OpenAI-এর GPT-5.6 Sol Ultra ৫০ বছরের পুরনো গাণিতিক অনুমানের সমাধান করেছে

OpenAI-এর সর্বশেষ রিজনিং মডেল, GPT-5.6 Sol Ultra, গ্রাফ থিওরির একটি গাণিতিক অনুমানের সমাধান করে একটি যুগান্তকারী সাফল্য অর্জন করেছে, যা ১৯৭০-এর দশক থেকে অমীমাংসিত ছিল। চরম কম্পিউটেশনাল অধ্যবসায় এবং একটি মাল্টি-এজেন্ট আর্কিটেকচার ব্যবহার করে, মডেলটি এক ঘণ্টারও কম সময়ে একটি সম্পূর্ণ প্রমাণ তৈরি করেছে।

গ্রাফ থিওরির রহস্য সমাধান

আলোচ্য অনুমানটি গ্রাফ থিওরির একটি মৌলিক প্রশ্নের সমাধান করে: ভার্টেক্স (vertices) এবং এজ (edges)-এর যেকোনো নেটওয়ার্কে কি এমন এক সেট সাইকেল (cycles) খুঁজে পাওয়া সম্ভব যা প্রতিটি এজকে ঠিক দুবার অতিক্রম করে? গত পাঁচ দশকে গণিতবিদরা নির্দিষ্ট কিছু ক্ষেত্রে আংশিক সমাধান খুঁজে পেলেও, একটি সাধারণ প্রমাণ পাওয়া অসম্ভব ছিল।

ম্যানচেস্টার বিশ্ববিদ্যালয়ের গণিতবিদ থমাস ব্লুম এই প্রমাণটিকে "সংক্ষিপ্ত, প্রাথমিক এবং যা ১৯৮০-এর দশকেও আবিষ্কৃত হতে পারত" বলে বর্ণনা করেছেন। মজার ব্যাপার হলো, এই সমাধানের জন্য সম্পূর্ণ নতুন কোনো গাণিতিক তত্ত্ব উদ্ভাবনের প্রয়োজন হয়নি; পরিবর্তে, এটি চতুরতার সাথে বিদ্যমান সরঞ্জাম এবং পরিচিত গাণিতিক কাঠামোকে সমন্বিত করেছে।

মেশিনের অধ্যবসায়ের শক্তি

একটি গুরুত্বপূর্ণ প্রশ্ন জাগে: যদি গণিতটি "প্রাথমিক" বা সহজ ছিল, তবে মানুষ কেন ৫০ বছর ধরে এটি সমাধান করতে ব্যর্থ হয়েছে? ব্লুম পরামর্শ দেন যে, সমাধানের জন্য যুক্তির ক্ষেত্রে একটি ছোট, আপাতবিরোধী (counterintuitive) মোড় প্রয়োজন ছিল। মানব গণিতবিদরা প্রায়শই এমন যৌক্তিক পথ অনুসরণ করেন যা ব্যর্থ হলে তারা এই সিদ্ধান্তে উপনীত হন যে সমস্যাটি সমাধান করা অসম্ভব।

বিপরীতে, GPT-5.6 Sol Ultra "মেশিন পারসিস্টেন্স" বা মেশিনের অধ্যবসায়ের একটি স্তর প্রদর্শন করে। এটি হতাশায় পর্যবসিত হওয়ার মতো কোনো জ্ঞানীয় পক্ষপাত (cognitive bias) অনুভব করে না। পরিবর্তে, একটি সফল পথ চিহ্নিত না হওয়া পর্যন্ত মডেলটি যুক্তি এবং লেবেলিংয়ের ক্ষুদ্রতম পরিবর্তনগুলো ক্রমাগত অন্বেষণ করে। "পরাজয়ের দম্ভ" বা হাল ছেড়ে না দিয়ে লজিক্যাল পারমুটেশনগুলোকে ব্রুট-ফোর্স করার এই ক্ষমতা এআই-কে সেই মানসিক বাধাগুলো অতিক্রম করতে সাহায্য করেছে যা মানব গবেষকদের আটকে দিয়েছিল।

উন্নত প্রম্পট ইঞ্জিনিয়ারিং এবং মাল্টি-এজেন্ট আর্কিটেকচার

Sol Ultra-এর সাফল্য কেবল কাঁচা বুদ্ধিমত্তার ফল ছিল না, বরং এটি ছিল অত্যন্ত উন্নত প্রম্পট ইঞ্জিনিয়ারিংয়ের ফলাফল। মডেলটি যেন ডিফল্টভাবে "আমি জানি না" বলে উত্তর না দেয়, তা নিশ্চিত করতে গবেষকরা কতগুলো কঠোর নির্দেশিকা ব্যবহার করেছিলেন:

