Levent Alpöge ने सामान्यीकृत रीमानी परिकल्पना का प्रमाण होने का दावा किया [pdf]
एक Anthropic शोधकर्ता ने दावा किया है कि Claude AI मॉडल की व्यापक मदद से सामान्यीकृत रीमानी परिकल्पना का प्रमाण मिला है, जिसे Lean औपचारिकीकरण का सहारा प्राप्त है जो कथित रूप से लाखों पंक्तियों और सैकड़ों हज़ार पृष्ठों तक फैला है। टिप्पणीकार उत्साह और संदेह के बीच झूलते हैं: वे अतीत की उच्च-प्रोफ़ाइल गलतियों का उल्लेख करते हैं, ज़ोर देते हैं कि वास्तविक स्वीकृति केवल स्वतंत्र विशेषज्ञों और प्रूफ-चेकिंग से आती है, और ऐसे नए युग की चिंता करते हैं जहाँ गणितीय प्रमाण सही तो हों, लेकिन मनुष्यों के लिए अपठनीय हों। गणित से परे, कई लोग इसे AI क्षमताओं के लिए एक निर्णायक मोड़ मानते हैं, जो सुपरइंटेलिजेंस, मानव गणितीय कार्य के भविष्य, और ऐसे उपकरणों के निजी प्रयोगशालाओं में संकेंद्रण पर सवाल उठाता है.
समग्र प्रतिक्रिया और विश्वसनीयता
- कई टिप्पणीकार इसे आधुनिक गणित के सबसे बड़े दिनों में से एक, अतीत के ऐतिहासिक प्रमाणों के बराबर, संभावित रूप से देखते हैं।
- उत्साह के साथ यह याद दिलाया जाता है कि प्रमुख गणितज्ञ पहले भी गलत साबित हुए हैं; समुदाय द्वारा सत्यापन को अनिवार्य माना जा रहा है।
- कुछ लोग Lean औपचारिकीकरण की मौजूदगी को भरोसा नाटकीय रूप से बढ़ाने वाली मानते हैं; अन्य ज़ोर देते हैं कि Lean केवल यह सुनिश्चित करता है कि “अगर औपचारिक कथन सही है, तो प्रमाण सही है।”
Lean औपचारिकीकरण, पैमाना, और व्यावहारिकता
- Lean प्रमाण को 14‑भाग वाले टारबॉल के रूप में जोड़ा गया है, लगभग 1 GB, लगभग 15M पंक्तियाँ, लगभग 175k फ़ाइलों में; गंभीर हार्डवेयर पर इसे बनाते/कंपाइल करने में लगभग एक दिन लगने का अनुमान है।
- प्राकृतिक भाषा वाला प्रमाण लगभग 250k पृष्ठों से अधिक होता, इसलिए उसे पूर्ण रूप में जारी नहीं किया गया।
- लोग Lean बगों को कम करने के लिए तुलनाकारों और कई प्रूफ कर्नलों की आवश्यकता पर चर्चा करते हैं, तथा इस बात की जाँच पर कि कहीं कोई अतिरिक्त स्वयंसिद्ध चुपचाप शामिल तो नहीं किए गए।
AI बनाम मानव गणितज्ञ की भूमिका
- दस्तावेज़ एक “सेंटॉर” कार्यप्रवाह का चित्रण करता है: मानव विचार और दिशा तय करता है; मॉडल विशेषकर “फिनिश लाइन” के पास बड़े तकनीकी तर्कों की खोज और निष्पादन करता है।
- श्रेय को लेकर बहस है: कुछ तर्क देते हैं कि मानव विशेषज्ञ अनिवार्य है; अन्य कहते हैं कि प्रमाण के पैमाने को देखते हुए AI ने “अधिकांश” काम किया।
- मॉडल के लिए मानवीय भाषा (“उड़ा, नाचा, चमका”) कुछ टिप्पणीकारों को काव्यात्मक लगती है, तो कुछ को असहज/अटपटी।
RH/GRH का महत्व और आगे की गणितीय परिणतियाँ
