গণিত এখন একটি হজম সংক্রান্ত সংকটের সম্মুখীন
গণিত একবিংশ শতাব্দীতে পদার্পণ করছে। শত শত বছর ধরে গণিত গবেষণার গতি ছিল ধীর। একজন গবেষক একটি ফলাফল খুঁজে পান, সহকর্মীরা সেটি পর্যালোচনা করেন এবং শেষ পর্যন্ত তা একটি পাঠ্যপুস্তকে স্থান পায়। এই প্রক্রিয়াটি ছিল স্থিতিশীল এবং অনুমেয়।
AI সবকিছু বদলে দিয়েছে। এটি অত্যন্ত দ্রুত গতিতে প্রমাণ তৈরি করে এবং সমস্যার সমাধান করে। এর ফলে নতুন কন্টেন্টের একটি বিশাল স্তূপ তৈরি হচ্ছে। মানুষের পক্ষে তা পর্যালোচনা করা সম্ভব হচ্ছে না। এটি এমন একটি পরিস্থিতি তৈরি করছে যাকে টেরেন্স টাও (Terence Tao) 'proof indigestion' বা প্রমাণের হজম সংক্রান্ত সমস্যা বলে অভিহিত করেছেন। একাডেমিক ব্যবস্থা এখন যানজটে আটকে পড়েছে।
AI হলো একটি দ্রুতগতির গাড়ির মতো। বর্তমানের একাডেমিক জার্নালগুলো হলো ঘোড়ার গাড়ির জন্য তৈরি সরু পাথুরে রাস্তার মতো। একটি সরু পথে দুর্ঘটনা না ঘটিয়ে দ্রুতগতির গাড়ি চালানো সম্ভব নয়। রাস্তা যদি ভাঙা থাকে, তবে গাড়ির মান উন্নত করলেও কোনো লাভ হবে না। আমাদের AI-এর জন্য নতুন রাস্তা তৈরি করতে হবে।
টেরেন্স টাও SAIR প্রতিযোগিতার মাধ্যমে এই নতুন রাস্তাগুলো তৈরি করছেন। তিনি মানুষ এবং AI-এর জন্য আলাদা ট্র্যাক তৈরি করছেন।
একটি প্রতিযোগিতা হলো Distillation Challenge। গবেষকরা ২২ মিলিয়নেরও বেশি বীজগণিতীয় সমস্যার একটি বিশাল ডেটাসেট ব্যবহার করেন। বড় AI মডেলগুলো এগুলো সহজেই সমাধান করতে পারে কিন্তু এতে প্রচুর খরচ হয়। এই চ্যালেঞ্জে অংশগ্রহণকারীদের ছোট এবং সাশ্রয়ী মডেলগুলোর জন্য এক পৃষ্ঠার একটি cheat sheet লিখতে বলা হয়। এর লক্ষ্য হলো বড় মডেল থেকে ছোট মডেলগুলোতে জ্ঞান স্থানান্তর করা। সেরা cheat sheetগুলো ইতিমধ্যে নির্ভুলতার হার ৫০% থেকে বাড়িয়ে ৮০% করেছে।
আরেকটি প্রতিযোগিতা হলো Inverse Galois Problem। এটিকে একটি ডিজিটাল egg hunt হিসেবে ভাবুন। এখানে ১৬০,০০০টি ভিন্ন ভিন্ন গাণিতিক বৈশিষ্ট্য বা রঙ রয়েছে। অংশগ্রহণকারীরা এমন নির্দিষ্ট বহুপদী (polynomial) খোঁজেন যা এই রঙগুলোর সাথে মিলে যায়। আপনি যদি এমন কোনো বিরল রঙ খুঁজে পান যা অন্য কেউ পায়নি, তবে আপনি পয়েন্ট পাবেন। এটি গণিতকে একটি পরীক্ষামূলক বিজ্ঞানে পরিণত করে।
এই প্রতিযোগিতাগুলো গণিতবিদদের প্রতিস্থাপন করছে না। বরং এগুলো কাজের নতুন পথ তৈরি করছে। এগুলো মানুষের হাঁটার পথ এবং AI-এর হাইওয়েকে আলাদা করে দিচ্ছে।
এই মডেলটি সমস্ত বিজ্ঞানের ক্ষেত্রে কার্যকর হতে পারে। যদি কোনো ক্ষেত্রে বিশাল ডেটাসেট এবং যাচাইযোগ্য কাজ থাকে, তবে সেখানে এই পদ্ধতি ব্যবহার করা সম্ভব। গণিত কেবল একটি শুরুর বিন্দু মাত্র।
ঐচ্ছিক লার্নিং কমিউনিটি: https://t.me/GyaanSetuAi