• বাধ্যতামূলক অনুমান (Forced Assumption): প্রম্পটটি মডেলকে একটি সম্পূর্ণ প্রমাণ বিদ্যমান আছে বলে ধরে নিতে বাধ্য করেছিল, যা এটিকে অনুমানটি অমীমাংসিত বলে ঘোষণা করা থেকে বিরত রাখে।
• তথ্য বিচ্ছিন্নকরণ (Information Isolation): সমস্যাটি ইতিমধ্যে সমাধান করা হয়েছে কিনা তা যাচাই করার জন্য ইন্টারনেট সার্চ করা থেকে মডেলটিকে নিষিদ্ধ করা হয়েছিল।
• মাল্টি-এজেন্ট অ্যাডভারসারিয়াল টেস্টিং (Multi-Agent Adversarial Testing): ৬৪টি এজেন্টের একটি সিস্টেম ব্যবহার করা হয়েছিল। স্বাধীন যুক্তি নিশ্চিত করতে অনেক এজেন্টকে কোন লজিক্যাল পদ্ধতিটি কাজ করছে সে সম্পর্কে "অন্ধকারেই" রাখা হয়েছিল, অন্যদিকে অ্যাডভারসারিয়াল এজেন্টরা সম্ভাব্য প্রমাণগুলোর নির্দিষ্ট ত্রুটি, যেমন ভুলভাবে চিহ্নিত ক্লোজড পাথ (closed paths) পরীক্ষা করেছিল।

এআই সৃজনশীলতা এবং সাইটেশন নিয়ে বিতর্ক

এই যুগান্তকারী সাফল্যটি এই বিতর্ককে পুনরায় উসকে দিয়েছে যে, LLM-গুলো কি সত্যিই "সৃজনশীল" নাকি কেবল বিদ্যমান জ্ঞানের অত্যন্ত উন্নত পুনর্সংযোজনকারী (recombinators)। ব্লুম উল্লেখ করেছেন যে, এই প্রমাণের মূল ধারণাগুলো ১৯৮৩ সালে বারমন্ড, জ্যাকসন এবং জেগারের একটি গবেষণাপত্রের সাথে সম্পর্কিত। তিনি এই পূর্ববর্তী কাজের সাইটেশন দিতে ব্যর্থ হওয়ার জন্য OpenAI-কে সমালোচনা করেছেন এবং উল্লেখ করেছেন যে এআই-জেনারেটেড পেপারগুলো প্রায়শই যথাযথ স্বীকৃতি ছাড়াই বিদ্যমান কৌশলগুলো ব্যবহার করে।

যদিও বৈজ্ঞানিক সম্প্রদায় এখনও পূর্ণ গাণিতিক যাচাইকরণের অপেক্ষায় রয়েছে, এই ঘটনাটি এআই জগতের একটি পরিবর্তনের ইঙ্গিত দেয়। উন্মুক্ত বৈজ্ঞানিক সমস্যাগুলো সমাধানের জন্য ক্রমবর্ধমানভাবে বৃহৎ আকারের এআই মডেলগুলো ব্যবহার করা হচ্ছে, যা সম্ভবত এমন সমাধান উন্মোচন করতে পারে যা সব সময় মানুষের নাগালের মধ্যেই ছিল।

মূল বিষয়সমূহ

• জটিলতার চেয়ে অধ্যবসায় বেশি গুরুত্বপূর্ণ: এআই নতুন গণিত উদ্ভাবন করে নয়, বরং বিদ্যমান তত্ত্বগুলোকে মানুষের অভাবনীয় অক্লান্ত লজিক্যাল বৈচিত্র্যের মাধ্যমে প্রয়োগ করে একটি দীর্ঘস্থায়ী সমস্যার সমাধান করেছে।
• কঠোর সীমাবদ্ধতা ফলাফল নিশ্চিত করে: "অ্যাডভারসারিয়াল" প্রম্পটিং ব্যবহার এবং ইন্টারনেট সার্চ নিষিদ্ধ করার ফলে মডেলটি একটি সাধারণ "অমীমাংসিত" উত্তরের পরিবর্তে সমাধান খুঁজে পেতে বাধ্য হয়েছিল।
• সাইটেশনের চ্যালেঞ্জ: এই ঘটনাটি এআই গবেষণায় একটি ক্রমবর্ধমান উদ্বেগের কথা তুলে ধরেছে, যেখানে মডেলগুলো বিদ্যমান বৈজ্ঞানিক সাহিত্যকে পুনর্গঠিত করার সময় যথাযথ সাইটেশন বা স্বীকৃতি দিতে ব্যর্থ হয়।