OpenAI ನ GPT-5.6 Sol Ultra 50 ವರ್ಷಗಳ ಹಳೆಯ ಗಣಿತದ ಕಲ್ಪನೆಯನ್ನು (Conjecture) ಪರಿಹರಿಸಿದೆ

OpenAI ನ ಇತ್ತೀಚಿನ ರೀಸನಿಂಗ್ ಮಾಡೆಲ್ (reasoning model), GPT-5.6 Sol Ultra, 1970 ರ ದಶಕದಿಂದಲೂ ಪರಿಹಾರವಾಗದೆ ಉಳಿದಿದ್ದ ಗಣಿತದ ಕಲ್ಪನೆಯನ್ನು (conjecture) ಪರಿಹರಿಸುವ ಮೂಲಕ ಗ್ರಾಫ್ ಥಿಯರಿಯಲ್ಲಿ (graph theory) ಒಂದು ಮಹತ್ವದ ಮೈಲಿಗಲ್ಲನ್ನು ಸಾಧಿಸಿದೆ ಎಂದು ವರದಿಯಾಗಿದೆ. ಅತಿ ಹೆಚ್ಚಿನ ಕಂಪ್ಯೂಟೇಶನಲ್ ಪರ್ಸಿಸ್ಟೆನ್ಸ್ (computational persistence) ಮತ್ತು ಮಲ್ಟಿ-ಏಜೆಂಟ್ ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ಬಳಸಿಕೊಳ್ಳುವ ಮೂಲಕ, ಈ ಮಾಡೆಲ್ ಒಂದು ಗಂಟೆಗಿಂತ ಕಡಿಮೆ ಅವಧಿಯಲ್ಲಿ ಸಂಪೂರ್ಣ ಪುರಾವೆಯನ್ನು (proof) ನೀಡಿದೆ.

ಗ್ರಾಫ್ ಥಿಯರಿ ರಹಸ್ಯದ ಪರಿಹಾರ

ಈ ಕಲ್ಪನೆಯು ಗ್ರಾಫ್ ಥಿಯರಿಯ ಮೂಲಭೂತ ಪ್ರಶ್ನೆಯೊಂದನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ: ಯಾವುದೇ ಶೃಂಗ (vertices) ಮತ್ತು ಅಂಚುಗಳ (edges) ನೆಟ್‌ವರ್ಕ್‌ನಲ್ಲಿ, ಪ್ರತಿಯೊಂದು ಅಂಚನ್ನು ನಿಖರವಾಗಿ ಎರಡು ಬಾರಿ ಮಾತ್ರ ದಾಟುವಂತಹ ಸೈಕಲ್‌ಗಳ ಗುಂಪನ್ನು ಕಂಡುಹಿಡಿಯಲು ಸಾಧ್ಯವೇ? ಕಳೆದ ಐದು ದಶಕಗಳಲ್ಲಿ ಗಣಿತಜ್ಞರು ನಿರ್ದಿಷ್ಟ ಸಂದರ್ಭಗಳಿಗೆ ಭಾಗಶಃ ಪರಿಹಾರಗಳನ್ನು ಕಂಡುಕೊಂಡಿದ್ದರೂ, ಸಾಮಾನ್ಯ ಪುರಾವೆ (general proof) ಸಿಗದೆ ಕಷ್ಟಸಾಧ್ಯವಾಗಿತ್ತು.

ಮ್ಯಾಂಚೆಸ್ಟರ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಗಣಿತಜ್ಞ ಥಾಮಸ್ ಬ್ಲೂಮ್, ಈ ಪುರಾವೆಯನ್ನು "ಸಣ್ಣದು, ಪ್ರಾಥಮಿಕವಾದುದು ಮತ್ತು ಇದನ್ನು 1980 ರ ದಶಕದಲ್ಲೇ ಕಂಡುಹಿಡಿಯಬಹುದಿತ್ತು" ಎಂದು ವಿವರಿಸಿದ್ದಾರೆ. ಆಶ್ಚರ್ಯಕರ ಸಂಗತಿಯೆಂದರೆ, ಈ ಪರಿಹಾರಕ್ಕೆ ಸಂಪೂರ್ಣವಾಗಿ ಹೊಸ ಗಣಿತದ ಸಿದ್ಧಾಂತಗಳ ಅಗತ್ಯವಿರಲಿಲ್ಲ; ಬದಲಾಗಿ, ಇದು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಪರಿಕರಗಳು ಮತ್ತು ತಿಳಿದಿರುವ ಗಣಿತದ ಚೌಕಟ್ಟುಗಳನ್ನು ಚಾಕಚಕ್ಯತೆಯಿಂದ ಸಂಯೋಜಿಸಿದೆ.

