ഒരു OpenAI മോഡൽ ഡിസ്ക്രീറ്റ് ജ്യാമിതിയിലെ ഒരു കേന്ദ്ര അനുമാനം തെറ്റാണെന്ന് തെളിയിച്ചു

ഏകദേശം 80 വർഷങ്ങളായി ഗണിതശാസ്ത്രജ്ഞർ ലളിതമെന്ന് തോന്നിക്കുന്ന ഒരു ചോദ്യത്തെക്കുറിച്ച് പഠിച്ചുകൊണ്ടിരിക്കുകയാണ്: ഒരു പ്രതലത്തിൽ $n$ ബിന്ദുക്കൾ അടയാളപ്പെടുത്തിയാൽ, അവയിൽ എത്ര ജോടി ബിന്ദുക്കൾ തമ്മിൽ കൃത്യം $1$ യൂണിറ്റ് അകലം ഉണ്ടായിരിക്കും?

1946-ൽ Paul Erdős ആദ്യമായി അവതരിപ്പിച്ച 'പ്ലാനർ യൂണിറ്റ് ഡിസ്റ്റൻസ് പ്രോബ്ലം' ആണിത്. കോമ്പിനേറ്റോറിയൽ ജ്യോമെട്രിയിലെ ഏറ്റവും പ്രശസ്തമായ ഒന്നാണിത്, ലളിതമായി പറയാൻ സാധിക്കുമെങ്കിലും ക്രിയ ചെയ്യുക എന്നത് അങ്ങേയറ്റം ബുദ്ധിമുട്ടേറിയ കാര്യമാണ്. Brass, Moser, Pach എന്നിവർ ചേർന്ന് 2005-ൽ പുറത്തിറക്കിയ Research Problems in Discrete Geometry എന്ന പുസ്തകത്തിൽ ഇതിനെ വിശേഷിപ്പിക്കുന്നത്, "കോമ്പിനേറ്റോറിയൽ ജോമെട്രിയിലെ ഏറ്റവും പ്രശസ്തമായ (വിശദീകരിക്കാൻ ഏറ്റവും ലളിതവുമായ) ഒരു കണക്ക്" എന്നാണ്. പ്രിൻസ്റ്റണിലെ പ്രമുഖ കോമ്പിനേറ്റോറിയലിസ്റ്റായ Noga Alon ഇതിനെ വിശേഷിപ്പിക്കുന്നത്, "Erdős-ന് ഏറ്റവും പ്രിയപ്പെട്ട കണക്കുകളിൽ ഒന്ന്" എന്നാണ്. ഈ ക്രിയ ചെയ്യുന്നതിന് Erdős ഒരു പണപുരസ്കാരം പോലും വാഗ്ദാനം ചെയ്തിരുന്നു.

ഇന്ന്, യൂണിറ്റ് ദൂര പ്രശ്നത്തിലെ ഒരു മുന്നേറ്റം ഞങ്ങൾ പങ്കിടുന്നു. എർദോഷിന്റെ ആദ്യകാല പഠനങ്ങൾക്കു ശേഷം നിലനിന്നിരുന്ന പൊതുവായ വിശ്വാസം, താഴെ നൽകിയിരിക്കുന്ന ചിത്രങ്ങളിൽ കാണുന്ന തരത്തിലുള്ള 'സ്ക്വയർ ഗ്രിഡ്' മാതൃകകളാണ് യൂണിറ്റ്-ഡിസ്റ്റൻസ് ജോടികളുടെ എണ്ണം പരമാവധി വർദ്ധിപ്പിക്കുന്നതിന് ഏറ്റവും അനുയോജ്യമെന്നായിരുന്നു. ഒരു OpenAI ആന്തരിക മോഡൽ, ഈ ദീർഘകാല അനുമാനത്തെ തെറ്റാണെന്ന് തെളിയിക്കുകയും, പോളിനോമിയൽ പുരോഗതി നൽകുന്ന അനന്തമായ ഉദാഹരണങ്ങളുടെ ഒരു ശ്രേണി അവതരിപ്പിക്കുകയും ചെയ്തിരിക്കുന്നു. ഈ തെളിവ് ബാഹ്യ ഗണിതശാസ്ത്രജ്ഞരുടെ ഒരു സംഘം പരിശോധിച്ചു. ഈ കണ്ടെത്തലിന്റെ പ്രാധാന്യത്തെക്കുറിച്ചുള്ള കൂടുതൽ പശ്ചാത്തലവും സാഹചര്യവും നൽകുന്നതിനൊപ്പം ഈ വാദത്തെ വിശദീകരിക്കുന്ന അനുബന്ധമായ ഒരു പ്രബന്ധവും അവർ തയ്യാറാക്കിയിട്ടുണ്ട്.

