OpenAI-യുടെ GPT-5.6 Sol Ultra 50 വർഷം പഴക്കമുള്ള ഗണിതശാസ്ത്ര അനുമാനത്തിന് (Math Conjecture) പരിഹാരം കണ്ടെത്തി

OpenAI-യുടെ ഏറ്റവും പുതിയ റീസണിംഗ് മോഡലായ GPT-5.6 Sol Ultra, 1970-കൾ മുതൽ പരിഹരിക്കപ്പെടാതെ കിടന്നിരുന്ന ഒരു ഗണിതശാസ്ത്ര അനുമാനത്തിന് പരിഹാരം കണ്ടെത്തിക്കൊണ്ട് ഗ്രാഫ് തിയറിയിൽ (graph theory) ഒരു വലിയ മുന്നേറ്റം നടത്തിയിരിക്കുകയാണ്. കഠിനമായ കമ്പ്യൂട്ടേഷണൽ പെർസിസ്റ്റൻസും (computational persistence) മൾട്ടി-ഏജന്റ് ആർക്കിടെക്ചറും ഉപയോഗപ്പെടുത്തിക്കൊണ്ട്, ഒരു മണിക്കൂറിൽ താഴെ സമയം കൊണ്ട് ഈ മോഡൽ പൂർണ്ണമായ ഒരു തെളിവ് (proof) തയ്യാറാക്കി.

ഗ്രാഫ് തിയറിയിലെ നിഗൂഢതയ്ക്ക് പരിഹാരം

ഈ അനുമാനം ഗ്രാഫ് തിയറിയിലെ ഒരു അടിസ്ഥാന ചോദ്യത്തെയാണ് അഭിസംബോധന ചെയ്യുന്നത്: വെർട്ടെക്സുകളുടെയും (vertices) എഡ്ജുകളുടെയും (edges) ഏതൊരു ശൃംഖലയിലും, ഓരോ എഡ്ജിലൂടെയും കൃത്യം രണ്ട് തവണ മാത്രം കടന്നുപോകുന്ന സൈക്കിളുകളുടെ ഒരു കൂട്ടം കണ്ടെത്താൻ കഴിയുമോ എന്നതാണ് അത്. കഴിഞ്ഞ അഞ്ച് പതിറ്റാണ്ടുകളായി ഗണിതശാസ്ത്രജ്ഞർ ചില പ്രത്യേക സാഹചര്യങ്ങളിൽ ഭാഗികമായ പരിഹാരങ്ങൾ കണ്ടെത്തിയിട്ടുണ്ടെങ്കിലും, ഒരു പൊതുവായ തെളിവ് കണ്ടെത്താൻ ഇതുവരെ സാധിച്ചിരുന്നില്ല.

മാഞ്ചസ്റ്റർ സർവ്വകലാശാലയിലെ ഗണിതശാസ്ത്രജ്ഞനായ തോമസ് ബ്ലൂം, ഈ തെളിവിനെ "ലളിതവും അടിസ്ഥാനപരവും, 1980-കളിൽ തന്നെ കണ്ടെത്താൻ കഴിയുന്നതുമായിരുന്നു" എന്ന് വിശേഷിപ്പിച്ചു. രസകരമായ കാര്യം, ഈ പരിഹാരത്തിന് തികച്ചും പുതിയ ഗണിതശാസ്ത്ര സിദ്ധാന്തങ്ങൾ കണ്ടുപിടിക്കേണ്ടി വന്നില്ല എന്നതാണ്; പകരം, നിലവിലുള്ള ഉപകരണങ്ങളും അറിയപ്പെടുന്ന ഗണിതശാസ്ത്ര ചട്ടക്കൂടുകളും ബുദ്ധിപൂർവ്വം സംയോജിപ്പിച്ചാണ് ഇത് സാധ്യമായത്.

