By Keshavan Thiagaraja
कंप्यूटर विज्ञान को ऐसा महीना शायद ही कभी मिलता है। इसकी एक बुनियादी मान्यता गिरा दी गई है, और मलबे की जाँच करने वालों में वही शोधकर्ता शामिल हैं जिन्होंने इसे बनाया था।
16 अक्टूबर को, OpenAI के एक रिसर्च मॉडल ने साधारण भाषा में Exponential Time Hypothesis का प्रतिवाद पेश किया। एक दिन के भीतर इस तर्क को Lean में लिख दिया गया, जो एक ऐसा proof checker है जो हर तार्किक कदम की यांत्रिक जाँच करता है। 67 पेज के इस manuscript में लेखक के रूप में खुद OpenAI का नाम है।
बिना किसी समन्वय के काम कर रहा Anthropic कुछ घंटे पहले ही उसी मंज़िल तक पहुँच चुका था। इसके 49 पेज के पेपर “A 2^o(n) Time Algorithm for 3-SAT” का श्रेय Claude को दिया गया है, और मूल एल्गोरिथ्म उसी दिन एक Claude रिसर्च मॉडल ने खोजा था।
यह परिकल्पना करीब 1999 की है, जब Russell Impagliazzo और Ramamohan Paturi ने तर्क दिया कि Boolean satisfiability के लिए exponential time से तेज़ कोई एल्गोरिथ्म संभव नहीं है। यह एकल विचार graph theory, databases, computational biology और geometry में सैकड़ों conditional hardness results को चुपचाप सहारा देता है।
दोनों समूह अब एक deterministic विधि का वर्णन करते हैं जो subexponential time में satisfying assignments की गिनती करती है, और दोनों exponent के मुख्य पद पर एक ही नतीजे पर पहुँचते हैं। यदि समीक्षक इस काम की पुष्टि कर देते हैं, तो क्षेत्र की सबसे भरोसेमंद दीवारों में से एक में दरवाज़ा निकला।
इस दावे को भार देने वाली बात मॉडलों की विरासत नहीं, बल्कि उनके चारों ओर की जाँचों की संरचना है। हर निष्कर्ष Lean से गुजरता है। और OpenAI द्वारा बनाए गए review panel में खुद Impagliazzo और Paturi शामिल हैं, जो अब अपनी ही परिकल्पना के पतन की ऑडिट कर रहे हैं। TU Wien के Stefan Szeider ने सार्वजनिक सामग्री की जाँच की है और उम्मीद करते हैं कि यह बारीक जाँच सह लेगी।
सावधानी फिर भी ज़रूरी है। यह नतीजा P versus NP के बारे में कुछ नहीं कहता, और नया एल्गोरिथ्म अब भी superpolynomial time में चलता है, इसलिए कल सुबह कोई practical solver तेज़ नहीं होगा। जो बदला वह theoretical नक्शा है, और उसे दोबारा बनाने वालों – लोगों या systems – की पहचान।
कार्यकारियों के लिए सबक complexity classes से दूर है। जो सॉफ्टवेयर हाल तक दस्तावेज़ों का सार देता था, वह अब मौलिक, machine-verified गणित बना रहा है। गंभीर शोध में AI के योगदान की सीमा अधिकांश planning cycles की धारणा से तेज़ी से आगे बढ़ रही है।
जो संगठन ऐसे systems के साथ मिलकर काम करना सीखेंगे, न कि सिर्फ उन्हें टाइपिंग सौंपेंगे, वही आने वाले दशक की रफ्तार तय करेंगे।
गणितीय सोचें। समझदारी से इंजीनियर करें। रणनीतिक रूप से नेतृत्व करें। जिम्मेदारी से बनाएँ। वैश्विक रूप से बढ़ें। आर्टिफिशियल इंटेलिजेंस के माध्यम से वास्तविक व्यावसायिक मूल्य बनाएँ।
#ArtificialIntelligence #AIStrategy #MachineLearning #Research #ITImpress
