एआई गणित के जटिल सवाल हल कर रहा, तो क्या प्रमाणों का मूल्य घट रहा है?

14 Oct एआई गणित के जटिल सवाल हल कर रहा, तो क्या प्रमाणों का मूल्य घट रहा है?

✎ AI प्रमाण बना सकता है, पर गणित की प्रगति का अर्थ केवल हल पाना नहीं, बल्कि प्रमाण का सत्यापन (औपचारिकीकरण), मानवीय समझ और आगे के ज्ञान-निर्माण में उपयोग है — यही ताओ की 'Math 2.0' चेतावनी है।

विषय प्रासंगिकता — यह टॉपिक कहाँ आता है

• GS Paper III — विज्ञान एवं प्रौद्योगिकी (कृत्रिम बुद्धिमत्ता का वैज्ञानिक अनुसंधान में उपयोग)  |  GS Paper II — शासन (अनुसंधान-अवसंरचना तक समान पहुँच, शिक्षा एवं अनुसंधान तंत्र)  |  GS Paper IV — नीतिशास्त्र (बौद्धिक ईमानदारी, साहित्यिक चोरी, श्रेय-निर्धारण)
• Prelims: कृत्रिम बुद्धिमत्ता (AI), गणितीय प्रमाण (Proof), अनुमान (Conjecture), फ़ील्ड्स मेडल (Fields Medal), केप्लर अनुमान, चार-रंग प्रमेय, प्रमाण का औपचारिकीकरण (Formalisation) एवं Lean, IndiaAI मिशन, संगणन क्षमता (Compute)
• Essay: कृत्रिम बुद्धिमत्ता के युग में समस्या-समाधान बनाम समझ: ज्ञान का वास्तविक मूल्य क्या है?, प्रौद्योगिकी और अनुसंधान का लोकतंत्रीकरण: क्या संगणन क्षमता नया ज्ञान-अंतराल पैदा करेगी?

त्वरित पुनरावृत्ति: AI प्रमाण बना सकता है, पर गणित की प्रगति का अर्थ केवल हल पाना नहीं, बल्कि प्रमाण का सत्यापन (औपचारिकीकरण), मानवीय समझ और आगे के ज्ञान-निर्माण में उपयोग है — यही ताओ की ‘Math 2.0’ चेतावनी है।

यह खबर चर्चा में क्यों?

कृत्रिम बुद्धिमत्ता (Artificial Intelligence) द्वारा जटिल गणितीय समस्याओं के हल निकालने की बढ़ती क्षमता ने इस प्रश्न को केंद्र में ला दिया है कि गणित में ‘प्रगति’ किसे माना जाए। 9 अक्टूबर को Caltech में ‘Math 2.0’ शीर्षक व्याख्यान में फ़ील्ड्स मेडल विजेता टेरेंस ताओ ने कहा कि समस्या-समाधान केवल साधन है, साध्य नहीं, और केवल उसी के लिए अंधाधुंध अनुकूलन अब गणित के दीर्घकालिक स्वास्थ्य के लिए हानिकारक है। इसी बीच 11 अक्टूबर को चीन ने त्सिंगहुआ विश्वविद्यालय में ‘यau प्रयोगशाला गठबंधन’ (Yau Laboratory Alliance for Mathematics and Artificial Intelligence) शुरू किया। इसमें 8 संस्थान शामिल हैं और गणित, प्रमाण-औपचारिकीकरण तथा अनुमान-सृजन के लिए विशेष AI मॉडल बनाने हेतु 1,000 से अधिक वैज्ञानिकों का नेटवर्क खड़ा करने का लक्ष्य है। IISc और IIT दिल्ली के शोधकर्ताओं ने शोध-पत्रिका अर्थव्यवस्था, युवा शोधकर्ताओं पर प्रभाव, संगणन क्षमता तक असमान पहुँच और प्रमाणों की शुद्धता को लेकर चिंताएँ जताई हैं।

पृष्ठभूमि

• गणित में केवल उत्तर खोज लेना पर्याप्त नहीं होता; उसे तर्कसंगत रूप से सिद्ध करना अनिवार्य है। प्रमाण ही वह आधार है जिस पर आगे के परिणाम खड़े होते हैं, इसलिए एक त्रुटि पूरी शृंखला को कमज़ोर कर सकती है।
• कंप्यूटर-सहायित प्रमाणों की परंपरा पुरानी है। चार-रंग प्रमेय (1976, एपल और हाकेन) कंप्यूटर की सहायता से सिद्ध पहला बड़ा प्रमेय माना जाता है। बाद में इसका औपचारिक सत्यापन Coq नामक प्रमाण-सहायक (Proof Assistant) में किया गया।
• केप्लर अनुमान (गोलों को सघनतम रूप से व्यवस्थित करने की समस्या) को टॉम हेल्स ने 1998 में कंप्यूटर-आधारित विधि से सिद्ध किया। प्रमाण इतना जटिल था कि समीक्षक उसे पूरी तरह जाँच नहीं सके। इसलिए Flyspeck परियोजना के अंतर्गत उसका औपचारिक सत्यापन किया गया, जो 2014 में पूर्ण हुआ।
• Lean जैसे प्रमाण-सहायक सॉफ़्टवेयर में प्रमाण को मशीन-सत्यापनीय रूप में लिखा जाता है। AI द्वारा उत्पन्न प्रमाणों की विश्वसनीयता जाँचने में यह तकनीक महत्त्वपूर्ण मानी जा रही है।
• हाल के वर्षों में AI प्रणालियों ने अंतर्राष्ट्रीय गणितीय ओलंपियाड (IMO) स्तर की समस्याओं पर उल्लेखनीय प्रदर्शन किया है; उदाहरणतः DeepMind के AlphaProof ने 2024 में रजत-पदक स्तर का प्रदर्शन किया। अब ध्यान शोध-स्तरीय समस्याओं की ओर बढ़ रहा है।
• फ़ील्ड्स मेडल अंतर्राष्ट्रीय गणितीय संघ (IMU) द्वारा प्रत्येक चार वर्ष में 40 वर्ष से कम आयु के गणितज्ञों को दिया जाता है। ताओ (2006) और यau (1982) इसके विजेता हैं; भारतीय मूल के विजेताओं में मंजुल भार्गव (2014) और अक्षय वेंकटेश (2018) शामिल हैं।

गणितीय प्रमाण और AI-संचालित गणित क्या है?

• गणितीय प्रमाण (Proof): स्वीकृत अभिगृहीतों और तार्किक नियमों से क्रमबद्ध तर्क द्वारा किसी कथन की सार्वभौमिक सत्यता सिद्ध करना। उदाहरण: दो सम संख्याओं का योग सदैव सम होता है। कुछ संख्याएँ आज़माने से केवल प्रतिरूप दिखता है, जबकि प्रमाण बताता है कि वह हर बार क्यों सत्य है।
• अनुमान (Conjecture): ऐसा कथन जिसे सत्य माना जाता है पर जो अभी सिद्ध नहीं हुआ है। AI से नए अनुमान सुझाने की अपेक्षा भी की जा रही है, जिसे चीनी गठबंधन के उद्देश्यों में भी गिना गया है।
• प्रमाण का औपचारिकीकरण (Formalisation): प्रमाण को कंप्यूटर द्वारा जाँचे जा सकने वाले कठोर प्रतीकात्मक रूप में लिखना, ताकि मानवीय त्रुटि या AI के भ्रामक आउटपुट की संभावना घटे।
• ताओ का तर्क: समस्या-समाधान अपने-आप में लक्ष्य नहीं है। गणित का उद्देश्य नई अवधारणाओं, विधियों और गहरी समझ का विकास है। केवल हल गिनने पर केंद्रित अनुकूलन से सिद्धांत-निर्माण और समझ उपेक्षित हो सकती है।
• सत्यापन, समझ और उपयोगिता की त्रिविध कसौटी: शोधकर्ताओं के अनुसार चुनौती केवल यह नहीं कि AI प्रमाण बना सकता है या नहीं, बल्कि यह भी कि उन्हें जाँचा जा सके, मानव गणितज्ञ समझ सकें और वे आगे के ज्ञान-निर्माण में काम आएँ।
• संसाधन-असमानता की चिंता: IIT दिल्ली की प्रो. वैष्णवी सुंदरराजन के अनुसार ऐसे प्रमाणों के लिए कंपनियाँ करोड़ों डॉलर की संगणन क्षमता और ऊर्जा खर्च करती हैं, इसलिए सामान्य शिक्षाविदों की समान प्रणालियों तक पहुँच संदिग्ध है। साथ ही निजी माने गए चैट से जुड़े साहित्यिक चोरी के आरोपों का उल्लेख भी हुआ।
• शैक्षणिक प्रकाशन तंत्र पर प्रभाव: IISc के प्रो. वामसी प्रीतम पिंगली ने आशंका जताई कि फ़ील्ड्स-स्तर का काम करने वाला मॉडल सस्ते शुल्क पर उपलब्ध हुआ तो शोध-पत्रिका अर्थव्यवस्था चरमरा सकती है। युवा शोधकर्ताओं के पास ढलने का समय कम है।
• भारत के लिए प्रासंगिकता: IndiaAI मिशन (परिव्यय ₹10,371.92 करोड़) के अंतर्गत साझा संगणन अवसंरचना का निर्माण हो रहा है। गणित जैसे मूलभूत विज्ञानों में इसके उपयोग और शोधकर्ताओं की समान पहुँच पर नीतिगत ध्यान आवश्यक है।

मुख्य विशेषताएँ

विशेषता	महत्त्व
गणित में प्रमाण (Proof) की भूमिका	गणित में केवल उत्तर खोजना पर्याप्त नहीं होता। उत्तर के हर स्थिति में सही होने का तार्किक प्रमाण देना पड़ता है। एक त्रुटिपूर्ण प्रमाण उस पर आधारित आगे के सभी परिणामों को कमज़ोर कर देता है।
समस्या-समाधान बनाम गणितीय समझ	टेरेंस ताओ (Terence Tao) के अनुसार समस्या हल करना केवल साधन है, साध्य नहीं। उनके मत में केवल समस्या-समाधान के लिए अनुकूलन करना गणित के दीर्घकालिक स्वास्थ्य के लिए हानिकारक है। मूल्यवान प्रमाण वह है जो अवधारणाएँ और नई विधियाँ देता है।
प्रमाणों का औपचारिकीकरण (Formalisation) और सत्यापन (Verification)	AI से बड़े पैमाने पर उत्पन्न प्रमाणों की जाँच मानव समीक्षकों के लिए कठिन है। इसलिए प्रमाण-सहायक सॉफ़्टवेयर (जैसे Lean) में कंप्यूटर द्वारा जाँच योग्य रूप देना महत्त्वपूर्ण हो गया है।
चीन का याउ प्रयोगशाला गठबंधन	11 अक्टूबर को त्सिंघुआ विश्वविद्यालय में शुरू हुए इस गठबंधन में 8 संस्थान हैं। लक्ष्य 1,000 से अधिक वैज्ञानिकों का नेटवर्क बनाना है, जो गणित के विशिष्ट AI मॉडल, प्रमाण-औपचारिकीकरण और अनुमान-सृजन (Conjecture generation) पर काम करेगा। यह AI-आधारित विज्ञान में राज्य-समर्थित प्रतिस्पर्धा का संकेत है।
संगणन क्षमता (Compute) और पहुँच की असमानता	IIT दिल्ली की प्रो. वैष्णवी सुंदरराजन के अनुसार ऐसे प्रमाणों पर कंपनियाँ करोड़ों डॉलर की संगणन क्षमता और ऊर्जा खर्च करती हैं। प्रश्न यह है कि सामान्य शिक्षाविदों को तुलनीय प्रणालियाँ उपलब्ध होंगी या नहीं।
शोध-प्रकाशन तंत्र पर प्रभाव	IISc के प्रो. वमसी प्रितम पिंगली ने चेताया कि फ़ील्ड्स मेडलिस्ट स्तर का मॉडल सस्ती सदस्यता पर उपलब्ध हुआ तो जर्नल अर्थव्यवस्था ढह सकती है। युवा शोधकर्ताओं को अनुकूलन का समय नहीं मिला है।

महत्व

बौद्धिक एवं वैज्ञानिक महत्त्व

• गणित भौतिकी, कंप्यूटर विज्ञान, क्रिप्टोग्राफ़ी और अभियांत्रिकी की आधारभूमि है। गणितीय खोज की गति बढ़ने से इन सभी क्षेत्रों में नवाचार तेज़ हो सकता है।
• AI द्वारा नए अनुमान सुझाना और प्रमाण खोजना मानव-AI सहयोग की नई शोध-पद्धति खोलता है।
• ‘प्रमाण का मूल्य’ पर बहस से यह स्पष्ट होता है कि विज्ञान में समझ और व्याख्या का स्थान केवल परिणाम से ऊपर है।

रणनीतिक एवं भू-राजनीतिक महत्त्व

• चीन का गठबंधन और याउ का यह कथन कि चीन AI-आधारित अग्रणी विज्ञान में अमेरिका से पीछे है, दर्शाते हैं कि गणितीय AI अब राष्ट्रीय वैज्ञानिक प्रतिस्पर्धा का अंग है।
• अग्रणी AI मॉडल कुछ निजी कंपनियों और कुछ देशों के पास केंद्रित हैं। इससे ज्ञान-उत्पादन पर वैश्विक असमानता बढ़ने की आशंका है।
• भारत के लिए अपनी संगणन क्षमता और स्वदेशी मॉडल विकसित करना तकनीकी संप्रभुता का प्रश्न है।

शैक्षणिक एवं आर्थिक महत्त्व

• यदि उन्नत AI कम लागत पर उपलब्ध हुआ तो शोध-पत्र प्रकाशन, समीक्षा और पदोन्नति की मौजूदा प्रणाली को पुनर्गठित करना पड़ेगा।
• युवा शोधकर्ताओं के कौशल और करियर-मार्ग बदलेंगे। अब समस्या चुनने, परिकल्पना बनाने और परिणाम की व्याख्या करने जैसी क्षमताओं का महत्त्व बढ़ेगा।
• गणित शिक्षा और शोध-प्रशिक्षण में औपचारिक सत्यापन के उपकरणों का समावेश आवश्यक होगा।

नैतिक एवं शासकीय महत्त्व

• शोध-नैतिकता, श्रेय-निर्धारण और साहित्यिक चोरी (Plagiarism) के प्रश्न नए रूप में उठ रहे हैं, जैसे निजी माने गए चैट के उपयोग के आरोप।
• AI-जनित परिणामों में त्रुटि की संभावना बनी रहती है। इसलिए शोध-मानकों और पारदर्शिता के लिए संस्थागत ढाँचा आवश्यक है।

चुनौतियाँ

1. सत्यापन और विश्वसनीयता का संकट

• AI बड़ी संख्या में प्रमाण बना सकता है, पर मानव समीक्षकों की क्षमता सीमित है। जाँच का बोझ बढ़ता है।
• प्रमाण त्रुटिपूर्ण हो सकते हैं और एक त्रुटि आगे के काम को कमज़ोर कर देती है।
• ऐतिहासिक उदाहरण: केप्लर अनुमान के प्रमाण की जाँच में टॉम हेल्स को लंबी कठिनाई झेलनी पड़ी। इसी कारण औपचारिक सत्यापन की ओर झुकाव बढ़ा।

यूपीएससी लिंक: GS-3: विज्ञान एवं प्रौद्योगिकी में उभरती प्रवृत्तियाँ; AI की विश्वसनीयता

2. समझ बनाम समाधान: शोध-संस्कृति का क्षरण

• यदि मूल्यांकन केवल हल की गई समस्याओं की संख्या से हो, तो अवधारणात्मक समझ और सिद्धांत-निर्माण उपेक्षित होंगे।
• ऐसे प्रमाण, जिन्हें कोई मानव नहीं समझ पाता, गणितीय ज्ञान को आगे बढ़ाने में सीमित उपयोगी होते हैं।

यूपीएससी लिंक: GS-3: विज्ञान एवं प्रौद्योगिकी; GS-4: शोध-नैतिकता और मूल्य

3. संगणन क्षमता और पहुँच की असमानता

• अत्याधुनिक मॉडलों के प्रशिक्षण और संचालन में भारी पूँजी तथा ऊर्जा लगती है, जो मुख्यतः कुछ निजी कंपनियों के पास है।
• विश्वविद्यालयों और विकासशील देशों के शोधकर्ता पिछड़ सकते हैं। इससे शोध में डिजिटल विभाजन बढ़ेगा।
• ऊर्जा-खपत से पर्यावरणीय चिंताएँ भी जुड़ी हैं।

यूपीएससी लिंक: GS-3: AI, संगणन अवसंरचना और ऊर्जा; GS-2: प्रौद्योगिकी में समावेशन

4. श्रेय, बौद्धिक संपदा और डेटा-गोपनीयता

• AI-जनित परिणामों का श्रेय मॉडल बनाने वाली कंपनी, उपयोगकर्ता या शोधकर्ता में से किसे मिले, यह अस्पष्ट है।
• निजी माने गए चैट या अप्रकाशित विचारों के उपयोग और साहित्यिक चोरी के आरोप मॉडल-प्रशिक्षण के डेटा-स्रोतों पर प्रश्न उठाते हैं।

