കൃത്രിമ ബുദ്ധി ഗണിതശാസ്ത്രജ്ഞരെ "അസ്തിത്വപരമായ പ്രതിസന്ധി"യിലേക്ക് നയിക്കുന്നു

ഓപ്പൺ എഐ (OpenAI) ഗണിതശാസ്ത്ര ലോകത്തിൽ വലിയൊരു ചർച്ചയ്ക്ക് കാരണമായി. ഒരു നൂറ്റാണ്ടിലേക്ക് പരിഹാരം കാണാത്ത ഒരു പ്രധാന ഗണിത പ്രശ്നം അവരുടെ കൃത്രിമ ബുദ്ധി (AI) പ്രോഗ്രാം വിജയകരമായി പരിഹരിച്ചു. ഈ വലിയ നേട്ടം ഗവേഷണത്തിൽ ഗണിതശ
Alqyas വിവർത്തനം, ഉറവിടം: അൽ-റായ് — യഥാർത്ഥ ഉറവിടം
ഓപ്പൺ എഐ (OpenAI) ഗണിതശാസ്ത്ര ലോകത്തിൽ വലിയൊരു ചർച്ചയ്ക്ക് കാരണമായി. ഒരു നൂറ്റാണ്ടിലേക്ക് പരിഹാരം കാണാത്ത ഒരു പ്രധാന ഗണിത പ്രശ്നം അവരുടെ കൃത്രിമ ബുദ്ധി (AI) പ്രോഗ്രാം വിജയകരമായി പരിഹരിച്ചു. ഈ വലിയ നേട്ടം ഗവേഷണത്തിൽ ഗണിതശാസ്ത്രജ്ഞരുടെ പങ്ക് എന്താണെന്ന് ചോദ്യം ചെയ്യുന്നു.
2006-ൽ ഗണിതശാസ്ത്രത്തിലെ നോബൽ പുരസ്കാരത്തിന് തുല്യമായ ഫീൽഡ്സ് മെഡൽ നേടിയ, ഈ മേഖലയിലെ ഏറ്റവും സ്വാധീനമുള്ള വ്യക്തികളിലൊരാളായ ടെറൻസ് ടാവ്, ഫ്രാൻസ് പ്രസ് ഏജൻസിക്ക് നൽകിയ അഭിമുഖത്തിൽ, "എന്റെ മേഖലയിൽ ഒരു അസ്തിത്വ ക്രൈസിസ് മൂലം ഞാൻ അത്യന്തം അസ്വസ്ഥനായി" എന്ന് പറഞ്ഞു.
സെപ്റ്റംബറിന്റെ തുടക്കത്തിൽ, നാല് ദിവസത്തിൽ കുറവായ സമയത്തിനുള്ളിൽ, ഓപ്പൺ എഐയുടെ അതിപ്രഗതികരമായ AI സിസ്റ്റം 1845-ൽ അന്തിമ രൂപം നൽകിയ നവിയർ-സ്റ്റോക്സ് (Navier-Stokes) സമവാക്യം പരിഹരിച്ചു. തലമുറകളോളം ഗണിതശാസ്ത്രജ്ഞർ ശ്രമിച്ചിട്ടും പരിഹരിക്കാൻ കഴിയാത്ത ഒരു പ്രശ്നമാണിത്.
ഓണവർഷം തുടങ്ങി, പ്രമുഖ AI സിസ്റ്റങ്ങൾ നിരവധി പ്രസിദ്ധമായ ഗണിത സിദ്ധാന്തങ്ങൾ തെറ്റാണെന്ന് തെളിയിച്ചിട്ടുണ്ട്. എന്നാൽ ഈ പ്രത്യേക നേട്ടം ഈ മേഖലയിൽ ഒരു "ഭൂകമ്പം" പോലെയാണ്.
കോർണെൽ സർവകലാശാലയിലെ പ്രൊഫസർ സ്റ്റീവൻ സ്റ്റ്രോഗാറ്റ്സ്, "ഈ സിസ്റ്റങ്ങൾ നമ്മുടെ ഗവേഷണങ്ങളിൽ പ്രധാനപ്പെട്ട പ്രശ്നങ്ങൾ പഠിക്കാൻ തിരഞ്ഞെടുത്താൽ, അവ ആ പ്രശ്നങ്ങൾ എളുപ്പത്തിൽ പരിഹരിക്കാൻ സാധിക്കും" എന്ന് വിലയിരുത്തുന്നു.
നോർത്ത്വെസ്റ്റേൺ സർവകലാശാലയിലെ ഗണിതശാസ്ത്ര പ്രൊഫസർ ആന്റോണിയോ ഓഫെൻഗർ, "ഒരു വർഷം മുൻപ്, ഏറ്റവും പ്രഗതികരമായ AI മോഡലുകൾ പോലും തർക്കശൈലിയിൽ (reasoning) തുടർച്ചയായ 'ഹാലൂസിനേഷൻ' (hallucinations) ഉണ്ടായിരുന്നു" എന്ന് ഓർമ്മപ്പെടുത്തുന്നു.