- कई टिप्पणियाँ बताती हैं कि इस समय बहुत-से प्रमेय सशर्त रूप से (G)RH पर सिद्ध किए जाते हैं; यदि यह सही है, तो वे अब बिना शर्त हो जाएँगे।
- प्रत्यक्ष व्यावहारिक प्रभाव को अपेक्षाकृत सीमित और मुख्यतः सैद्धांतिक माना जा रहा है (अभाज्य संख्याओं का वितरण, primality tests, संख्या सिद्धांत, क्रिप्टोग्राफी की सीमाएँ)।
- कई लोग अनुमान लगाते हैं कि GRH से जल्दी ही Goldbach जैसी समस्याओं पर प्रगति निकल सकती है, हालांकि विवरण और अतिरिक्त शर्तों को गैर-तुच्छ बताया गया है।
समझ बनाम केवल शुद्धता
- एक प्रमुख चिंता यह है कि विशाल AI-सहायित प्रमाण हमेशा के लिए किसी एक मानव की समझ से बाहर हो सकते हैं, और गणित सुंदर अंतर्दृष्टि से हटकर बलपूर्वक औपचारिक तर्क में बदल सकता है।
- अन्य लोगों को उम्मीद है कि समय के साथ बड़े सरलीकरण होंगे, यह उल्लेख करते हुए कि पहले के AI प्रमाण (जैसे quasi‑Riemann, FLT के औपचारिकीकरण) बाद में मनुष्यों द्वारा संक्षिप्त किए गए थे।
सत्यापन, बग, और परिभाषाएँ
- महत्वपूर्ण सत्यापन कार्य पहचाने गए हैं:
- यह पुष्टि करना कि Lean का प्रमेय कथन मानक GRH परिभाषा से मेल खाता है (जैसे mathlib/formal-conjectures से)।
- जाँचना कि कोई गैर-मानक स्वयंसिद्ध या Lean kernel बग का दुरुपयोग तो नहीं हुआ।
- कुछ लोगों का तर्क है कि Lean मानवीय त्रुटि की सतह को बहुत कम कर देता है; अन्य चेतावनी देते हैं कि समस्या को गलत परिभाषित करना या kernel की सूक्ष्म समस्याएँ अभी भी वास्तविक जोखिम हैं।
AI प्रगति, AGI, और सुरक्षा
- बहुत से लोग इसे (Navier–Stokes और अन्य परिणामों के साथ) इस बात का प्रमाण मानते हैं कि अग्रणी मॉडल पहले ही संकीर्ण गणितीय क्षेत्रों में मानव से ऊपर हैं।
- एक लंबी उप-चर्चा इस पर बहस करती है कि क्या इसका अर्थ निकट भविष्य की सुपरइंटेलिजेंस या recursive self-improvement है; संदेहवादी कहते हैं कि सभी बड़ी जीतें कड़े रूप से सत्यापनीय क्षेत्रों में हैं।
- कुछ लोग विनियमन या “पॉज़” की माँग करते हैं, भविष्य की क्षमताओं (जैसे क्रिप्टो तोड़ना, अभियंत्रित रोगजनक) को लेकर चिंतित होकर; अन्य इसे समय से पहले या अव्यावहारिक मानते हैं।
पहुँच, निष्पक्षता, और संस्थागत गतिशीलता
- चिंता है कि कुछ AI लैबों के कर्मचारी, शीर्ष मॉडलों और विशाल compute तक विशेष पहुँच के साथ, व्यापक गणित समुदाय से आगे निकल सकते हैं।
- कुछ लोग AI लैबों की प्रशंसा करते हैं कि वे निवेशकों के पैसे से वास्तव में pure math को वित्तपोषित कर रहे हैं; अन्य इस बात से असहज हैं कि बंद मॉडल बौद्धिक शक्ति को “संचित” कर रहे हैं।
- हालिया IPO के सापेक्ष समय-निर्धारण का उल्लेख किया गया है; राय बंटी हुई है कि यह मार्केटिंग है या केवल दुर्भाग्यपूर्ण optics।