समाचारं

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

बैजियाओ पश्चिमवायुः आओफेई मन्दिरात् उत्पद्यते
Qubits |.सार्वजनिक खाता QbitAI

अधुना एव, बृहत् मॉडलः पुनः एकं नगरं जित्वा!

Google DeepMind इत्यनेन घोषितं यत् तेषां गणितीयः AI IMO (International Mathematical Olympiad) इत्यस्मिन् रजतपदकं "जिता", तथा च स्वर्णपदकात् केवलं एकं बिन्दुं दूरम् अस्ति!

आम्, भवता तत् सम्यक् श्रुतम्! एषः गणितीयः ओलम्पियाड् प्रश्नः अस्ति यः अधिकांशस्य मानवस्य कृते कठिनः अस्ति । भवन्तः अवश्यं जानन्ति यत् अस्मिन् वर्षे ६०९ IMO प्रतिभागिषु केवलं ५८ जनाः एव स्वर्णपदकस्तरं प्राप्तवन्तः।

अस्मिन् समये गूगल एआइ इत्यनेन २०२४ तमे वर्षे IMO स्पर्धायां ६ प्रश्नेषु ४ प्रश्नानां समाधानं कृतम्, तथा च...एकदा भवन्तः सम्यक् स्कोरं कृतवन्तः तदा भवन्तः कुलम् २८ अंकं प्राप्नुवन्ति . (पूर्णाङ्कः ४२ अंकाः, स्वर्णपदकस्य स्कोरः २९ अंकाः)

तेषु चतुर्थस्य ज्यामितिप्रश्नस्य कृते एआइ केवलं १९ सेकेण्ड् यावत् गृहीतवान्? !

यथा षष्ठः प्रश्नः, यः अस्मिन् वर्षे कठिनतमः इति कथ्यते, अस्मिन् वर्षे केवलं पञ्च प्रतियोगिनः एव तत् जित्वा, तत् च सर्वथा सम्यक् आसीत्

अस्मिन् समये परिणामाः IMO आयोजनसमित्या अपि व्यावसायिकरूपेण प्रमाणिताः आसन् - IMO स्वर्णपदकविजेता फील्ड्स् पदकविजेता च प्रोफेसर टिमोथी गॉवर्सः, द्विवारं IMO स्वर्णपदकविजेता, 2024 IMO मुद्दे चयनसमितेः अध्यक्षः च डॉ. जोसेफ मायर्स् इत्यनेन रेटिङ्ग् कृतम्

प्रोफेसर टिमोथी गॉवर्सः प्रत्यक्षतया उद्घोषितवान् यत् -अहं जानामि यत् अत्याधुनिकस्तरात् दूरम्。

लाइकाङ्काङ्गः कथं करोति ?

गूगलः IMO रजतपदकं प्राप्तवान्, आल्फा परिवारस्य नूतनः सदस्यः बहिः आगच्छति

अस्मिन् समये IMO रजतपदकं प्राप्तवन्तौ गूगलस्य आल्फा-परिवारस्य सदस्यद्वयं प्रत्येकं डिजिटल-उद्योगे विशेषज्ञतां प्राप्नोति ।

• अल्फाप्रूफ, अल्फा परिवारस्य नूतनः सदस्यः, सुदृढीकरणशिक्षणस्य आधारेण औपचारिकगणितीयतर्कप्रणाली ।
• अल्फाज्यामिति २, AlphaGeometry इत्यस्य पूर्वसुधारितं संस्करणं, विशेषतया ज्यामितीयसमस्यानां समाधानार्थं प्रयुक्तम् ।

प्रथमं नूतनं सदस्यं-AlphaProof इति ज्ञातुम्।

इयं स्वप्रशिक्षणव्यवस्था अस्ति या औपचारिकभाषा Lean इत्यस्य उपयोगेन गणितीयकथनानि सिद्धं कर्तुं शक्नोति। एतत् पूर्वप्रशिक्षितभाषाप्रतिमानं AlphaZero सुदृढीकरणशिक्षण एल्गोरिदम् इत्यनेन सह संयोजयति ।