"ഇന്ന്, AI ദീർഘമായ ലോജിക്കൽ തർക്ക ശൃംഖലകൾ രൂപപ്പെടുത്താൻ സാധിക്കുന്നു," എന്ന് അദ്ദേഹം ചേർത്തു പറയുന്നു. ഇത് ശരിയായ പാതയിൽ നിന്ന് അകലാതെ, അല്ലെങ്കിൽ അർത്ഥരഹിതമായ സിദ്ധാന്തങ്ങൾ അവതരിപ്പിക്കാതെയാണ്.
ഗവേഷകർ ഈ സാങ്കേതികവിദ്യയെ നേരത്തേ മുതൽ ആശ്രയിച്ചുവെങ്കിലും, ഓപ്പൺ എഐയുടെ സമീപനം വ്യത്യസ്തമാണ്. കാരണം, ഈ സമീപനം AI-യ്ക്ക് പ്രക്രിയയിൽ മുഴുവൻ നിയന്ത്രണവും പ്രാഥമികതയും നൽകുന്നു.
ജനുവരിയിൽ, ഇലോൺ മസ്ക്, "ഒരു വർഷത്തിനുള്ളിൽ AI ഗണിതശാസ്ത്ര മേഖലയെ പൂർണ്ണമായും മാറ്റിമറിക്കും" എന്ന് പ്രവചിച്ചിരുന്നു.
"എക്സ് എഐ" (XAI) കമ്പനിയുടെ (പിന്നീട് സ്പേസ് എക്സ് എഐ എന്ന് അറിയപ്പെടുന്നു) മാനേജിംഗ് ഡയറക്ടറായ മസ്ക്, "AI-യ്ക്ക് ഗണിതശാസ്ത്രം വളരെ സാധാരണമായ ഒരു കാര്യമായി മാറും" എന്ന് ഉറപ്പിച്ചു.
"ചോക്കും അത്ഭുതവും" അനുഭവിക്കുന്നതിനാൽ, നോർത്ത്വെസ്റ്റേൺ സർവകലാശാലയിലെ ഗണിതശാസ്ത്ര പ്രൊഫസർ ബെഞ്ചമിൻ ആന്റിയോ, ഓപ്പൺ എഐയുടെ AI സിസ്റ്റം പൂജ്യത്തിൽ നിന്ന് തുടങ്ങിയില്ലെന്ന് ശ്രദ്ധിക്കുന്നു. മറിച്ച്, "ഈ പ്രശ്നം പരിഹരിക്കാൻ ഈ സമീപനം വികസിപ്പിക്കുന്നതിൽ വർഷങ്ങളായി ശ്രമിച്ച മറ്റ് ഗണിതശാസ്ത്രജ്ഞരുടെ പാതയിലൂടെയാണ് അത് സഞ്ചരിച്ചത്" എന്ന് അദ്ദേഹം വ്യക്തമാക്കുന്നു.
ഇവിടെ പ്രധാനമായും സ്പെയിനിലെ രണ്ട് ഗവേഷകരെയാണ് ഉദ്ദേശിക്കുന്നത്: ട്രിസ്റ്റൻ ബാക്കമാസ്റ്റർ (Tristan Backmaster) ലെവന്റ് അൽബുജി (Levent Albouji). ഇവർ രണ്ടും ഓപ്പൺ എഐയ്ക്ക് മുമ്പ് പരിഹാരം കണ്ടെത്താൻ സാധ്യതയുണ്ടായിരുന്നു എന്ന് ഉറപ്പിക്കുന്നു. അവരുടെ ജോലി ചോർന്നുപോയിയോ എന്ന് അവർ ചോദിക്കുന്നു. കാലിഫോർണിയെ ആസ്ഥാനമാക്കി പ്രവർത്തിക്കുന്ന ഈ സ്റ്റാർട്ടപ്പ് കമ്പനി ഇത് നിഷേധിക്കുന്നു.
സ്റ്റാൻഫോർഡ് സർവകലാശാലയിലെ പ്രൊഫസർ മുഹമ്മദ് അബൂ സൈദ്, "ഇത് നമ്മൾ തെളിയിക്കാൻ കഴിയുന്ന പരിധി വിസ്തരിക്കുന്നു, എന്നാൽ നമ്മൾ പര്യവേക്ഷണം ചെയ്യാൻ കഴിയുന്ന ആശയങ്ങളുടെ ആഴം വർദ്ധിപ്പിക്കുന്നില്ല" എന്ന് വിലയിരുത്തുന്നു.