ಯಂತ್ರದ ಪರ್ಸಿಸ್ಟೆನ್ಸ್‌ನ ಶಕ್ತಿ

ಇಲ್ಲಿ ಒಂದು ಪ್ರಮುಖ ಪ್ರಶ್ನೆ ಎದುರಾಗುತ್ತದೆ: ಗಣಿತವು "ಪ್ರಾಥಮಿಕ"ವಾಗಿದ್ದರೂ, ಮಾನವರು ಇದನ್ನು 50 ವರ್ಷಗಳ ಕಾಲ ಏಕೆ ಪರಿಹರಿಸಲು ವಿಫಲರಾದರು? ಇದಕ್ಕೆ ಕಾರಣವು ತರ್ಕದಲ್ಲಿನ ಒಂದು ಸಣ್ಣ, ವಿರೋಧಾತ್ಮಕ ತಿರುವು (counterintuitive twist) ಎಂದು ಬ್ಲೂಮ್ ಸೂಚಿಸುತ್ತಾರೆ. ಮಾನವ ಗಣಿತಜ್ಞರು ಹೆಚ್ಚಾಗಿ ತಾರ್ಕಿಕ ಹಾದಿಗಳನ್ನು ಅನುಸರಿಸುತ್ತಾರೆ, ಅವು ವಿಫಲವಾದಾಗ, ಸಮಸ್ಯೆ ಪರಿಹರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ ಎಂಬ ತೀರ್ಮಾನಕ್ಕೆ ಬರುತ್ತಾರೆ.

ಇದಕ್ಕೆ ವ್ಯತಿರಿಕ್ತವಾಗಿ, GPT-5.6 Sol Ultra "ಮಷೀನ್ ಪರ್ಸಿಸ್ಟೆನ್ಸ್" (machine persistence) ಮಟ್ಟವನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ. ಇದು ನಿರಾಶೆಯಾಗುವಂತಹ ಯಾವುದೇ ಮಾನಸಿಕ ಪೂರ್ವಾಗ್ರಹವನ್ನು (cognitive bias) ಅನುಭವಿಸುವುದಿಲ್ಲ. ಬದಲಾಗಿ, ಯಶಸ್ವಿ ಹಾದಿ ಸಿಗುವವರೆಗೆ ಮಾಡೆಲ್ ತರ್ಕ ಮತ್ತು ಲೇಬಲಿಂಗ್‌ನಲ್ಲಿನ ಸಣ್ಣ ವ್ಯತ್ಯಾಸಗಳನ್ನು ನಿರಂತರವಾಗಿ ಅನ್ವೇಷಿಸುತ್ತದೆ. ಸೋಲಿನ ಭೀತಿಯಿಲ್ಲದೆ ತಾರ್ಕಿಕ ಸಂಯೋಜನೆಗಳನ್ನು (logical permutations) ಪ್ರಯತ್ನಿಸುವ ಈ ಸಾಮರ್ಥ್ಯವು, ಮಾನವ ಸಂಶೋಧಕರನ್ನು ತಡೆಹಿಡಿದಿದ್ದ ಮಾನಸಿಕ ಅಡೆತಡೆಗಳನ್ನು ದಾಟಲು AI ಗೆ ಸಹಾಯ ಮಾಡಿತು.

