हार्वर्ड और गूगल का अध्ययन: GPT-6 एस्ट्रा ने 98% भौतिकी समस्याएं हल कीं
हार्वर्ड और गूगल के बीच एक शोध सहयोग ने एक बेंचमार्क के साथ अकादमिक हलकों में हलचल मचा दी है जो अप्रकाशित सैद्धांतिक भौतिकी समस्याओं पर अत्याधुनिक AI का परीक्षण करता है। चीनी तकनीकी मीडिया में घूम रही रिपोर्टों के अनुसार, थियोफिज़इवैल नामक मूल्यांकन ने उन्नत मॉडलों से ऐसी नई समस्याओं से निपटने को कहा जिन्हें हल करने में शीर्ष मानव विशेषज्ञों को पूरा एक दिन लगता है। सबसे उल्लेखनीय प्रदर्शन GPT-6 एस्ट्रा नामक मॉडल का रहा, जिसने कथित तौर पर 98% समस्याएं हल कीं।
सबसे चौंकाने वाली बात लगभग सही स्कोर नहीं, बल्कि यह है कि मॉडल वहाँ तक कैसे पहुँचा। रिपोर्टों के अनुसार GPT-6 एस्ट्रा ने शुरू में 88% स्कोर किया, फिर परीक्षण डिज़ाइन करने वाले मानव विशेषज्ञों द्वारा दी गई समस्याओं में से एक में गणना त्रुटि को चिह्नित किया। विशेषज्ञों द्वारा गलती की समीक्षा और स्वीकार किए जाने के बाद, मॉडल का स्कोर 98% हो गया। यह प्रसंग, यदि सटीक है, तो एक प्रतीकात्मक क्षण को दर्शाता है: एक AI प्रणाली न केवल एक अग्रणी प्रश्न का उत्तर दे रही है, बल्कि उसे लिखने वाले लोगों को भी सुधार रही है।
थियोफिज़इवैल को उस संदूषण समस्या से बचने के लिए डिज़ाइन किया गया है जो कई AI बेंचमार्क को प्रभावित करती है। प्रकाशित पत्रों का उपयोग करने के बजाय जिन्हें मॉडलों ने प्रशिक्षण के दौरान देखा हो सकता है, यह अप्रकाशित, नए लिखे गए समस्याओं का उपयोग करता है। विचार स्मरण के बजाय वास्तविक तर्क का परीक्षण करना है। यदि कोई मॉडल नई सैद्धांतिक भौतिकी को बिना पहले सटीक समस्या का सामना किए हल कर सकता है, तो यह अधिक सामान्य क्षमता का संकेत देता है।
यह परिणाम AI की गणितीय और वैज्ञानिक क्षमताओं में व्यापक त्वरण के बीच आया है। अक्टूबर की शुरुआत में, OpenAI ने दावा किया कि उसके सिस्टम ने एक अर्ध-रिमैन परिकल्पना सिद्ध की है, जिसे गणितज्ञों ने मानव द्वारा उत्पन्न होने पर फील्ड्स मेडल के योग्य बताया। कुछ ही दिनों में, शोधकर्ताओं ने बताया कि AI सहायता से गणितज्ञों ने सामान्यीकृत रिमैन परिकल्पना का एक रूप सिद्ध किया है। इस गति ने कुछ अकादमिकों को उत्साहित किया है और अन्य को असहज।
MIT के शोधकर्ताओं ने भी अपनी राय दी है, रिपोर्टों में उनके अपने परीक्षणों का हवाला दिया गया है जो दर्शाते हैं कि पिछले दो वर्षों में अत्याधुनिक AI ने सैद्धांतिक विज्ञान समस्याओं को हल करने में तेज़ी से प्रगति की है। रुझान बताते हैं कि AI वैज्ञानिकों की सहायता करने वाले उपकरण से एक ऐसे प्रतिभागी की ओर बढ़ रहा है जो परिणाम प्रस्तावित और जाँच सकता है। यह बदलाव इस बारे में सवाल उठाता है कि जब एक मशीन प्रक्रिया में शामिल हो तो श्रेय, सत्यापन और सहकर्मी समीक्षा कैसे काम करनी चाहिए।
संदेहवादी चेतावनी देते हैं कि बेंचमार्क परिणामों को बढ़ा-चढ़ाकर बताया जा सकता है, खासकर जब विवरण सहकर्मी-समीक्षित पत्रों के बजाय प्रेस कवरेज के माध्यम से फ़िल्टर होते हैं। थियोफिज़इवैल की सटीक संरचना, परीक्षण की गई समस्याओं की संख्या और मूल्यांकन की स्वतंत्रता सार्वजनिक रूप से पूरी तरह विस्तृत नहीं की गई है। जब तक कार्यप्रणाली प्रकाशित और दोहराई नहीं जाती, 98% के आंकड़े को एक स्थापित तथ्य के बजाय देखने योग्य दावे के रूप में माना जाना चाहिए।
फिर भी, यह कहानी एक मूड को पकड़ती है। दशकों से, सैद्धांतिक भौतिकी सबसे मानवीय गतिविधियों में से एक रही है, जिसके लिए अंतर्ज्ञान, गणितीय प्रवाह और वर्षों का प्रशिक्षण आवश्यक है। एक मॉडल जो कथित तौर पर किसी विशेषज्ञ की अंकगणितीय चूक को पकड़ सकता है, बताता है कि वे दीवारें कई लोगों की अपेक्षा से नीची हैं। चाहे यह एक सफलता हो या अच्छी तरह से समयबद्ध सुर्खी, विज्ञान में AI पर बातचीत इससे आगे बढ़ गई है कि क्या यह मदद कर सकता है, इस ओर कि यह अंततः कितना काम करेगा।