ഈ ഫലം കണ്ടെത്തപ്പെട്ട രീതി കൊണ്ടും ശ്രദ്ധേയമാണ്. ഈ തെളിവ് കണ്ടെത്തിയത് ഗണിതശാസ്ത്രത്തിന് മാത്രമായി പ്രത്യേകം പരിശീലിപ്പിച്ചതോ, വിവിധ തെളിവ് രീതികൾ തിരയാൻ സഹായിക്കുന്ന സംവിധാനങ്ങളുള്ളതോ അല്ലെങ്കിൽ ഈ യൂണിറ്റ് ഡിസ്റ്റൻസ് പ്രശ്നത്തെ മാത്രം ലക്ഷ്യം വച്ചുള്ളതോ ആയ ഒരു സിസ്റ്റത്തിൽ നിന്നല്ല; മറിച്ച് പൊതുവായ ആവശ്യങ്ങൾക്കായുള്ള ഒരു പുതിയ റീസണിംഗ് മോഡലിൽ നിന്നാണ്. വികസിത മോഡലുകൾക്ക് അത്യാധുനിക ഗവേഷണങ്ങളിൽ സംഭാവന നൽകാൻ കഴിയുമോ എന്ന് പരിശോധിക്കുന്നതിനുള്ള വിപുലമായ ശ്രമങ്ങളുടെ ഭാഗമായി, എർദോഷ് പ്രശ്നങ്ങളുടെ ഒരു ശേഖരത്തിൽ ഞങ്ങൾ ഇതിന്റെ ശേഷി വിലയിരുത്തി. ഈ സാഹചര്യത്തിൽ, പരിഹരിക്കാത്ത പ്രശ്നം പരിഹരിക്കുന്ന ഒരു തെളിവ് ഇത് സൃഷ്ടിച്ചു.

ഈ തെളിവ് ഗണിതശാസ്ത്ര- AI സമൂഹങ്ങൾക്ക് ഒരു പ്രധാന നാഴികക്കല്ലാണ്. ഗണിതശാസ്ത്രത്തിലെ ഒരു ഉപവിഭാഗത്തിൽ അതീവ പ്രാധാന്യമുള്ള, ദീർഘകാലമായി പരിഹരിക്കപ്പെടാതെ കിടന്ന ഒരു പ്രമുഖ പ്രശ്നം AI സ്വയംഭരണാധികാരത്തോടെ പരിഹരിക്കുന്ന ചരിത്രത്തിലെ ആദ്യത്തെ സംഭവമാണിത്. ഈ സംവിധാനങ്ങൾ ഇപ്പോൾ പിന്തുണയ്ക്കുന്ന റീസണിംഗിന്റെ ആഴവും ഇത് കാണിക്കുന്നു. ഗണിതശാസ്ത്രം ചിന്താശേഷി പരിശോധിക്കുന്നതിനുള്ള ഏറ്റവും വ്യക്തമായ ഒരു പരീക്ഷണവേദിയാണ്: ഇതിലെ പ്രശ്നങ്ങൾ കൃത്യതയുള്ളതാണ്, സാധ്യതയുള്ള തെളിവുകൾ പരിശോധിക്കാൻ സാധിക്കും, കൂടാതെ ഒരു നീണ്ട വാദം തുടക്കം മുതൽ ഒടുക്കം വരെ യുക്തിസഹമാണെങ്കിൽ മാത്രമേ അത് നിലനിൽക്കുകയുള്ളൂ. പ്രശ്നം പരിഹരിക്കപ്പെട്ട രീതി കൊണ്ടും ഇത് ശ്രദ്ധേയമാണ്. ഈ തെളിവ്, അടിസ്ഥാനപരമായ ഒരു ജ്യാമിതീയ ചോദ്യത്തെ പരിഹരിക്കുന്നതിനായി ആൽജിബ്രായിക് നമ്പർ തിയറിയിൽ നിന്നുള്ള തികച്ചും അപ്രതീക്ഷിതവും സങ്കീർണ്ണവുമായ ആശയങ്ങളെ പ്രയോജനപ്പെടുത്തുന്നു.