ಸುಧಾರಿತ ಪ್ರಾಂಪ್ಟ್ ಇಂಜಿನಿಯರಿಂಗ್ ಮತ್ತು ಮಲ್ಟಿ-ಏಜೆಂಟ್ ಆರ್ಕಿಟೆಕ್ಚರ್

Sol Ultra ನ ಯಶಸ್ಸು ಕೇವಲ ಬುದ್ಧಿವಂತಿಕೆಯ ಫಲವಾಗಿರದೆ, ಅತ್ಯಂತ ಸುಧಾರಿತ ಪ್ರಾಂಪ್ಟ್ ಇಂಜಿನಿಯರಿಂಗ್‌ನ ಫಲವಾಗಿದೆ. ಮಾಡೆಲ್ "ನನಗೆ ಗೊತ್ತಿಲ್ಲ" ಎಂದು ಹೇಳುವುದನ್ನು ತಪ್ಪಿಸಲು, ಸಂಶೋಧಕರು ಸರಣಿ ಕಟ್ಟುನಿಟ್ಟಿನ ನಿರ್ದೇಶನಗಳನ್ನು ಬಳಸಿದರು:

  • ಬಲವಂತದ ಕಲ್ಪನೆ (Forced Assumption): ಈ ಪ್ರಾಂಪ್ಟ್ ಮಾಡೆಲ್ ಸಂಪೂರ್ಣ ಪುರಾವೆ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ ಎಂದು ಭಾವಿಸುವಂತೆ ಒತ್ತಾಯಿಸಿತು, ಇದರಿಂದಾಗಿ ಕಲ್ಪನೆಯು ಪರಿಹಾರವಾಗದೆ ಉಳಿದಿದೆ ಎಂದು ಹೇಳುವುದನ್ನು ತಡೆಯಲಾಯಿತು.
  • ಮಾಹಿತಿಯ ಪ್ರತ್ಯೇಕತೆ (Information Isolation): ಸಮಸ್ಯೆ ಈಗಾಗಲೇ ಪರಿಹರಿಸಲಾಗಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಲು ಮಾಡೆಲ್ ಇಂಟರ್ನೆಟ್‌ನಲ್ಲಿ ಹುಡುಕುವುದನ್ನು ನಿಷೇಧಿಸಲಾಯಿತು.
  • ಮಲ್ಟಿ-ಏಜೆಂಟ್ ಅಡ್ವರ್ಸೇರಿಯಲ್ ಟೆಸ್ಟಿಂಗ್ (Multi-Agent Adversarial Testing): 64 ಏಜೆಂಟ್‌ಗಳ ವ್ಯವಸ್ಥೆಯನ್ನು ಬಳಸಲಾಗಿತ್ತು. ಸ್ವತಂತ್ರ ತರ್ಕವನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು, ಯಾವ ತಾರ್ಕಿಕ ವಿಧಾನವು ಕೆಲಸ ಮಾಡುತ್ತಿದೆ ಎಂಬ ಬಗ್ಗೆ ಅನೇಕ ಏಜೆಂಟ್‌ಗಳಿಗೆ ಮಾಹಿತಿ ನೀಡದೆ ಇಡಲಾಗಿತ್ತು. ಅದೇ ಸಮಯದಲ್ಲಿ, ಅಡ್ವರ್ಸೇರಿಯಲ್ ಏಜೆಂಟ್‌ಗಳು ತಪ್ಪು ಗುರುತಿಸಲ್ಪಟ್ಟ ಮುಚ್ಚಿದ ಹಾದಿಗಳಂತಹ ನಿರ್ದಿಷ್ಟ ತಪ್ಪುಗಳಿಗಾಗಿ ಅಭ್ಯರ್ಥಿ ಪುರಾವೆಗಳನ್ನು ಸೂಕ್ಷ್ಮವಾಗಿ ಪರಿಶೀಲಿಸಿದವು.