मिथुनस्य सूक्ष्म-समायोजनेन, दलं स्वयमेव प्राकृतिकभाषा-कथनानि औपचारिकभाषा-Lean-कथनेषु परिवर्तयितुं शक्नोति, तस्मात् एकं विशालं गणितीय-प्रश्न-बैङ्कं निर्माति

यदा समस्यायाः सामना भवति तदा AlphaProof समाधान-अभ्यर्थिनः जनयति ततः Lean मध्ये सम्भाव्य-प्रमाण-पदार्थानाम् अन्वेषणेन एतेषां अभ्यर्थीनां सिद्धं वा असत्यं वा करोति ।

प्रत्येकं प्रमाणं प्राप्तं सत्यापितं च AlphaProof इत्यस्य भाषाप्रतिरूपं सुदृढं कर्तुं उपयुज्यते, तस्मात् अनन्तरं अधिकचुनौत्यसमस्यानां समाधानस्य क्षमतायां सुधारः भवति ।

प्रतियोगितायाः प्रथमेषु कतिपयेषु सप्ताहेषु पुनरावर्तनीयचक्रे IMO-स्तरीय-कोटि-कोटि-प्रश्नानां विषये अस्य प्रशिक्षणं कृतम् ।

स्पर्धासु प्रशिक्षणपाशः अपि प्रयुक्तः भवति, यत्र आत्मप्रमाणानि निरन्तरं सुदृढाः भवन्ति यावत् सम्पूर्णं समाधानं न लभ्यते ।

विकासानन्तरं किं जातम् इति अवलोकयामःअल्फाज्यामिति २ . इयं न्यूरो-प्रतीकात्मकसंकरप्रणाली अस्ति यस्मिन् भाषाप्रतिरूपं मिथुनराशिना आधारितं भवति ।

अस्य पूर्ववर्ती १.० अपि अस्मिन् वर्षे नेचर इत्यत्र प्रदर्शितम् आसीत् :मानवीयप्रदर्शनं विना IMO स्वर्णपदकविजेतानां ज्यामितिस्तरं प्राप्तुं。

पूर्वसंस्करणस्य तुलने एतत् आद्यतः प्रशिक्षणार्थं परिमाणस्य क्रमेण बृहत्तरं कृत्रिमदत्तांशं उपयुज्यते । तथा च तया प्रयुक्तं प्रतीकात्मकं इञ्जिनं पूर्ववर्ती इञ्जिनात् द्वौ क्रमौ द्रुततरं भवति। यदा नूतनाः समस्याः सम्मुखीभवन्ति तदा अधिकजटिलसमस्यानां समाधानार्थं भिन्न-भिन्न-अन्वेषण-वृक्षाणां उन्नत-संयोजनं सक्षमं कर्तुं नूतन-ज्ञान-साझेदारी-तन्त्रस्य उपयोगः भवति

आधिकारिकप्रतियोगितायाः पूर्वं विगत २५ वर्षेषु सर्वासु IMO ज्यामितिसमस्यानां ८३% समाधानं पूर्वमेव कर्तुं शक्नोति स्म, यदा तु तस्य पूर्ववर्ती समाधानस्य दरः केवलं ५३% आसीत्

अस्मिन् वर्षे IMO स्पर्धायां चतुर्थप्रश्नस्य पूर्णतायै केवलं १९ सेकेण्ड् समयः अभवत् ।

ततः अस्मिन् समये एतौ द्वौ जनाः कथं मिलित्वा कार्यं कुर्वन्ति इति अवलोकयामः IMO.