അനുബന്ധ പ്രബന്ധത്തിൽ എഴുതുന്ന ഫീൽഡ്സ് മെഡൽ ജേതാവായ ടിം ഗോവേഴ്സ് ഈ ഫലത്തെ “AI ഗണിതശാസ്ത്രത്തിലെ ഒരു നാഴികക്കല്ല്” എന്ന് വിളിക്കുന്നു. പ്രമുഖ സംഖ്യാ സിദ്ധാന്തജ്ഞനായ അരുള്‍ ശങ്കറിന്റെ വാക്കുകളിൽ, “എന്റെ അഭിപ്രായത്തിൽ ഈ പ്രബന്ധം നിലവിലെ AI മോഡലുകൾ മനുഷ്യ ഗണിതശാസ്ത്രജ്ഞരുടെ സഹായികളെന്നതിലുപരിയുള്ള തലത്തിലേക്ക് പോകുന്നുവെന്ന് കാണിക്കുന്നു – അവയ്ക്ക് സ്വതസിദ്ധമായ മിടുക്കൻ ആശയങ്ങൾ ഉണ്ടാക്കാനും തുടർന്ന് അവയെ ഫലപ്രാപ്തിയിലേക്ക് കൊണ്ടുപോകാനും കഴിയും”.

ഇതിൻ്റെ തെളിവ് ഇവിടെ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ലഭ്യമാണ്. പ്രമുഖരായ പ്രശസ്ത ഗണിതശാസ്ത്രജ്ഞരുടെ സഹായത്തോടെ തയ്യാറാക്കിയ അനുബന്ധ ലേഖനം ഇവിടെ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ലഭ്യമാണ്. മോഡലിൻ്റെ ചെയിൻ-ഓഫ്-തോട്ടിൻ്റെ സംക്ഷിപ്ത രൂപം നിങ്ങൾക്ക് ഇവിടെ⁠(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) കാണാം.

ഒരു പ്രതലത്തിലുള്ള $n$ ബിന്ദുക്കൾക്കിടയിൽ വരാവുന്ന യൂണിറ്റ്-ഡിസ്റ്റൻസ് ജോഡികളുടെ ഏറ്റവും കൂടിയ എണ്ണത്തെ $u(n)$ എന്ന് സൂചിപ്പിച്ചാൽ. ലീനിയർ ഗ്രോത്ത് റേറ്റ് കൈവരിക്കുന്ന ഉദാഹരണങ്ങൾ നിർമ്മിക്കുന്നത് വളരെ എളുപ്പമാണ്: ഒരു നേർരേഖയിൽ $n$ ബിന്ദുക്കൾ അടയാളപ്പെടുത്തിയാൽ $n-1$ ജോഡികൾ ലഭിക്കും, അതേസമയം ഒരു സ്ക്വയർ ഗ്രിഡിൽ ഇത് ഏകദേശം $2n$ ജോടികൾ നൽകും. റീസ്കെയിൽ ചെയ്ത ഒരു സ്ക്വയർ ഗ്രിഡിൽ നിന്ന് രൂപപ്പെടുത്തിയതും മുമ്പ് ഏറ്റവും മികച്ചതായി അറിയപ്പെട്ടിരുന്നതുമായ നിർമ്മിതി ഇതിലും വലിയൊരു മൂല്യം നൽകുന്നതാണെന്ന് വ്യക്തമാകുന്നു: ഒരു സ്ഥിരസംഖ്യയായ $C$യ്ക്ക് $n^{1 + C / \log \log(n)}$. $n$-ൻ്റെ മൂല്യം വർദ്ധിക്കുന്നതിനനുസരിച്ച് $\log \log(n)$ അനന്തതയിലേക്ക് പോകുന്നതിനാൽ, എക്സ്പോണൻ്റിലെ അധിക പദം $0$-ലേക്ക് അടുക്കുന്നു; അതായത് ഈ നിർമ്മിതകൾ ലീനിയർ നിരക്കിനേക്കാൾ നേരിയ തോതിൽ മാത്രം വേഗതയുള്ള വളർച്ചയാണ് കൈവരിക്കുന്നത്. പതിറ്റാണ്ടുകളായി, ഈ നിരക്ക് തന്നെയാണ് അടിസ്ഥാനപരമായി ഏറ്റവും മികച്ചതെന്നും മറ്റൊരു നിർമ്മിതിക്കും സ്ക്വയർ ഗ്രിഡിനേക്കാൾ മെച്ചപ്പെട്ട ഫലം നൽകാൻ കഴിയില്ലെന്നുമാണ് പരക്കെ വിശ്വസിക്കപ്പെട്ടിരുന്നത്. സാങ്കേതിക ഭാഷയിൽ പറഞ്ഞാൽ, Erdős ഇതിനൊരു അപ്പർ ബൗണ്ട് $n^{1+o(1)}$ ആയിരിക്കുമെന്ന് ഊഹിച്ചു; ഇതിലെ $o(1)$ എന്നത് $n$-ൻ്റെ മൂല്യം വർദ്ധിക്കുന്നതനുസരിച്ച് $0$-ലേക്ക് അടുക്കുന്ന ഒരു പദത്തെയാണ് സൂചിപ്പിക്കുന്നത്.

ഞങ്ങളുടെ പുതിയ കണ്ടെത്തൽ ഈ അനുമാനം തെറ്റാണെന്ന് തെളിയിക്കുന്നു. കൂടുതൽ കൃത്യമായി പറഞ്ഞാൽ, $n$-ൻ്റെ അനന്തമായ മൂല്യങ്ങൾക്ക്, ഒരു നിശ്ചിത എക്സ്പോണൻ്റ് $\delta > 0$-ക്ക് കുറഞ്ഞത് $n^{1+\delta}$ യൂണിറ്റ്-ഡിസ്റ്റൻസ് ജോഡികളെങ്കിലുമുള്ള $n$ ബിന്ദുക്കളുടെ വിന്യാസങ്ങൾ ഈ തെളിവ് നിർമ്മിക്കുന്നു. (യഥാർഥ AI തെളിവ് വ്യക്തമായൊരു $\delta$ നൽകുന്നില്ലെങ്കിലും, പ്രിൻസ്റ്റൺ ഗണിതശാസ്ത്ര പ്രൊഫസറായ Will Sawin ഇതിലേക്ക് വരുത്തിയ പുതിയൊരു പരിഷ്കരണത്തിലൂടെ നമുക്ക് $\delta=0.014$ എന്ന് എടുക്കാമെന്ന് കാണിച്ചുതന്നിട്ടുണ്ട്.)

ഈ ക്രിയ വന്ന വഴി പരിശോധിച്ചാൽ ഈ ഉത്തരം എന്തുകൊണ്ടാണ് ഇത്രയേറെ അത്ഭുതപ്പെടുത്തുന്നത് എന്ന് മനസ്സിലാക്കാൻ സാധിക്കും. ഏറ്റവും മികച്ചതായി അറിയപ്പെട്ടിരുന്ന ലോവർ ബൗണ്ട്, അടിസ്ഥാനപരമായി 1946-ലെ Erdős-ൻ്റെ യഥാർഥ നിർമ്മിതിക്ക് ശേഷം വലിയ മാറ്റങ്ങളൊന്നുമില്ലാതെ തുടരുകയായിരുന്നു. ഏറ്റവും മികച്ച അപ്പർ ബൗണ്ട് ആയ $O(n^{4/3})$, 1984-ൽ Spencer, Szemerédi, Trotter എന്നിവർ നടത്തിയ പഠനങ്ങളിലേക്ക് വിരൽചൂണ്ടുന്ന ഒന്നാണ്; പിന്നീട് Székely, Katz-ഉം Silier-ഉം, Pach, Raz, Solymosi എന്നിവരും മറ്റുള്ളവരും ഇതിൽ വരുത്തിയ പരിഷ്കരണങ്ങളും അനുബന്ധ ഘടനാപരമായ പഠനങ്ങളും ഉണ്ടായിരുന്നിട്ടും, ഈ അപ്പർ ബൗണ്ടിൽ അടിസ്ഥാനപരമായി മാറ്റമൊന്നുമില്ലാതെ തുടരുകയാണ് ചെയ്തത്. ഈ അനുമാനത്തിന് അനുകൂലമായ തെളിവുകളെന്നോണം, Matoušek-ഉം Alon-Bucić-Sauermann-ഉം ഒരു സമതലത്തിലെ നോൺ- യൂക്ലിഡിയൻ ദൂരങ്ങളെക്കുറിച്ച് പഠിക്കുകയും, ഒരു പരിധിവരെ ഈ നോൺ-യൂക്ലിഡിയൻ ദൂരങ്ങളിൽ “ഭൂരിഭാഗവും” ഈ അനുമാനം പാലിക്കുന്നുവെന്ന് തെളിയിക്കുകയും ചെയ്തു.