AI ಸೃಜನಶೀಲತೆ ಮತ್ತು ಉಲ್ಲೇಖದ ಕುರಿತಾದ ಚರ್ಚೆ

ಈ ಮೈಲಿಗಲ್ಲು LLMಗಳು ನಿಜವಾಗಿಯೂ "ಸೃಜನಶೀಲವೇ" ಅಥವಾ ಕೇವಲ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಜ್ಞಾನದ ಸುಧಾರಿತ ಮರುಸಂಯೋಜಕಗಳೇ ಎಂಬ ಚರ್ಚೆಯನ್ನು ಮತ್ತೆ ಹುಟ್ಟುಹಾಕಿದೆ. ಈ ಪುರಾವೆಯಲ್ಲಿನ ಮೂಲ ವಿಚಾರಗಳು 1983 ರ ಬರ್ಮಂಡ್, ಜಾಕ್ಸನ್ ಮತ್ತು ಜೇಗರ್ ಅವರ ಪ್ರಬಂಧಕ್ಕೆ ಸಂಬಂಧಿಸಿವೆ ಎಂದು ಬ್ಲೂಮ್ ಗಮನಿಸಿದರು. ಈ ಹಿಂದಿನ ಕೆಲಸವನ್ನು ಉಲ್ಲೇಖಿಸಲು ವಿಫಲವಾದதற்காக ಅವರು OpenAI ಅನ್ನು ಟೀಕಿಸಿದರು ಮತ್ತು AI-ಸೃಷ್ಟಿತ ಪ್ರಬಂಧಗಳು ಹೆಚ್ಚಾಗಿ ಸರಿಯಾದ ಉಲ್ಲೇಖವಿಲ್ಲದೆ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ತಂತ್ರಗಳನ್ನು ಬಳಸುತ್ತವೆ ಎಂದು ತಿಳಿಸಿದರು.

ವೈಜ್ಞಾನಿಕ ಸಮುದಾಯವು ಇನ್ನೂ ಸಂಪೂರ್ಣ ಗಣಿತದ ಪರಿಶೀಲನೆಗಾಗಿ ಕಾಯುತ್ತಿದ್ದರೂ, ಈ ಘಟನೆಯು AI ಕ್ಷೇತ್ರದಲ್ಲಿನ ಬದಲಾವಣೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ. ದೊಡ್ಡ ಪ್ರಮಾಣದ AI ಮಾಡೆಲ್‌ಗಳನ್ನು ಮುಕ್ತ ವೈಜ್ಞಾನಿಕ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಬಳಸಲಾಗುತ್ತಿದೆ, ಇದು ಮಾನವನ ಕೈಗೆ ಸಿಗಬಹುದಾದ ಪರಿಹಾರಗಳನ್ನು ಹೊರತೆಗೆಯುವ ಸಾಧ್ಯತೆಯನ್ನು ಹೊಂದಿದೆ.

ಪ್ರಮುಖ ಅಂಶಗಳು

  • ಸಂಕೀರ್ಣತೆಗಿಂತ ಪರ್ಸಿಸ್ಟೆನ್ಸ್ ಮುಖ್ಯ: AI ಹೊಸ ಗಣಿತವನ್ನು ಕಂಡುಹಿಡಿಯುವ ಮೂಲಕ ಅಲ್ಲದೆ, ಮಾನವರಿಗೆ ಇಲ್ಲದ ದಣಿವರಿಯದ ತಾರ್ಕಿಕ ವೈವಿಧ್ಯತೆಯೊಂದಿಗೆ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸಿದ್ಧಾಂತಗಳನ್ನು ಅನ್ವಯಿಸುವ ಮೂಲಕ ದೀರ್ಘಕಾಲದ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಿದೆ.
  • ಕಟ್ಟುನಿಟ್ಟಿನ ನಿರ್ಬಂಧಗಳು ಫಲಿತಾಂಶ ನೀಡುತ್ತವೆ: "ಅಡ್ವರ್ಸೇರಿಯಲ್" ಪ್ರಾಂಪ್ಟಿಂಗ್ ಬಳಕೆ ಮತ್ತು ಇಂಟರ್ನೆಟ್ ಹುಡುಕಾಟವನ್ನು ನಿಷೇಧಿಸುವುದು ಮಾಡೆಲ್ ಅನ್ನು ಕೇವಲ "ಪರಿಹಾರವಾಗಲಿಲ್ಲ" ಎಂಬ ಉತ್ತರ ನೀಡುವ ಬದಲು ಪರಿಹಾರವನ್ನು ಹುಡುಕುವಂತೆ ಒತ್ತಾಯಿಸಿತು.
  • ಉಲ್ಲೇಖದ ಸವಾಲು: ಮಾಡೆಲ್‌ಗಳು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವೈಜ್ಞಾನಿಕ ಸಾಹಿತ್ಯವನ್ನು ಮರುಸಂಯೋಜಿಸುವಾಗ ಸರಿಯಾದ ಉಲ್ಲೇಖಗಳ ಕೊರತೆಯ ಬಗ್ಗೆ AI ಸಂಶೋಧನೆಯಲ್ಲಿ ಬೆಳೆಯುತ್ತಿರುವ ಕಳವಳವನ್ನು ಈ ಘಟನೆ ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ.