“Math 2.0” को गणितीय प्रगति को अधिक समग्र रूप से महत्व देना होगा

गणित का उद्देश्य और प्रमाणों का मूल्य

• कई लोग तर्क देते हैं कि गणित केवल एक सही प्रमाण होने के बारे में नहीं, बल्कि समझ, अंतर्दृष्टि, और नए उपकरणों के बारे में है।
• AI-जनित Lean प्रमाण समस्याओं को “हल” तो कर देते हैं, लेकिन अक्सर उनमें स्पष्ट वैचारिक निष्कर्ष, सुरुचिपूर्ण संरचना, या पुन: उपयोग योग्य विधियाँ नहीं होतीं।
• अन्य लोग जवाब देते हैं कि एक सही औपचारिक प्रमाण एक स्थायी योगदान है; बाद में सरलीकरण और व्याख्याएँ मनुष्यों (या भविष्य के AI) द्वारा अभी भी की जा सकती हैं।

AI प्रमाणों का गणितीय पारिस्थितिकी तंत्र पर प्रभाव

• वर्तमान पुरस्कार संरचनाएँ प्रसिद्ध खुली समस्याओं को सबसे पहले हल करने को महत्व देती हैं; AI का “स्कूपिंग at scale” इस मॉडल को तोड़ता है और मानवीय कार्य को हतोत्साहित कर सकता है।
• कुछ लोगों को डर है कि समस्याएँ अब “ज़हरीली” हो गई हैं: एक बार AI समाधान मौजूद हो जाए, तो मानव-नेतृत्व वाले वैकल्पिक प्रमाण या अंतर्दृष्टियाँ कम महत्व की और कम वित्तपोषित होंगी।
• यह चिंता भी है कि सैकड़ों घने, अर्ध-पठनीय AI लेखों को डालना “घंटा-भर की मेहनत” (सत्यापन, प्रस्तुति, एकीकरण) को एक कम-पुरस्कृत समुदाय पर स्थानांतरित कर देता है।

वर्तमान LLMs की क्षमताएँ और सीमाएँ

• उत्साही लोग: मॉडल पहले से ही औपचारिक, सत्यापन योग्य प्रमाण दे सकते हैं और संभवतः व्याख्या, सरलीकरण, और अन्वेषण में और बेहतर होंगे; hallucinations और लापरवाही को वे इंजीनियरिंग समस्याएँ मानते हैं।
• संशयवादी: मॉडल शालीनता की तुलना में शुद्धता के लिए अनुकूलित होते हैं, बारोक निर्माणों के साथ brute-force करने की प्रवृत्ति रखते हैं, और शिक्षण तथा “taste” में संघर्ष करते हैं।
• इस पर बहस कि क्या LLMs वास्तव में नए अमूर्त विचार उत्पन्न कर सकते हैं या केवल मौजूदा विचारों को बड़े पैमाने पर पुनर्संयोजित कर रहे हैं।

प्रोत्साहन, करियर, और वित्तपोषण

• व्यापक चिंता है कि गणितीय करियर (विशेषकर शुद्ध गणित में) सिकुड़ेंगे या शिक्षण, प्रस्तुति, सत्यापन, या अनुप्रयुक्त कार्य की ओर स्थानांतरित होंगे।
• कुछ लोग मौजूदा सार्वजनिक वित्तपोषण को पहले से ही विकृत मानते हैं—“theorem economy” और प्रतिष्ठा की दौड़—और तर्क देते हैं कि AI इन्हें पैदा नहीं कर रहा, बल्कि लंबे समय से मौजूद समस्याओं को उजागर कर रहा है।
• अन्य लोग “बेकार” गणित की दीर्घकालिक उपयोगिता पर ज़ोर देते हैं और जिज्ञासा-प्रेरित शोध को एक वैध सार्वजनिक हित के रूप में बचाव करते हैं।

अन्य क्षेत्रों और स्वचालन से तुलना

• शतरंज/Go से उपमाएँ (कॉपोरेट लैब्स एक बिंदु साबित करते हैं फिर आगे बढ़ जाते हैं, समुदाय जिम्मेदारी संभालते हैं), सॉफ्टवेयर इंजीनियरिंग (AI एक शक्तिशाली लेकिन अव्यवस्थित सहयोगी के रूप में), और शिल्प/खेल (मानवीय अभ्यास कला/शौक के रूप में बना रहता है)।
• अटकल कि गणित तीन हिस्सों में बँट सकता है: पूरी तरह मानव “art math”, मानव–AI मिश्रित शोध, और पूरी तरह स्वचालित अग्रिम कार्य।

प्रस्तावित प्रतिक्रियाएँ और खुले प्रश्न

• मूल्यांकन को प्रस्तुति, समुदाय-निर्माण, नई दिशाओं, और AI परिणामों के एकीकरण की ओर स्थानांतरित करने की अपील।
• परिणामों को “problem solved” के बजाय “a Lean proof exists” के रूप में वर्णित करने के सुझाव।
• अस्पष्ट: नए प्रोत्साहन कैसे डिज़ाइन किए जाएँ, frontier पर क्या विशिष्ट रूप से मानवीय बना रहता है, और क्या भविष्य के मॉडल गहन, मानवीय-स्तर की व्याख्याओं को तुच्छ बना देंगे या अंतर को और बढ़ा देंगे।