ആശ്ചര്യകരമെന്നു പറയട്ടെ, ഈ നിർമ്മിതിയുടെ പ്രധാന ഘടകങ്ങൾ ഗണിതശാസ്ത്രത്തിലെ തികച്ചും വ്യത്യസ്തമായ മറ്റൊരു മേഖലയായ ബീജഗണിത സംഖ്യാ സിദ്ധാന്തത്തിൽ നിന്നാണ് വരുന്നത്; സംഖ്യകളുടെ വിപുലീകരണ രൂപങ്ങളായ ബീജീയ സംഖ്യാ മണ്ഡലങ്ങളിലെ ഘടകീകരണം പോലുള്ള ആശയങ്ങളെക്കുറിച്ച് പഠിക്കുന്ന ശാഖയാണിത്.

വലിയ തലത്തിൽ പറഞ്ഞാൽ, പരിചിതമായ ഒരു ജ്യാമിതീയ ആശയത്തിൽ നിന്നാണ് ഈ തെളിവ് ആരംഭിക്കുന്നത്, തുടർന്ന് അത് തികച്ചും അപ്രതീക്ഷിതമായ ഒരു ദിശയിലേക്ക് വഴിമാറുന്നു.

എർദോഷിന്റെ ആദ്യകാല ലോവർ ബൗണ്ട് മനസ്സിലാക്കാൻ ഗോസിയൻ പൂർണ്ണസംഖ്യകൾ സഹായിക്കും: അതായത്, $a$-യും $b$-യും പൂർണ്ണസംഖ്യകളും $i$ എന്നത് $-1$-ന്റെ വർഗ്ഗമൂലവും ആയ $a+bi$ രൂപത്തിലുള്ള സംഖ്യകൾ വഴി ഇത് വ്യക്തമാക്കാം. ഗൗസിയൻ പൂർണ്ണസംഖ്യകൾ സാധാരണ പൂർണ്ണസംഖ്യകളെ വിപുലീകരിക്കുന്നു; അവയെപ്പോലെ തന്നെ അഭാജ്യങ്ങളിലേക്കുള്ള അതുല്യ ഫാക്ടറൈസേഷൻ പോലുള്ള ഗുണങ്ങളും അവയ്ക്കുണ്ട്. സാധാരണ പൂർണ്ണസംഖ്യകളുടെയോ റാഷണലുകളുടെയോ ഇത്തരത്തിലുള്ള വിപുലീകരണങ്ങളെ ബീജഗണിത സംഖ്യാ ഫീൽഡുകൾ എന്ന് വിളിക്കുന്നു. പുതിയ വാദം ഗോസിയൻ പൂർണ്ണസംഖ്യകൾക്ക് പകരം, ആൽജിബ്രായിക് നമ്പർ തിയറിയിൽ നിന്നുള്ള കൂടുതൽ സങ്കീർണ്ണമായ സാമാന്യവൽക്കരണങ്ങളെ ഉപയോഗിക്കുന്നു; ഇവയ്ക്ക് കൂടുതൽ വിപുലമായ സമമിതികൾ ഉള്ളതിനാൽ വളരെക്കൂടുതൽ യൂണിറ്റ്-ദൂര വ്യത്യാസങ്ങൾ സൃഷ്ടിക്കാൻ സാധിക്കും.

ഈ വാദത്തിന് ആവശ്യമായ നമ്പർ ഫീൽഡുകൾ യഥാർത്ഥത്തിൽ നിലവിലുണ്ടെന്ന് കാണിക്കാൻ, ഇൻഫിനിറ്റ് ക്ലാസ് ഫീൽഡ് ടവറുകളും ഗോലോഡ്–ഷഫാരെവിച്ച് സിദ്ധാന്തവും പോലുള്ള ഉപകരണങ്ങളാണ് കൃത്യമായ ഈ വിശകലനത്തിൽ ഉപയോഗിക്കുന്നത്. ഈ ആശയങ്ങൾ ബീജഗണിത സംഖ്യാ സിദ്ധാന്തജ്ഞർക്ക് നന്നായി പരിചിതമായിരുന്നുവെങ്കിലും, ഈ സങ്കൽപ്പങ്ങൾക്ക് യൂക്ലീഡിയൻ പ്രതലത്തിലെ ജ്യാമിതീയ ചോദ്യങ്ങളിൽ സ്വാധീനം ചെലുത്താൻ കഴിയുമെന്നത് വലിയൊരു അത്ഭുതമായാണ് വന്നത്.