മെഷീൻ പെർസിസ്റ്റൻസിന്റെ കരുത്ത്

ഇവിടെ ഒരു പ്രധാന ചോദ്യം ഉയരുന്നു: ഗണിതം ഇത്ര "ലളിതമായിരുന്നെങ്കിൽ", എന്തുകൊണ്ടാണ് മനുഷ്യർക്ക് 50 വർഷം കൊണ്ട് ഇത് പരിഹരിക്കാൻ കഴിയാതിരുന്നത്? യുക്തിപരമായ ചിന്താഗതിയിൽ ചെറിയൊരു മാറ്റം ആവശ്യമായിരുന്നു എന്നാണ് ബ്ലൂം സൂചിപ്പിക്കുന്നത്. മനുഷ്യരായ ഗണിതശാസ്ത്രജ്ഞർ പലപ്പോഴും യുക്തിപരമായ പാതകൾ പിന്തുടരുന്നു, അവ പരാജയപ്പെടുമ്പോൾ പ്രശ്നം പരിഹരിക്കാൻ കഴിയില്ല എന്ന നിഗമനത്തിൽ അവർ എത്തുമായിരുന്നു.

ഇതിനു വിപരീതമായി, GPT-5.6 Sol Ultra ഒരുതരം "മെഷീൻ പെർസിസ്റ്റൻസ്" പ്രകടിപ്പിക്കുന്നു. നിരാശപ്പെടുക എന്ന മാനസികാവസ്ഥ ഇതിൽ ഇല്ല. പകരം, ഒരു വിജയകരമായ പാത കണ്ടെത്തുന്നതുവരെ യുക്തിയിലും ലേബലിംഗിലുമുള്ള ചെറിയ മാറ്റങ്ങൾ മോഡൽ നിരന്തരം പരീക്ഷിച്ചുകൊണ്ടേയിരിക്കുന്നു. പരാജയപ്പെട്ടാൽ പിന്മാറാതെ, യുക്തിപരമായ മാറ്റങ്ങൾ (logical permutations) ആവർത്തിച്ച് പരീക്ഷിക്കാനുള്ള ഈ കഴിവ്, മനുഷ്യ ഗവേഷകരെ തടഞ്ഞുവെച്ച മാനസികമായ തടസ്സങ്ങളെ മറികടക്കാൻ AI-യെ സഹായിച്ചു.

അഡ്വാൻസ്ഡ് പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗും മൾട്ടി-ഏജന്റ് ആർക്കിടെക്ചറും

Sol Ultra-യുടെ വിജയം കേവലം ബുദ്ധിശക്തിയുടെ മാത്രം ഫലമല്ല, മറിച്ച് അതീവ സങ്കീർണ്ണമായ പ്രോംപ്റ്റ് എഞ്ചിനീയറിംഗിന്റെ ഫലമാണ്. മോഡൽ "എനിക്കറിയില്ല" എന്ന് പറഞ്ഞ് ഒഴിഞ്ഞുമാറുന്നത് ഒഴിവാക്കാൻ ഗവേഷകർ കർശനമായ നിർദ്ദേശങ്ങൾ നൽകി:

• നിർബന്ധിത അനുമാനം (Forced Assumption): അനുമാനം പരിഹരിക്കപ്പെടാത്തതാണെന്ന് പറയുന്നതിന് പകരം, ഇതിന് ഒരു പൂർണ്ണമായ തെളിവ് ഉണ്ടെന്ന് വിശ്വസിക്കാൻ പ്രോംപ്റ്റ് മോഡലിനെ നിർബന്ധിച്ചു.
• വിവരങ്ങളുടെ ഐസൊലേഷൻ (Information Isolation): പ്രശ്നം ഇതിനകം പരിഹരിക്കപ്പെട്ടോ എന്ന് പരിശോധിക്കാൻ ഇന്റർനെറ്റിൽ തിരയുന്നത് മോഡലിന് വിലക്കിയിരുന്നു.
• മൾട്ടി-ഏജന്റ് അഡ്വേഴ്സേറിയൽ ടെസ്റ്റിംഗ് (Multi-Agent Adversarial Testing): 64 ഏജന്റുകളുടെ ഒരു സംവിധാനം ഇതിനായി ഉപയോഗിച്ചു. സ്വതന്ത്രമായ യുക്തിപരമായ ചിന്ത ഉറപ്പാക്കുന്നതിനായി, ഏത് രീതിയാണ് ഫലപ്രദമാകുന്നത് എന്നതിനെക്കുറിച്ച് പല ഏജന്റുകളെയും അറിവില്ലാത്ത അവസ്ഥയിൽ (in the dark) നിർത്തി. അതേസമയം, അഡ്വേഴ്സേറിയൽ ഏജന്റുകൾ തെറ്റായ പാതകൾ തിരിച്ചറിയുന്നത് പോലുള്ള പിഴവുകൾക്കായി തെളിവുകളെ സൂക്ഷ്മമായി പരിശോധിച്ചു.

