[pdf] हाल ही में प्रस्तावित o(n log n) पूर्णांक गुणा एल्गोरिद्म
एक नया AI-जनित परिणाम, जो पूर्णांक गुणा के लिए एक ऐसे एल्गोरिद्म का दावा करता है जो सख्ती से sub‑O(n log n) समय में चलता है, गणितज्ञों और तकनीकी विशेषज्ञों के बीच उत्साह और बेचैनी दोनों पैदा कर रहा है। टिप्पणीकार big-O और little-o संकेतन के तकनीकी अंतर को स्पष्ट करते हैं, नोट करते हैं कि यह एल्गोरिद्म संभवतः केवल खगोलीय रूप से बड़े पूर्णांकों के लिए सैद्धांतिक रुचि का है, और बहस करते हैं कि क्या ऐसे “galactic” सुधार व्यावहारिक रूप से मायने रखते हैं। बातचीत का बड़ा हिस्सा इस पर केंद्रित है कि AI प्रणालियों के लिए जटिल प्रमाण उत्पन्न करने का क्या अर्थ है, जिन्हें शीर्ष मानव विशेषज्ञ भी पूरी तरह समझने में संघर्ष करते हैं; इससे सत्यापन, कॉर्पोरेट-नियंत्रित मॉडलों पर निर्भरता, और मानव-केंद्रित गतिविधि के रूप में गणितीय शोध के भविष्य पर प्रश्न उठते हैं.
असम्पटोटिक संकेतन और o(n log n) का अर्थ
- कई टिप्पणियाँ big-O और little-o के बीच के अंतर को स्पष्ट करती हैं।
- Big-O को “≤” (एक स्थिरांक तक ऊपरी सीमा) के रूप में, और little-o को सख्त “<” (किसी भी स्थिर गुणक की तुलना में सख्ती से धीमी वृद्धि) के रूप में वर्णित किया गया है।
- कई टिप्पणीकार अशुद्ध व्याख्याओं को सही करते हैं (उदाहरण के लिए, o(2n+1) > o(2n) > o(n) जैसी गलत शृंखलाएँ)।
- सीमा-आधारित परिभाषाओं (f/g सीमित बनाम f/g → 0) और Θ, Ω तथा उनकी “असमानता” जैसी उपमाओं पर भी कुछ चर्चा होती है।
नए पूर्णांक गुणा परिणाम की प्रकृति और व्यावहारिकता
- इसका महत्व यह है कि यह o(n log n) है, और शास्त्रीय FFT-आधारित O(n log n) से असम्पटोटिक रूप से सख्ती से तेज़ है।
- कई टिप्पणीकार ज़ोर देते हैं कि यह एक “galactic algorithm” है: असम्पटोटिक सुधार, जिसका महत्व केवल खगोलीय रूप से बड़े पूर्णांकों के लिए है, किसी भी व्यावहारिक उपयोग से बहुत परे।
- मौजूदा O(n log n) और संबंधित FFT-आधारित विधियाँ भी अधिकांश वास्तविक-विश्व पूर्णांक आकारों के लिए उपयोग में नहीं आतीं।
- एक o(n log n) सीमा का Lean औपचारिककरण (एक ठोस घातांक जो 1 से थोड़ा नीचे है) का उल्लेख किया गया है; योगदान आमंत्रित हैं।
AI-जनित प्रमाण और गणितीय समझ
- एक केंद्रीय विषय यह है कि नया परिणाम (“the Company” से) शीर्ष विशेषज्ञों के लिए भी पढ़ना कठिन है, जो इसके बजाय पेपर को समझने के लिए एक LLM से पूछताछ करते हैं।
- कुछ लोग इसे एक स्वाभाविक और उपयोगी नया कार्यप्रवाह मानते हैं: यदि मनुष्य किसी प्रस्तुति को समझ नहीं पा रहे, लेकिन उपकरण समझ सकते हैं, तो उपकरणों का उपयोग करें।
- अन्य इसे “अस्वस्थ” कहते हैं, यह तर्क देते हुए कि गणित मूलतः मानव समझ और स्पष्ट संप्रेषण के बारे में है, न कि केवल शुद्धता के बारे में।
- LLM की “समझ” को लेकर संदेह है, जिसमें hallucinations, आत्म-मूल्यांकन की कमी, और AI से AI की जाँच कराने के खतरे का हवाला दिया गया है।
- औपचारिक proof assistants (जैसे Lean) को अधिक विश्वसनीय माना जाता है, हालांकि वे भी संभावित implementation bugs से सीमित हैं।
दार्शनिक और सामाजिक चिंताएँ
- इस पर बहस कि क्या गणित को मूल्यवान होने के लिए मानव-सुगम होना चाहिए; कुछ लोग कहते हैं कि समझ से परे प्रमाण, जब तक सरल या लागू न किए जाएँ, व्यावहारिक रूप से बेकार हैं।
- यह चिंता कि अग्रणी स्तर की “intelligence” कुछ ही corporations की संपत्ति बनती जा रही है, और ऐसे परिदृश्य जहाँ राज्य या फर्में प्रमुख गणितीय क्षमताओं पर gate लगा सकती हैं।
- कई टिप्पणियाँ इसे मानव नियंत्रण और agency के नुकसान के रूप में प्रस्तुत करती हैं, शक्तिशाली AIs की तुलना जिन्नों से करती हैं जिनके कामकाज को हम पूरी तरह नहीं समझ सकते।
प्रस्तुति और स्वर पर प्रतिक्रियाएँ
- कई लोग लेखन-शैली, स्पष्टवादिता, और गणित समुदाय पर भावनात्मक प्रभाव को व्यक्त करने की क्षमता की प्रशंसा करते हैं।
- अन्य लोग “मैंने वास्तव में पेपर नहीं पढ़ा” वाले रुख की आलोचना करते हैं, इसे समस्याग्रस्त मानते हुए, भले ही वह आत्म-निंदात्मक ढंग से कहा गया हो।