तयार करण्यासाठी आणि संवेदनशीलता तपासण्यासाठी इतरांना पुरेसा कोड, डेटा आणि सेटिंग्ज लागतात. जीवशास्त्र आणि वैद्यकात स्वतंत्र पुरावा-टप्पे लागतात; लागू असेल तेथे प्रयोगशाळेतील कामापासून प्राणी व मानवी अभ्यासांपर्यंत. भौतिकशास्त्रातील सिद्धांत किंवा सिम्युलेशनच्या अंदाजांची निरीक्षणे किंवा प्रयोगांनी तपासणी करावी लागते. कंपनी या कोणत्याही टप्प्यात योगदान देऊ शकते, पण एका टप्प्यातील पुरावा गुपचूप पुढच्या टप्प्याचा पुरावा ठरू शकत नाही.

खाजगी AI शोध आणि सार्वजनिक विज्ञानावरील BIG CHANGEच्या आधीच्या मतलेखात खाजगी AI शोध आणि सार्वजनिक विज्ञान निष्पत्ती आणि साधनांपर्यंतचा प्रवेश कोण नियंत्रित करतो, याचा विचार केला होता. सार्वजनिक प्रकाशनानंतरही संस्थात्मक प्रश्न उरतो: संभाव्य निष्पत्तीला विश्वासार्ह ज्ञानात बदलण्यासाठी संशोधकांकडे वेळ, स्वातंत्र्य आणि प्रोत्साहन आहे का? उत्तर निधी मिळालेल्या पुनरुत्पादनात, सार्वजनिक स्पष्टीकरणांत आणि श्रेय दिलेल्या दुरुस्त्यांत दिसले पाहिजे—फक्त पुढच्या हस्तलिखितांच्या संख्येत नाही.

स्रोत आणि पुढील वाचन