ഈ ഫലം AI-യും ഗണിതശാസ്ത്രവും തമ്മിലുള്ള പരസ്പരബന്ധത്തിലെ ഒരു സുപ്രധാന നിമിഷത്തെ അടയാളപ്പെടുത്തുന്നു: സജീവമായ ഒരു പഠനമേഖലയുടെ കേന്ദ്രസ്ഥാനത്തുള്ളതും ദീർഘകാലമായി പരിഹരിക്കപ്പെടാത്തതുമായ ഒരു പ്രമുഖ പ്രശ്നമാണ് ഒരു AI സംവിധാനം സ്വയംഭരണാധികാരത്തോടെ ഇവിടെ പരിഹരിച്ചിരിക്കുന്നത്. മാത്രമല്ല, ഇത് മനുഷ്യരായ ഗണിതശാസ്ത്രജ്ഞരും AI-യും തമ്മിലുള്ള പുതിയൊരു സഹകരണത്തിന്റെ ആദ്യകാല സൂചനകൾ നൽകുകയും ചെയ്യുന്നു. ഈ സാഹചര്യത്തിൽ, പുറത്തുനിന്നുള്ള ഗണിതശാസ്ത്രജ്ഞരുടെ അനുബന്ധ പഠനങ്ങൾ, യഥാർത്ഥ പരിഹാരത്തേക്കാൾ വളരെ സമ്പന്നമായ ഒരു ചിത്രം നൽകുന്നുണ്ട്.

തോമസ് ബ്ലൂം അനുബന്ധ കുറിപ്പിൽ എഴുതുന്നതുപോലെ:

“ഒരു AI അധിഷ്ഠിത തെളിവിന്റെ പ്രാധാന്യവും സ്വാധീനവും വിലയിരുത്തുമ്പോൾ, ഞാൻ എന്നോട് തന്നെ ചോദിക്കാറുള്ള ഒരു ചോദ്യമുണ്ട്: ഇത് ഈ പ്രശ്നത്തെക്കുറിച്ച് പുതിയതായി എന്തെങ്കിലും നമ്മളെ പഠിപ്പിച്ചോ? നമ്മൾ ഡിസ്ക്രീറ്റ് ജോമട്രിയെ ഇപ്പോൾ കൂടുതൽ നന്നായി മനസ്സിലാക്കുന്നുണ്ടോ? അതിനുള്ള ഉത്തരം ഭാഗികമായി 'അതെ' എന്ന് തന്നെയാണ് ഞാൻ കരുതുന്നത്: ഇത്തരത്തിലുള്ള ചോദ്യങ്ങളിൽ, നമ്മൾ വിചാരിച്ചതിലും എത്രയോ കൂടുതൽ കാര്യങ്ങൾ നമ്പർ തിയറി അധിഷ്ഠിതമായ മാതൃകകൾക്ക് പറയാനുണ്ടെന്നാണ് ഇത് കാണിക്കുന്നത്; തന്നെയുമല്ല, ഇതിനാവശ്യമായ നമ്പർ തിയറി വളരെ ആഴത്തിലുള്ളതുമാകാം. വരും മാസങ്ങളിൽ നിരവധി ആൽജിബ്രായിക് നമ്പർ തിയറിസ്റ്റുകൾ ഡിസ്ക്രീറ്റ് ജോമട്രിയിലെ പരിഹരിക്കപ്പെടാത്ത മറ്റ് പ്രശ്നങ്ങളെ കൂടുതൽ സൂക്ഷ്മമായി നിരീക്ഷിക്കാൻ തുടങ്ങുമെന്ന കാര്യത്തിൽ യാതൊരു സംശയവുമില്ല.”

ഈ പരിഹാരത്തിലൂടെ വെളിവാക്കപ്പെട്ട, ആൽജിബ്രായിക് നമ്പർ തിയറിയും ഡിസ്ക്രീറ്റ് ജോമട്രിയും തമ്മിലുള്ള തികച്ചും അപ്രതീക്ഷിതമായ ഈ ബന്ധമാണ് ഈ ഫലത്തെ ഇത്രയധികം ശ്രദ്ധേയമാക്കുന്ന ഘടകങ്ങളിലൊന്ന്. ഇത് ഒരു പ്രത്യേക അനുമാനം തീർപ്പാക്കുന്നതിൽ മാത്രം ഒതുങ്ങുന്നില്ല; മറിച്ച് കൂടുതൽ ബന്ധപ്പെട്ട പ്രശ്നങ്ങൾ അന്വേഷിക്കാൻ ഗണിതശാസ്ത്രജ്ഞർക്ക് ഒരു പാലം നൽകാനും ഇടയുണ്ട്.

ബ്ലൂം ഒരു വിപുലമായ സാധ്യതയിലേക്കും വിരൽചൂണ്ടുന്നു:

“അറിവിന്റെ അതിരുകൾ എപ്പോഴും വ്യത്യസ്ത തലങ്ങളിൽ പടർന്നുപന്തലിച്ചു കിടക്കുന്നവയാണ്. ദീർഘകാലമായി പരിഹരിക്കപ്പെടാത്ത നിരവധി ഗണിതശാസ്ത്ര പ്രശ്നങ്ങൾക്ക്, തികച്ചും അപ്രതീക്ഷിതമായ പുതിയ ബന്ധങ്ങൾ വെളിപ്പെടുത്തിക്കൊണ്ടും നിലവിലുള്ള സാങ്കേതിക സംവിധാനങ്ങളെ അതിന്റെ പരമാവധി സാധ്യതകളിലേക്ക് നയിച്ചുകൊണ്ടും ഒരു AI പരിഹാരം കാണുന്ന സമാനമായ മുന്നേറ്റങ്ങൾ വരും മാസങ്ങളിലും വർഷങ്ങളിലും മറ്റ് പല ഗണിതശാസ്ത്ര മേഖലകളിലും ഉണ്ടാകുമെന്നതിൽ യാതൊരു സംശയവുമില്ല. നൂറ്റാണ്ടുകളായി നമ്മൾ പടുത്തുയർത്തിയ ഗണിതശാസ്ത്രം എന്ന ഈ മഹാസൗധത്തെ കൂടുതൽ ആഴത്തിൽ പര്യവേക്ഷണം ചെയ്യാൻ AI ഇന്ന് നമ്മളെ സഹായിക്കുന്നു; ഇനിയും ദൃശ്യമാകാതെ അണിയറയിൽ കാത്തിരിക്കുന്ന മറ്റ് അത്ഭുതങ്ങൾ എന്തൊക്കെയായിരിക്കാം?”

ഈ ഫലം പ്രത്യാശ നൽകുന്ന ഒരു മികച്ച ഉദാഹരണമാണ്: AI ഇവിടെ ഒരു പ്രശ്നത്തിന് പരിഹാരം കാണുക മാത്രമല്ല ചെയ്തിരിക്കുന്നത്, മറിച്ച് മനുഷ്യന്റെ തുടർന്നുള്ള പഠനങ്ങളിലൂടെയും മനസ്സിലാക്കലുകളിലൂടെയും അതിന്റെ പ്രാധാന്യവും വ്യാപ്തിയും കൂടുതൽ വ്യക്തവും സമ്പന്നവുമായിത്തീർന്ന ഒരു ഗണിതശാസ്ത്ര കണ്ടുപിടുത്തത്തിന് വഴിതുറക്കുക കൂടിയാണ്.

ഈ പ്രത്യേക ഫലത്തേക്കാൾ വളരെ വലുതാണ് ഇതിൽ നിന്നുള്ള പൊതുവായ പാഠം. കൂടുതൽ മികച്ച ഗണിതശാസ്ത്ര യുക്തിചിന്തയ്ക്ക് AI-യെ ഒരു ശക്തനായ ഗവേഷണ പങ്കാളിയാക്കാൻ സാധിക്കും: അതായത്, സങ്കീർണ്ണമായ ചിന്താധാരകളെ ഒരുമിച്ച് കൊണ്ടുപോകാനും, വിജ്ഞാനത്തിന്റെ വ്യത്യസ്ത മേഖലകളിലെ ആശയങ്ങളെ തമ്മിൽ ബന്ധിപ്പിക്കാനും, വിദഗ്ദ്ധർക്ക് മുൻഗണന നൽകാൻ കഴിയാതെപോയേക്കാവുന്ന പ്രത്യാശ നൽകുന്ന വഴികൾ മുന്നോട്ട് കൊണ്ടുവരാനും ഇതിന് കഴിയും. അതുവഴി, ഗവേഷകർക്ക് തനിയെ ചെയ്യാൻ വളരെയധികം സങ്കീർണ്ണമോ സമയമെടുക്കുന്നതോ ആയ പ്രശ്നങ്ങളിൽ പുരോഗതി കൈവരിക്കാൻ ഇത് അവരെ സഹായിക്കുകയും ചെയ്യും.