प्रथमं समस्यायाः हस्तचलितरूपेण औपचारिकगणितभाषायां अनुवादः भवति येन सा प्रणाल्या अवगन्तुं शक्यते ।

वयं जानीमः यत् मानवस्पर्धायाः समये उत्तराणि द्वौ वारौ प्रस्तूयन्ते, प्रत्येकं समये ४.५ घण्टाः यावत् भवन्ति ।

गूगल-प्रणालीद्वयेन प्रथमं कतिपयेषु निमेषेषु एकस्याः समस्यायाः समाधानं कृतम्, अन्येषु समस्यासु त्रयः दिवसाः यावत् समयः अभवत् ।

अन्ततः अल्फाप्रूफ् इत्यनेन उत्तराणि निर्धारयित्वा तेषां सम्यक्त्वं सिद्ध्य द्वौ बीजगणितसमस्यायाः एकस्याः संख्यासिद्धान्तसमस्यायाः च समाधानं कृतम् ।

अस्मिन् स्पर्धायाः कठिनतमः प्रश्नः अपि अन्तर्भवति, यः षष्ठः प्रश्नः अस्ति यस्य समाधानं केवलं पञ्च खिलाडयः अस्मिन् वर्षे IMO स्पर्धायां कृतवन्तः।

AlphaGeometry 2 ज्यामितिसमस्यायाः समाधानं करोति, यदा तु संयोजनसमस्याद्वयं असमाधानं भवति ।

तदतिरिक्तं गूगल-दलेन मिथुनराशि-आधारितस्य प्राकृतिकभाषा-तर्क-प्रणाल्याः प्रयोगः अपि कृतः । अन्येषु शब्देषु समस्यायाः औपचारिकभाषायां अनुवादस्य आवश्यकता नास्ति तथा च अन्यैः एआइ-प्रणालीभिः सह तस्याः उपयोगः कर्तुं शक्यते ।

गणितीयतर्कस्य उन्नतिं कर्तुं अधिकानि एआइ-विधयः अपि अन्वेषयिष्यन्ति इति दलेन उक्तम्।

AlphaProof इत्यस्य विषये अधिकानि तान्त्रिकविवरणानि अपि शीघ्रमेव प्रकाशयितुं योजना अस्ति।

नेटिजनः - अहं गणितं न अवगच्छामि किन्तु अहं स्तब्धः अभवम्

एतयोः प्रणाल्याः कार्यक्षमतां दृष्ट्वा नेटिजनाः "गणितं न अवगच्छन्ति किन्तु स्तब्धाः" इति व्यक्तवन्तः ।

एआइ प्रोग्रामर डेविन् दलस्य कोग्निशन एआइ इत्यस्य सहसंस्थापकः स्कॉट् वू अवदत् यत् -

परिणामाः यथार्थतया आश्चर्यजनकाः सन्ति। बाल्ये ओलम्पियाड् मम कृते सर्वं आसीत् । कदापि न चिन्तितम् यत् १० वर्षेभ्यः कृत्रिमबुद्ध्या तेषां समाधानं भविष्यति।

OpenAI वैज्ञानिकः Noam Brown अपि अभिनन्दनार्थं माइक्रोफोनम् उद्घाटितवान् यत् -

परन्तु केचन नेटिजनाः अवदन् यत् यदि मानकप्रतियोगितायाः समयः अनुसृतः भवति (स्पर्धा द्वौ दिवसौ, सार्धचतुर्घण्टासु विभक्तः भवति, प्रतिदिनं च त्रीणि समस्यानि समाधानं प्राप्नुवन्ति), तर्हि एआइ-प्रणालीद्वयं वस्तुतः केवलं एकस्य समाधानं कर्तुं शक्नोति षट् समस्याः ।

एतत् वचनं तत्क्षणमेव केभ्यः नेटिजनैः खण्डितं यत् -

अस्मिन् परिदृश्ये वेगः मुख्यचिन्ता न भवति । यदि प्लवकबिन्दुसञ्चालनानां (फ्लॉप्स्) संख्या नित्यं तिष्ठति तर्हि गणनासंसाधनानाम् वर्धनेन समस्यायाः समाधानार्थं आवश्यकः समयः लघुः भविष्यति ।