ബന്ധപ്പെട്ട മറ്റൊരു വിഷയത്തിൽ, കാലിഫോർണിയ ടെക്നോളജിക്കൽ ഇൻസ്റ്റിറ്റ്യൂട്ടിലെ (Caltech) പ്രൊഫസർ അനിമ അനന്ദ്കോമാർ (Anima Anandkumar), ഗണിതശാസ്ത്രവും AI-യും സംയോജിപ്പിക്കുന്ന മേഖലയിലെ വിദഗ്ധയാണ്. അവരുടെ ടീം, നവിയർ-സ്റ്റോക്സ് സമവാക്യങ്ങളുടെ ലഘൂകരിച്ച രൂപമായ ഓയിലർ സമവാക്യങ്ങൾ (Euler equations) പരിഹരിക്കാൻ വിജയിച്ചു. ഇതിനായി അവർ മുൻപ് ഉപയോഗിച്ചിരുന്ന ജോലികളെ ആശ്രയിക്കാത്ത ഒരു AI മോഡൽ ഉപയോഗിച്ചു.
ഈ മോഡൽ 'ചാറ്റ് ജിപിടി' (ChatGPT) അല്ലെങ്കിൽ 'ക്ലോഡ്' (Claude) പ്രവർത്തിപ്പിക്കുന്ന സിസ്റ്റങ്ങളോട് സമാനമല്ല. ഇത് 'PINN' (Physics-Informed Neural Network - ഭൗതികശാസ്ത്രം അറിഞ്ഞുള്ള ന്യൂറൽ നെറ്റ്വർക്ക്) എന്നറിയപ്പെടുന്ന ഒരു മോഡലാണ്, ഇത് ഡാറ്റയും ഭൗതികശാസ്ത്ര നിയമങ്ങളും സംയോജിപ്പിക്കുന്നു.
എങ്കിലും, ഗവേഷകർക്ക് മോഡലിനെ പ്രവർത്തിപ്പിക്കാൻ ഒരു "ഡിസൈൻ" (design) രൂപപ്പെടുത്തേണ്ടി വന്നു എന്ന് ഗവേഷകർ സൂചിപ്പിക്കുന്നു. ഇത് "മനുഷ്യന്റെ സർഗ്ഗാത്മകതയുടെ" വലിയ അളവ് ആവശ്യമാണ് എന്ന് അവർ ഉറപ്പിക്കുന്നു.
അവർ ചേർക്കുന്നു, "ഭാവിയിൽ, കൃത്രിമബുദ്ധി കൂടുതൽ കൃത്യതയും സൂക്ഷ്മമായ വിശദാംശങ്ങൾ ഉൾക്കൊള്ളാനുള്ള കഴിവും നേടിയെടുക്കാം. എന്നാൽ, കൃത്രിമബുദ്ധിക്ക് എത്താൻ കഴിയാത്ത, മനുഷ്യർക്ക് ലഭ്യമായ വ്യാപകമായ സാധ്യതകളുടെ മേഖല നിലനിൽക്കും."
ഗണിതശാസ്ത്രത്തിലെ ഏറ്റവും ഉയർന്ന പുരസ്കാരമായ 'ഫീൽഡ്സ് മെഡൽ' നേടിയ 25 ഗണിതശാസ്ത്രജ്ഞർ വെള്ളിയാഴ്ച, ഗണിത ഗവേഷണങ്ങളിൽ കൃത്രിമബുദ്ധി സൃഷ്ടിക്കാൻ സാധ്യതയുള്ള 'നശീകരണപരമായ സ്വാധീനം' മുന്നറിയിപ്പ് നൽകി.
താവോയുടെ അഭിപ്രായത്തിൽ, മോഡലിന് പ്രധാനപ്പെട്ടത് ലക്ഷ്യം മാത്രമാണ്. അദ്ദേഹം എഴുതുന്നു, "ലക്ഷ്യം നേടുകയും പ്രശ്നം പരിഹരിക്കുകയും ചെയ്തു. എന്നാൽ, അനുഭവങ്ങളിൽ നിന്ന് പഠിക്കാനുള്ള കാര്യം, പുതിയ സാധ്യതകൾ, സഹകരണ രൂപങ്ങൾ, പുതിയ ലക്ഷ്യങ്ങൾ നിർണ്ണയിക്കൽ എന്നിവയാണ് അഭാവം."
ആന്റോണിയോ ഓഫെൻഗർ വ്യക്തമാക്കുന്നത്, "കൃത്രിമബുദ്ധിക്ക് എല്ലാ ചോദ്യങ്ങൾക്കും ഉത്തരം നൽകാൻ കഴിഞ്ഞാലും, ഗണിതശാസ്ത്രജ്ഞർക്ക് പ്രധാന പങ്ക് നിലനിൽക്കും. കാരണം, 'എ' ബിന്ദുവിൽ നിന്ന് 'ബി' ബിന്ദുവിലേക്ക് എങ്ങനെ എത്തണം എന്നത് മാത്രമല്ല പ്രശ്നം; സമൂഹത്തിന് മുഴുവനും ഗുണകരമായ ചോദ്യങ്ങൾ ഉയർത്തുക എന്നതാണ് യഥാർത്ഥ കാര്യം."