ഗണിതശാസ്ത്രത്തിന് അപ്പുറത്തേക്കും ഈ കഴിവുകൾക്ക് വലിയ പ്രാധാന്യമുണ്ട്. ഒരു മോഡലിന് സങ്കീർണ്ണമായ ഒരു ചിന്താധാരയെ കൃത്യതയോടെ നിലനിർത്താനും, വിജ്ഞാനത്തിന്റെ പരസ്പരം വിദൂരമായ മേഖലകളിലെ ആശയങ്ങളെ തമ്മിൽ ബന്ധിപ്പിക്കാനും, വിദഗ്ദ്ധരുടെ സൂക്ഷ്മപരിശോധനകളെ അതിജീവിക്കുന്ന ഫലങ്ങൾ സൃഷ്ടിക്കാനും സാധിക്കുമെങ്കിൽ, ആ കഴിവുകൾ ബയോളജി, ഫിസിക്സ്, മെറ്റീരിയൽസ് സയൻസ്, എഞ്ചിനീയറിംഗ്, മെഡിസിൻ എന്നീ മേഖലകളിലും ഏറെ ഉപകാരപ്രദമാണ്. കൂടുതൽ ഓട്ടോമേറ്റഡ് ആയ ഗവേഷണങ്ങളിലേക്കുള്ള നമ്മുടെ ദീർഘകാലാടിസ്ഥാനത്തിലുള്ള യാത്രയുടെ ഭാഗം കൂടിയാണവ: ശാസ്ത്രജ്ഞരെയും എഞ്ചിനീയർമാരെയും കൂടുതൽ ആശയങ്ങൾ പര്യവേക്ഷണം ചെയ്യാനും കൂടുതൽ കഠിനമായ സാങ്കേതിക ചോദ്യങ്ങളിലേക്ക് കടന്നുചെല്ലാനും സഹായിക്കുന്ന സംവിധാനങ്ങൾ.

ഗവേഷണത്തിന്റെ സർഗ്ഗാത്മകമായ മേഖലകളിൽ, പ്രത്യേകിച്ച് AI ഗവേഷണങ്ങളിൽ തന്നെ, AI വളരെ നിർണ്ണായകമായ ഒരു പങ്ക് വഹിക്കാൻ പോവുകയാണ്. ഈ പുരോഗതി തികച്ചും അപ്രതീക്ഷിതമല്ലെങ്കിൽ പോലും, AI വികസനത്തിന്റെ അടുത്ത ഘട്ടത്തെക്കുറിച്ച് മനസ്സിലാക്കുന്നതിലും, വളരെ ബുദ്ധിശക്തിയുള്ള സംവിധാനങ്ങളെ മനുഷ്യന്റെ മൂല്യങ്ങൾക്കും ലക്ഷ്യങ്ങൾക്കും അനുസൃതമായി ക്രമീകരിക്കുന്നതിലെ വെല്ലുവിളികളെക്കുറിച്ചും, മനുഷ്യനും AI-യും തമ്മിലുള്ള ഭാവി സഹകരണത്തെക്കുറിച്ചും നമ്മൾ അനുഭവിക്കുന്ന അടിയന്തിര പ്രാധാന്യത്തെ ഇത് വീണ്ടും അടിവരയിട്ടുറപ്പിക്കുന്നു.

ആ ഭാവി ഇപ്പോഴും മനുഷ്യന്റെ വിവേചനബുദ്ധിയെയും തീരുമാനങ്ങളെയും ആശ്രയിച്ചാണ് നിലകൊള്ളുന്നത്. വിദഗ്ധതയുടെ മൂല്യം കുറയുന്നില്ല; കൂടുകയാണ്. തിരയാനും നിർദേശിക്കാനും സ്ഥിരീകരിക്കാനും AI-ക്ക് സഹായിക്കാനാകും. ഏതൊക്കെ പ്രശ്നങ്ങളാണ് പ്രാധാന്യമുള്ളതെന്ന് തിരഞ്ഞെടുക്കുന്നതും, ഫലങ്ങളെ വിലയിരുത്തുന്നതും, അടുത്തതായി ഏത് ചോദ്യങ്ങളിലേക്കാണ് കടക്കേണ്ടതെന്ന് തീരുമാനിക്കുന്നതും ഒക്കെ മനുഷ്യർ തന്നെയാണ്.