AI സർഗ്ഗാത്മകതയെയും സൈറ്റേഷനെയും (Citation) കുറിച്ചുള്ള സംവാദം

LLM-കൾ യഥാർത്ഥത്തിൽ "സർഗ്ഗാത്മകമാണോ" അതോ നിലവിലുള്ള അറിവുകളെ പുനഃക്രമീകരിക്കുന്ന സംവിധാനങ്ങൾ മാത്രമാണോ എന്ന സംവാദം ഈ മുന്നേറ്റം വീണ്ടും ആളിക്കത്തിച്ചു. ഈ തെളിവിലെ പ്രധാന ആശയങ്ങൾ 1983-ൽ Bermond, Jackson, Jaeger എന്നിവർ പ്രസിദ്ധീകരിച്ച ഒരു പ്രബന്ധത്തിൽ നിന്നുള്ളതാണെന്ന് ബ്ലൂം ചൂണ്ടിക്കാട്ടി. ഈ മുൻകാല പ്രബന്ധത്തെ സൈറ്റ് ചെയ്യാൻ (cite) വിട്ടുപോയതിന് അദ്ദേഹം OpenAI-യെ വിമർശിച്ചു. AI നിർമ്മിക്കുന്ന പ്രബന്ധങ്ങൾ പലപ്പോഴും കൃത്യമായ അവകാശവാദങ്ങളില്ലാതെ (attribution) നിലവിലുള്ള തന്ത്രങ്ങൾ ഉപയോഗിക്കുന്നുവെന്ന് അദ്ദേഹം നിരീക്ഷിച്ചു.

ശാസ്ത്രലോകം ഇതിന്റെ പൂർണ്ണമായ ഗണിതശാസ്ത്രപരമായ സ്ഥിരീകരണം കാത്തിരിക്കുകയാണെങ്കിലും, ഈ സംഭവം AI രംഗത്തെ ഒരു മാറ്റത്തെ സൂചിപ്പിക്കുന്നു. മനുഷ്യർക്ക് എപ്പോഴും കൈയെത്തും ദൂരത്തുണ്ടായിരുന്ന പരിഹാരങ്ങൾ കണ്ടെത്താനായി, വലിയ തോതിലുള്ള AI മോഡലുകൾ ശാസ്ത്രീയ പ്രശ്നങ്ങളെ നേരിടാൻ ഉപയോഗിച്ചുവരുന്നു.

പ്രധാന കാര്യങ്ങൾ

• സങ്കീർണ്ണതയേക്കാൾ പെർസിസ്റ്റൻസ് പ്രധാനം: പുതിയ ഗണിതശാസ്ത്രം കണ്ടുപിടിച്ചല്ല, മറിച്ച് മനുഷ്യർക്ക് കഴിയാത്ത വിധം അക്ഷീണമായ യുക്തിപരമായ മാറ്റങ്ങളോടെ നിലവിലുള്ള സിദ്ധാന്തങ്ങൾ പ്രയോഗിച്ചാണ് AI ഈ പ്രശ്നം പരിഹരിച്ചത്.
• കർശനമായ നിയന്ത്രണങ്ങൾ ഫലം നൽകുന്നു: "അഡ്വേഴ്സേറിയൽ" പ്രോംപ്റ്റിംഗും ഇന്റർനെറ്റ് സെർച്ച് നിരോധനവും കാരണം, ഒരു സാധാരണ "പരിഹരിക്കപ്പെടാത്തത്" എന്ന മറുപടി നൽകുന്നതിന് പകരം ഒരു പരിഹാരം കണ്ടെത്താൻ മോഡൽ നിർബന്ധിതമായി.
• അവകാശവാദങ്ങളുടെ വെല്ലുവിളി (The Attribution Challenge): നിലവിലുള്ള ശാസ്ത്രീയ സാഹിത്യങ്ങൾ മോഡലുകൾ പുനഃക്രമീകരിക്കുമ്പോൾ കൃത്യമായ സൈറ്റേഷൻ (citation) ഇല്ലാത്തതിനെക്കുറിച്ചുള്ള ആശങ്ക ഈ സംഭവം ഉയർത്തുന്നു.