यूपीएससी लिंक: GS-3: बौद्धिक संपदा अधिकार; GS-2: डेटा संरक्षण और गोपनीयता

5. प्रकाशन तंत्र और युवा शोधकर्ताओं पर दबाव

• सस्ते उन्नत मॉडल उपलब्ध होने पर शोध-पत्रों की बाढ़ आ सकती है। इससे सहकर्मी-समीक्षा (Peer review) और जर्नलों का आर्थिक ढाँचा दबाव में आएगा।
• युवा शोधकर्ताओं को बदलते परिदृश्य के अनुरूप ढलने का समय नहीं मिल रहा। इससे करियर की अनिश्चितता बढ़ती है।

यूपीएससी लिंक: GS-2: शिक्षा; GS-3: रोज़गार और कौशल पर प्रौद्योगिकी का प्रभाव

चुनौतियाँ — यूपीएससी दृष्टिकोण

मुद्दा	चिंता
प्रमाण की शुद्धता	AI-जनित प्रमाणों में त्रुटि की संभावना और मानव जाँच की सीमित क्षमता
शोध का उद्देश्य	समस्या हल करने की होड़ में गणितीय समझ और सिद्धांत-निर्माण का उपेक्षित होना
संसाधन-असमानता	संगणन क्षमता और ऊर्जा का कुछ कंपनियों/देशों में केंद्रित होना
श्रेय एवं गोपनीयता	लेखकत्व, साहित्यिक चोरी और निजी डेटा के उपयोग पर अस्पष्टता
प्रकाशन तंत्र	सहकर्मी-समीक्षा और जर्नल-मॉडल पर दबाव
प्रतिभा-विकास	युवा शोधकर्ताओं के कौशल और करियर-मार्ग की अनिश्चितता

सरकारी पहल — प्रीलिम्स हेतु अवश्य याद रखें

• इंडियाAI मिशन (IndiaAI Mission): मार्च 2024 में स्वीकृत इस मिशन का एक प्रमुख घटक साझा संगणन अवसंरचना है। यह शिक्षाविदों और स्टार्टअप को संगणन क्षमता उपलब्ध कराने के प्रश्न से सीधे जुड़ता है।
• अनुसंधान राष्ट्रीय अनुसंधान प्रतिष्ठान (Anusandhan National Research Foundation, ANRF): ANRF अधिनियम, 2023 के अंतर्गत स्थापित यह प्रतिष्ठान देश में शोध-निधि और अनुसंधान-संस्कृति को सुदृढ़ करने वाली शीर्ष संस्था है।
• एक राष्ट्र एक सदस्यता (One Nation One Subscription): शोध-जर्नलों तक सार्वजनिक संस्थानों की पहुँच सुनिश्चित करने की योजना है। यह जर्नल-तंत्र और ज्ञान-पहुँच की बहस से जुड़ती है।

आगे की राह

• प्रमाणों के औपचारिक सत्यापन के उपकरणों और प्रशिक्षण को गणित शिक्षा तथा शोध में बढ़ावा देना, ताकि AI-जनित परिणामों की स्वतंत्र जाँच हो सके।
• शोध-मूल्यांकन के मानदंडों में केवल हल की गई समस्याओं की संख्या के स्थान पर अवधारणात्मक योगदान, स्पष्टता और नई विधियों को महत्त्व देना।
• सार्वजनिक संगणन क्षमता, जैसी IndiaAI Mission के अंतर्गत विकसित की जा रही है, तक विश्वविद्यालयों और शोध संस्थानों की किफ़ायती पहुँच सुनिश्चित करना।
• जर्नलों और शोध-संस्थाओं द्वारा AI के उपयोग के प्रकटीकरण, लेखकत्व और श्रेय के स्पष्ट दिशानिर्देश बनाना।
• स्वदेशी, मुक्त (Open-source) और भारतीय भाषाओं के अनुकूल AI मॉडलों में निवेश कर बाहरी निर्भरता घटाना।
• IISc, IIT और TIFR जैसे संस्थानों में गणित और AI के अंतर्विषयक शोध-केंद्र स्थापित कर युवा शोधकर्ताओं के लिए पुनःकौशल (Reskilling) कार्यक्रम चलाना।
• AI प्रशिक्षण में प्रयुक्त डेटा के स्रोत, गोपनीयता और बौद्धिक संपदा पर पारदर्शिता के लिए अंतरराष्ट्रीय सहयोग और मानक विकसित करना।
• AI से जुड़े बड़े संगणन-केंद्रों के लिए ऊर्जा-दक्षता और नवीकरणीय ऊर्जा के मानदंड अपनाना।

यूपीएससी मूल्य-संवर्धन

प्रारंभिक अभ्यास प्रश्न

Q1. फ़ील्ड्स पदक (Fields Medal) के संबंध में निम्नलिखित कथनों पर विचार कीजिए:
1. यह पदक अंतर्राष्ट्रीय गणितीय संघ (International Mathematical Union) द्वारा प्रदान किया जाता है।
2. यह पदक प्राप्त करने वाले गणितज्ञ की आयु निर्धारित तिथि को 40 वर्ष से कम होनी चाहिए।
3. यह पदक प्रतिवर्ष प्रदान किया जाता है।
उपर्युक्त कथनों में से कितने सही हैं?

1. केवल एक
2. केवल दो
3. केवल तीन
4. सभी

उत्तर: केवल दो — कथन 1 सही है: पदक अंतर्राष्ट्रीय गणितीय संघ देता है। कथन 2 सही है: आयु-सीमा 40 वर्ष से कम है। कथन 3 गलत है: यह पदक प्रत्येक चार वर्ष में अंतर्राष्ट्रीय गणितज्ञ सम्मेलन (ICM) में दिया जाता है, प्रतिवर्ष नहीं।

Q2. अभिकथन (A): AI द्वारा तैयार किए गए गणितीय प्रमाणों की जाँच के लिए Lean जैसे प्रमाण सहायक सॉफ़्टवेयर (Proof Assistant) का उपयोग उपयोगी माना जा रहा है।
कारण (R): प्रमाण सहायक सॉफ़्टवेयर प्रमाण के प्रत्येक तार्किक चरण को निर्धारित नियमों के अनुसार यांत्रिक रूप से जाँचता है, इसलिए त्रुटि की संभावना घटती है।
नीचे दिए गए कूट का प्रयोग कर सही उत्तर चुनिए:

1. A और R दोनों सही हैं तथा R, A की सही व्याख्या है
2. A और R दोनों सही हैं, किंतु R, A की सही व्याख्या नहीं है
3. A सही है, किंतु R गलत है
4. A गलत है, किंतु R सही है

उत्तर: A और R दोनों सही हैं तथा R, A की सही व्याख्या है — प्रमाण सहायक सॉफ़्टवेयर में हर चरण औपचारिक तर्क-नियमों से जाँचा जाता है। इसी कारण मानव या मशीन द्वारा लिखे गए लंबे प्रमाणों के सत्यापन में वह उपयोगी है। अतः R, A की सही व्याख्या करता है।

Q3. केप्लर अनुमान (Kepler Conjecture), जिसका उल्लेख प्रमाणों के सत्यापन की कठिनाई के संदर्भ में किया जाता है, किससे संबंधित है?

1. त्रि-आयामी समष्टि में समान गोलों को सघनतम रूप से सजाने की विधि
2. किसी मानचित्र को रंगने के लिए आवश्यक न्यूनतम रंगों की संख्या
3. अभाज्य संख्याओं के वितरण का स्वरूप
4. ग्रहों की कक्षाओं के आकार की गणना

उत्तर: त्रि-आयामी समष्टि में समान गोलों को सघनतम रूप से सजाने की विधि — केप्लर अनुमान के अनुसार समान गोलों की सघनतम पैकिंग वही है जो फलों के ढेर में दिखती है। टॉम हेल्स ने इसका कंप्यूटर-सहायित प्रमाण दिया, जिसके सत्यापन हेतु Flyspeck परियोजना चली। विकल्प (b) चार-रंग प्रमेय से तथा (c) अभाज्य संख्या प्रमेय से जुड़ा है।

मुख्य अभ्यास प्रश्न

✍ “गणितीय अनुसंधान में समस्याओं का समाधान केवल साधन है, साध्य नहीं।” कृत्रिम बुद्धिमत्ता (AI) द्वारा बड़े पैमाने पर प्रमाण बनाए जाने के संदर्भ में इस कथन का समालोचनात्मक परीक्षण कीजिए। साथ ही बताइए कि भारत को इस परिवर्तन के लिए पहुँच, सत्यापन और शोध-सत्यनिष्ठा के स्तर पर क्या तैयारी करनी चाहिए। (15 Marks)

