Claude AI એજન્ટોએ ક્રિટિકલ લાઇન પર આવેલા Riemann-zeta શૂન્યોના પ્રમાણિત પ્રમાણને 41.6% થી વધારીને 67.2% કર્યું છે. આ ઉછાળો Riemann hypothesis ને સાબિત કરતો નથી, પરંતુ તે દર્શાવે છે કે મોટા પાયે AI-સંચાલિત વર્કફ્લો ગાણિતિક રીતે ચકાસી શકાય તેવું પરિણામ આપી શકે છે.
Riemann hypothesis શા માટે મહત્વનું છે
આ અનુમાન જણાવે છે કે Riemann zeta ફંક્શનના દરેક non-trivial શૂન્યનો વાસ્તવિક ભાગ (real part) બરાબર ½ હોય છે. તે શૂન્યો અવિભાજ્ય સંખ્યાઓના વિતરણને નિયંત્રિત કરે છે, તેથી આ અનુમાનની પુષ્ટિ કરવાથી અવિભાજ્ય પેટર્ન અને complex analysis વચ્ચેનો સંબંધ વધુ મજબૂત બનશે. અત્યાર સુધી, માત્ર અમુક ભાગના શૂન્યો જ "ક્રિટિકલ લાઇન" પર હોવાનું સાબિત થયું છે. આ પ્રમાણને વધારવું એ પ્રગતિ માટેનું એક પ્રમાણભૂત માપદંડ છે.
Anthropic 67.2% સુધી કેવી રીતે પહોંચ્યું
Anthropic એ તેના કોડ-કેન્દ્રિત મોડેલ, Claude Code ને બે સઘન સંશોધન સત્રો દ્વારા ચલાવ્યું હતું. બીજા સત્રમાં 60 sub-agents તૈનાત કરવામાં આવ્યા હતા જેઓ 2,400 થી વધુ shell commands દ્વારા સંકલન સાધતા હતા અને સેંકડો Python સ્ક્રિપ્ટ્સ જનરેટ કરતા હતા. કુલ મળીને આ પ્રક્રિયામાં અંદાજે 31 મિલિયન આઉટપુટ ટોકન્સ બહાર આવ્યા—જે લગભગ એક ટૂંકી નવલકથા જેટલા છે.
ટીમમાં રહેલા ગણિતશાસ્ત્રીઓએ પરિણામી પેપરનું ઓડિટ કર્યું અને Lean 4 formalization, જે એક machine-checked proof language છે, તે બહાર પાડ્યું જેથી અન્ય લોકો દરેક પગલું ચકાસી શકે. આ કાર્યમાં Claude ના આંતરિક, અનરિલીઝ્ડ રિસર્ચ વર્ઝનનો ઉપયોગ કરવામાં આવ્યો હતો, અને ચકાસણી ઔપચારિક peer review ને બદલે આંતરિક તપાસ અને નિષ્ણાતોના ટૂંકા રિવ્યુ પર આધારિત હતી.
પરિણામ ખરેખર શું કહે છે
નવું પેપર ક્રિટિકલ લાઇન પરના શૂન્યોના સાબિત થયેલા lower bound ને 41.6% થી વધારીને 67.2% કરે છે. આ આંકડો એક lower bound છે: લાઇન પર ઘણા વધુ શૂન્યો હોઈ શકે છે પરંતુ વિશ્લેષણ તેને પકડી શક્યું નથી.
મહત્વની વાત એ છે કે, આ પરિણામ અનુમાનને સંપૂર્ણ સાબિતીની વધુ નજીક લઈ જતું નથી. અનુમાન માટે તમામ non-trivial શૂન્યો લાઇન પર હોવા જરૂરી છે; 67.2% lower bound એક તૃતીયાંશથી વધુ શૂન્યોને વણગણિત છોડી દે છે.
AI અભિગમની મર્યાદાઓ
Anthropic ના પોતાના નિવેદનો સ્પષ્ટ કરે છે કે તેઓ હાલના વર્કફ્લોથી ટૂંક સમયમાં અનુમાનનો ઉકેલ આવવાની અપેક્ષા રાખતા નથી. તાર્કિક ખામીઓ માટે હજુ પણ મનુષ્યોએ મોડેલના આઉટપુટની સમીક્ષા કરવી પડે છે, અને આંતરિક ચકાસણી પ્રક્રિયામાં સમુદાયના peer review જેવી કડકતાનો અભાવ છે. Claude નું રિસર્ચ વર્ઝન જાહેરમાં ઉપલબ્ધ નથી, તેથી સ્વતંત્ર પુનરાવર્તન (replication) મર્યાદિત છે.
હવે આગળ શું
Lean 4 formalization ના வெளியતરથી વ્યાપક ગાણિતિક સમુદાયને આ સાબિતીનું ઓડિટ કરવા માટે આમંત્રણ મળે છે.
Takeaway
Anthropic ના Claude એજન્ટોએ સાબિત કર્યું છે કે AI જટિલ ગાણિતિક વિધાનોની ચકાસણીને વેગ આપી શકે છે, જે Riemann-zeta શૂન્યો માટે જાણીતા lower bound માં નોંધપાત્ર સુધારો લાવે છે. આ સફળતા મોટા research-agent વર્કફ્લો માટે એક proof-of-concept છે, તે પોતે millennium-prize સમસ્યાનો ઉકેલ નથી.