ગણિત અપાચનના સંકટનો સામનો કરી રહ્યું છે
ગણિત 21મી સદીમાં આગળ વધી રહ્યું છે. સેંકડો વર્ષો સુધી, ગણિતના સંશોધનની ગતિ ધીમી રહી હતી. એક સંશોધક પરિણામ શોધે છે, સાથીદારો તેની સમીક્ષા કરે છે, અને અંતે તે પાઠ્યપુસ્તકમાં સ્થાન પામે છે. આ પ્રક્રિયા સ્થિર અને અનુમાનિત છે.
AI એ બધું જ બદલી નાખ્યું છે. તે ખૂબ જ ઝડપથી પ્રૂફ્સ બનાવે છે અને સમસ્યાઓ ઉકેલે છે. આનાથી નવા કન્ટેન્ટનો વિશાળ ઢગલો ઊભો થાય છે. માનવ સમીક્ષકો તેની સાથે મેળ બેસાડી શકતા નથી. આનાથી એવી સ્થિતિ સર્જાય છે જેને ટેરેન્સ તાઉ 'proof indigestion' કહે છે. શૈક્ષણિક પ્રણાલી ટ્રાફિક જામનો સામનો કરી રહી છે.
AI એક ઝડપી કાર જેવું છે. વર્તમાન શૈક્ષણિક જર્નલ્સ ઘોડા ગાડીઓ માટે બનાવેલા સાંકડા પથ્થરના રસ્તાઓ જેવા છે. તમે અકસ્માત વગર સાંકડા રસ્તા પર ઝડપી કાર ચલાવી શકતા નથી. જો રસ્તો જ તૂટેલો હોય, તો કાર અપગ્રેડ કરવાથી કોઈ ફાયદો થતો નથી. આપણે AI માટે નવા રસ્તાઓ બનાવવા પડશે.
ટેરેન્સ તાઉ SAIR સ્પર્ધાઓ દ્વારા આ નવા રસ્તાઓ બનાવી રહ્યા છે. તેઓ માનવો અને AI માટે અલગ ટ્રેક બનાવે છે.
એક સ્પર્ધા Distillation Challenge છે. સંશોધકો 22 મિલિયન બીજગણિતની સમસ્યાઓના વિશાળ ડેટાસેટનો ઉપયોગ કરે છે. મોટા AI મોડલ્સ આને સરળતાથી ઉકેલે છે પરંતુ તેમાં ઘણો ખર્ચ થાય છે. આ પડકાર સહભાગીઓને નાના, સસ્તા મોડલ્સ માટે એક પાનાની ચીટ શીટ લખવા માટે કહે છે. તેનો ધ્યેય મોટા મોડલ્સમાંથી જ્ઞાન નાના મોડલ્સમાં સ્થાનાંતરિત કરવાનો છે. શ્રેષ્ઠ ચીટ શીટ્સ દ્વારા ચોકસાઈ 50% થી વધારીને 80% કરવામાં આવી છે.
બીજી સ્પર્ધા Inverse Galois Problem છે. આને ડિજિટલ એગ હન્ટ (egg hunt) તરીકે વિચારો. અહીં 160,000 વિવિધ ગાણિતિક ગુણધર્મો અથવા રંગો છે. સહભાગીઓ એવા ચોક્કસ બહુપદીઓ (polynomials) શોધે છે જે આ રંગો સાથે મેળ ખાતા હોય. જો તમને એવો દુર્લભ રંગ મળે જે બીજા કોઈ પાસે નથી, તો તમે પોઈન્ટ્સ મેળવો છો. આ ગણિતને એક પ્રાયોગિક વિજ્ઞાનમાં ફેરવે છે.
આ સ્પર્ધાઓ ગણિતશાસ્ત્રીઓને બદલી દેતી નથી. તેઓ કામ કરવાની નવી રીતો બનાવે છે. તેઓ માનવ ચાલવાના રસ્તાને AI હાઇવેથી અલગ કરે છે.
આ મોડેલ તમામ વિજ