रूपरेखा: भूमिका: टेरेंस ताओ ने 9 अक्टूबर को Caltech के व्याख्यान ‘Math 2.0’ में कहा कि केवल समस्या-समाधान के लिए अंधाधुंध अनुकूलन गणित के दीर्घकालिक स्वास्थ्य के लिए हानिकारक है। 11 अक्टूबर को चीन ने सिंघुआ विश्वविद्यालय में Yau Laboratory Alliance for Mathematics and AI शुरू किया, जिसमें 8 संस्थान और 1,000 से अधिक वैज्ञानिकों का नेटवर्क लक्षित है।

भाग 1 (लगभग 150 शब्द) कथन का परीक्षण:
(क) पक्ष में तर्क: प्रमाण केवल उत्तर नहीं देता, यह बताता है कि परिणाम ‘क्यों’ सत्य है। नई विधियाँ और अवधारणाएँ ही आगे के शोध की नींव बनती हैं (वाइल्स का फ़र्मा प्रमेय पर कार्य, पेरेलमान का पॉइंकारे अनुमान)। एक त्रुटिपूर्ण प्रमाण आगे के समूचे कार्य को कमज़ोर करता है।
(ख) विपक्ष में तर्क: समस्याओं का हल गणित की प्रगति का दृश्यमान मापदंड रहा है। AI द्वारा पूरे शोध-कार्यक्रम हल होना (IISc के वामसी प्रितम पिंगली के अनुसार) वास्तविक उपलब्धि है। AI अनुमान-सृजन और खोज में भी सहायक है।
(ग) ऐतिहासिक उदाहरण: चार-रंग प्रमेय (1976) का कंप्यूटर-सहायित प्रमाण, और केप्लर अनुमान पर टॉम हेल्स का प्रमाण, जिसकी पुष्टि Flyspeck परियोजना में औपचारिक सत्यापन से हुई। यही दिखाता है कि मशीन-प्रमाण से मानवीय समझ का प्रश्न पहले भी उठा है।
(घ) संतुलित निष्कर्ष: AI उपयोगी उपकरण है, पर मूल्यांकन में समझ, सत्यापनीयता और पुन: उपयोग की क्षमता शामिल हों। औपचारिकीकरण (Lean जैसे प्रमाण सहायक) विश्वसनीयता बढ़ाता है।

भाग 2 (लगभग 100 शब्द) भारत के लिए नीतिगत आयाम:
(i) पहुँच: IIT दिल्ली की वैष्णवी सुंदरराजन के अनुसार प्रमाण बनाने में करोड़ों डॉलर का कंप्यूट और ऊर्जा लगती है। साधारण शिक्षाविदों की पहुँच का प्रश्न है। IndiaAI मिशन (2024) के अंतर्गत साझा कंप्यूट क्षमता को शैक्षणिक गणित-अनुसंधान तक खोलना। अनुसंधान राष्ट्रीय अनुसंधान फाउंडेशन (ANRF) के माध्यम से वित्तपोषण।
(ii) सत्यापन: औपचारिक सत्यापन में निवेश, खुले स्रोत वाले मॉडल और प्रमाण-पुस्तकालय, तथा शोध-पत्रिकाओं में AI-प्रयोग के प्रकटीकरण के मानक।
(iii) सत्यनिष्ठा: निजी चैट से साहित्यिक चोरी के आरोप और त्रुटिपूर्ण प्रमाणों की आशंका के कारण श्रेय-निर्धारण और बौद्धिक संपदा के स्पष्ट नियम।
(iv) मानव पूँजी: युवा शोधकर्ताओं पर प्रभाव को देखते हुए पाठ्यक्रम और प्रशिक्षण में बदलाव। प्रकाशन-आधारित मूल्यांकन पर पुनर्विचार, क्योंकि AI-सुलभ प्रमाण से ‘शोध-पत्रिका अर्थव्यवस्था’ दबाव में आ सकती है।

निष्कर्ष: न उत्सव, न निराशावाद। मानव-AI सहयोग, पारदर्शिता और समान पहुँच पर आधारित नीति अपनानी चाहिए, ताकि भारत केवल उपभोक्ता न रहकर गणितीय अनुसंधान में सहभागी बने।

स्रोत: The Indian Express

---

शैक्षिक उद्देश्य हेतु AanyaAi द्वारा जनित।