Claude, Lean లో Fermat's Last Theorem ను ఫార్మలైజ్ చేసింది
Anthropic ఇటీవల ఒక భారీ పరిశోధనా పనిని పూర్తి చేసింది. Lean 4 ప్రూఫ్ లాంగ్వేజ్ ఉపయోగించి Fermat's Last Theorem ను ఫార్మలైజ్ చేయడానికి ఒక అంతర్గత మోడల్ 11 రోజుల పాటు పనిచేసింది.
ఇది కొత్త గణిత ఆవిష్కరణ కాదు. Andrew Wiles ఈ సిద్ధాంతాన్ని 1995లో నిరూపించారు. Anthropic చేసిన పని ఏమిటంటే, ఆ ఉన్న సిద్ధాంతాన్ని కోడ్‌లోకి అనువదించడం. దీనివల్ల కంప్యూటర్ ప్రతి తార్కిక దశను (logical step) పూర్తి ఖచ్చితత్వంతో తనిఖీ చేయగలదు.
ఈ ప్రాజెక్ట్ యొక్క పరిధి చాలా పెద్దది: • ఈ మోడల్ 13 మిలియన్ల లైన్ల Lean కోడ్‌ను రూపొందించింది. • ఇది 30,300 మధ్యంతర సిద్ధాంతాలను (intermediate theorems) నిరూపించింది. • ఇది దాదాపు 6 బిలియన్ల అవుట్‌పుట్ టోకెన్లను ఉపయోగించింది.
ఈ మోడల్ ఎక్కువగా స్వయంగా పనిచేసింది. మనుషులు కేవలం అప్పుడప్పుడు ఉన్నత స్థాయి (high level) ఆదేశాలను మాత్రమే ఇచ్చారు. ఎవరూ చూడనప్పుడు అర్ధరాత్రి సమయంలో ఈ ప్రక్రియ పూర్తయింది. సిస్టమ్ ఆ విజయాన్ని స్వయంచాలకంగా (automatically) నమోదు చేసింది.
గమనించవలసిన రెండు ముఖ్యమైన విషయాలు:
- ఈ మోడల్ ఒక అంతర్గత పరిశోధనా సాధనం. మీరు దీనిని ఇంకా API ద్వారా యాక్సెస్ చేయలేరు. ఇది మీరు ప్రస్తుతం ఉపయోగిస్తున్న Claude మోడల్స్ లాంటిది కాదు.
- డెవలపర్లకు అసలైన విలువ Prove2Me అని పిలువబడే కోఆర్డినేషన్ లేయర్‌లో ఉంది.
Prove2Me అనేది ఒక ఓపెన్ సోర్స్ సాధనం. ఇది పనులను నిర్వహించడానికి డిపెండెన్సీ గ్రాఫ్‌ను (dependency graph) ఉపయోగిస్తుంది. ఇది కేవలం ఒక సాధారణ చెక్‌లిస్ట్ లాగా కాకుండా, సిద్ధాంతాలు ఒకదానితో ఒకటి ఎలా అనుసంధానించబడి ఉన్నాయో తెలిపే మ్యాప్‌ను రూపొందిస్తుంది.
ఈ నిర్మాణం ఏజెంట్ వర్క్‌ఫ్లోల (agent workflows) లోని రెండు ప్రధాన సమస్యలను పరిష్కరిస్తుంది:
- ఇది బహుళ ఏజెంట్లు ఒకే పనిని చేయడం వల్ల కలిగే సమస్యను నివారిస్తుంది.
- ఇది ఏజెంట్లకు ఒక ఉమ్మడి జ్ఞాపకశక్తిని (shared memory) అందిస్తుంది, తద్వారా వారు ప్రధాన లక్ష్యాన్ని మర్చిపోరు.
చాలా ఏజెంట్ వర్క్‌ఫ్లోలు కాలక్రమేణా సందర్భాన్ని (context) కోల్పోవడం వల్ల విఫలమవుతాయి. సుదీర్ఘమైన చాట్ విండోకు బదులుగా, ఒక ఉమ్మడి, బాహ్య గ్రాఫ్‌ను ఉపయోగించడం వల్ల పని సరైన మార్గంలో ఉంటుంది.
మీరు ఏజెంట్ వర్క్‌ఫ్లోలను నిర్మిస్తుంటే, Prove2Me ఆర్కిటెక్చర్‌ను తప్పక అధ్యయనం చేయాలి. మీరు Anthropic పరిశోధనా మోడల్స్‌ను ఉపయోగించకపోయినా, అవి పనులను సమన్వయం చేసే విధానం దీర్ఘకాలిక పనులకు (long horizon work) ఒక బ్లూప్రింట్‌లా పనిచేస్తుంది.
Source: https://dev.to/raxxostudios/claude-just-formalized-fermats-last-theorem-in-lean-3p36
Optional learning community: https://t.me/GyaanSetuAi