अस्य विषये केचन नेटिजनाः अपि पृष्टवन्तः यत् -

एआइ-प्रणालीद्वयं संयोजनप्रश्नानां उत्तरं दातुं असफलतां प्राप्तवन्तौ किं प्रशिक्षणसमस्या अस्ति वा अपर्याप्तगणनासंसाधनं वा समयः वा? अथवा अन्ये प्रतिबन्धाः सन्ति?

प्रोफेसर टिमोथी गॉवर्सः स्वविचारं ट्वीट् कृतवान् यत् -

यदि मानवप्रतियोगिनः प्रत्येकं प्रश्ने अधिकं समयं व्यतीतुं शक्नुवन्ति स्म तर्हि तेषां स्कोरः निःसंदेहं अधिकः स्यात् । परन्तु एआइ-प्रणालीनां कृते एतत् पूर्वस्वचालित-प्रमेय-प्रमाणकानां क्षमतां दूरम् अतिक्रान्तम् अस्ति, द्वितीयं यत् यथा यथा कार्यक्षमता सुधरति तथा तथा आवश्यकः समयः अधिकं लघुः भविष्यति इति अपेक्षा अस्ति

परन्तु विगतदिनद्वये अपि बृहत् मॉडलः "कः संख्या बृहत्तरः, ९.११ वा ९.९" इति विषये अटत्? !

मम मनः नष्टं जातम्, अधुना सहसा विचारः आगत्य मनः पुनः प्राप्तः?

एनवीडिया वैज्ञानिकः जिम फैन् व्याख्यायते यत् - आम्प्रशिक्षणदत्तांशवितरणंसमस्या।

गूगलस्य प्रणाली औपचारिकप्रमाणेषु, डोमेन-विशिष्टेषु प्रतीकात्मकेषु इञ्जिनेषु च प्रशिक्षिता आसीत् । किञ्चित्पर्यन्तं ते सामान्यबृहत्प्रतिमानानाम् आधारेण अपि ओलम्पियाड्-समाधानं कर्तुं अत्यन्तं विशेषज्ञाः सन्ति ।

GPT-4o इत्यादिप्रशिक्षणसमूहे GitHub कोडदत्तांशस्य बृहत् परिमाणं भवति, यत् गणितीयदत्तांशं दूरं अतिक्रमितुं शक्नोति । सॉफ्टवेयरसंस्करणेषु "v9.11>v9.9" इति, एतेन वितरणं भृशं तिर्यक् कर्तुं शक्यते । अतः, एषा त्रुटिः सर्वथा न्याय्यः अस्ति।

अस्य विचित्रस्य विषये सः तत् यथा वर्णितवान्

वयं अतीव विचित्रं प्रदेशं आविष्कृतवन्तः, यथा बहिर्ग्रहः यः पृथिवी इव दृश्यते परन्तु विचित्रद्रोणीभिः परिपूर्णः अस्ति ।

उत्साही नेटिजनाः अपि सन्ति ये OpenAI इत्यस्मात् संकेतं गृहीतवन्तः कदाचित् भवान् अपि तस्य प्रयोगं कर्तुं शक्नोति...

अस्य कृते अल्ट्रामैनस्य उत्तरम् आसीत् यत् -

सन्दर्भलिङ्कानि : १.
[1]https://x.com/googledeepmind/status/1816498082860667086?s=46
[2]https://x.com/jeffdean/status/1816498336171753948?s=46
[3]https://x.com/quocleix/status/1816501362328494500?s=46
[4]https://x.com/drjimfan/status/1816521330298356181?s=46
[5]https://deepmind.google/discover/blog/ai-रजत-पदक-स्तरस्य-इमो-समस्यानां-समाधानं-कृतम्/