Claude की गणितीय क्षमताओं के बारे में और जानना
Anthropic के Claude मॉडल के एक अप्रकाशित संस्करण ने कथित तौर पर Riemann zeta function से संबंधित एक महत्वपूर्ण lower bound में सुधार किया है, Lean में proof को औपचारिक रूप देकर और हाल के मानवीय परिणामों को फिर से संयोजित करते हुए, Riemann hypothesis को संतुष्ट करने वाले zeros के सिद्ध fraction को 41.6% से बढ़ाकर 67.2% कर दिया। टिप्पणीकार इस बात पर बहस करते हैं कि यह गणितीय प्रगति कितनी महत्वपूर्ण है, क्या यह वास्तविक रचनात्मकता है या अत्यंत तेज heuristic search, और साधारण “प्रोत्साहन” prompts से परे इसमें मानव मार्गदर्शन कितना शामिल था। चर्चा AI को मानवीय रूप देने, भविष्य में विभिन्न क्षेत्रों में breakthroughs चलाने की मॉडल क्षमता, और क्या कंपनियाँ अपनी सबसे शक्तिशाली research-capable systems को निजी रखेंगे, जैसे प्रश्नों तक फैल जाती है।
गणितीय प्रगति और उसका संदर्भ
- चर्चा एक अप्रकाशित Claude मॉडल पर केंद्रित है, जिसने critical line पर zeta zeros के सिद्ध lower bound को 41.6% से बढ़ाकर 67.2% कर दिया।
- टिप्पणीकार ध्यान दिलाते हैं कि यह पर्याप्त पूर्व मानवीय कार्य पर आधारित है; 2025 के एक preprint ने पहले ही एक अतिरिक्त धारणा के तहत >66% तक पहुँच बना ली थी, और Claude का मुख्य कदम उस शर्त को हटाना था।
- कुछ लोग इसे “बिल्कुल उल्लेखनीय” मानते हैं; जबकि अन्य इसे Riemann Hypothesis पर कोई वैचारिक सफलता नहीं, बल्कि एक क्रमिक संख्यात्मक परिशोधन मानते हैं।
ब्रूट फोर्स बनाम गणितीय अंतर्दृष्टि
- इस पर बहस है कि क्या यह “brute force” है या heuristic exploration।
- कई लोग जोर देते हैं कि यहाँ exhaustive search असंभव है; इसके बजाय, मॉडल ने मौजूदा साहित्य को फिर से संयोजित किया, विचार उत्पन्न किए, और कई scripts/checks चलाए।
- अन्य लोग तर्क देते हैं कि बड़े पैमाने की खोज फिर भी हावी है, बस मनुष्यों की तुलना में “समय-संपीड़ित” रूप में।
मानवीकरण और “प्रोत्साहन”
- लेख में एक मनुष्य का अधिकतर motivational messages (“अपने आप पर विश्वास करो”, “जारी रखो”) भेजने के रूप में वर्णन मजबूत प्रतिक्रियाएँ पैदा करता है।
- आलोचकों को यह anthropomorphizing और “अरुचिकर” लगता है, और उनका तर्क है कि यह मानवीय अनुभव को हल्का करता है।
- समर्थकों का कहना है कि यह प्राकृतिक भाषा में एक और steering signal ही है; मॉडल को व्यक्ति नहीं माना जाता, और भाषा स्वभावतः anthropomorphic है।
- कई लोगों का कहना है कि मॉडल अक्सर बहुत जल्दी “हार मान” लेते हैं, और प्रोत्साहन उन्हें प्रशिक्षण डेटा से सीखी गई निराशावादिता से आगे धकेलता प्रतीत होता है।
AI क्षमताएँ, रचनात्मकता, और सीमाएँ
- कुछ लोग इसे इस बात का संकेत मानते हैं कि हम एक “singularity” के करीब पहुँच रहे हैं या पहले ही पहुँच चुके हैं, और उम्मीद करते हैं कि AI जल्द ही बड़ी खुली समस्याएँ हल करेगा और यहाँ तक कि अपने algorithms में भी सुधार करेगा।
- अन्य लोग जवाब देते हैं कि:
- RH अत्यंत कठिन है; यह परिणाम इस बात का संकेत नहीं देता कि पूर्ण proof निकट है।
- मॉडल वर्तमान में in-distribution remixing तक सीमित लगते हैं, न कि वास्तव में नए गणित या रचनात्मक साहित्य तक।
- Transformer architectures पर सैद्धांतिक lower bounds हैं; speedups और नए paradigms तुच्छ नहीं हैं।
सत्यापन, प्रकाशन, और श्रेय
- Lean formalization को “साफ-सुथरी hallucinations” से सुरक्षा के रूप में महत्व दिया गया है।
- चिंता है कि Anthropic के self-hosted PDFs और असामान्य authorship/attribution मानक गणितीय प्रकाशन मानदंडों को चुनौती देते हैं।
- यह स्वीकार किया गया कि कंपनी के मानव गणितज्ञों ने प्रभावी रूप से co-authors के बजाय गहन referees की भूमिका निभाई।
व्यापक प्रभाव और व्यावहारिकताएँ
- अटकलें हैं कि शीर्ष labs सबसे शक्तिशाली models को आर्थिक लाभों (जैसे finance, medicine) के लिए रोक सकते हैं, हालांकि इसे नियामकीय और प्रतिस्पर्धी दबावों के साथ संतुलित किया जाता है।
- लागत, token usage, और multi-agent systems की भूमिका पर बार-बार टिप्पणियाँ की गईं।
- कई उपयोगकर्ता math/CS समस्याओं में Claude के साथ अपने समान व्यक्तिगत सफल अनुभव साझा करते हैं, लेकिन साथ ही overconfidence, “publish” करने के दबाव, और कठोर बाहरी सत्यापन की आवश्यकता जैसी समस्याओं को भी नोट करते हैं।