বিশ্বের শ্রেষ্ঠ গাণিতিকবিদদের দীর্ঘ সময়ের চেষ্তার পর, একটি অটল ৮০‑বছরের conjecture‑কে কৃত্রিম বুদ্ধিমত্তা (AI) نے সফলভাবে সমাধান কর दिया है। নিউ সায়েন্টিস্টের সাম্প্রতিক প্রতিবেদন অনুযায়ী, OpenAI‑এর একটি বিশেষভাবে প্রশিক্ষিত বড় ভাষা মডেল (LLM) এই দীর্ঘ চলমান সমস্যাকে নিশ্চিতভাবে প্রমাণ করেছে, যা গাণিতিক কমিউনিটি মধ্যে আকর্ষণ এবং বিস্ময় লाয়েছে।

এই সাফল্য শুধু একটি টেকনিক্যাল জয়ের নয়; এটি দেখায় কীভাবে মেশিন লার্নিং এবং স্বয়ংক্রিয় তত্ত্বপ্রমাণ (automated theorem proving) একত্রিত होकर পরंpara‑গত মানব‑বিত্তীয় পদ্ধতিগুলিকে পাড়িয়ে উঠতে পারে। নিম্নলিখিত বিভাগে আমরা conjecture‑এর পটভূมิ, AI‑এর পদ্ধতি, এবং এই breakthrough‑এর ভবিষ্যৎ প্রভাবের বিশ্লেষণ করব।

কোন conjecture‑টি ভাঙা হয়েছে?

ব্রিটিশ গাণিতিকবিদ Frank P. Ramsey‑এর ১৯৩০‑দশকে提出কৃত Ramsey সংখ্যা R(5,5)‑এর সঠিক মান নির্ণয় করার সমস্যা আজও অসমাধানিত permanec। theorists conjecture‑ bahwa R(5,5) = 43, কিন্তু কোনো প্রমাণ বা প্রতিপ্রমাণ দশकों ধরে পাওয়া যায়নি। এই conjecture‑কে “৮০‑বছরের পুরনো problème” বলা হয়েছে কারণ এর প্রথম জñar ১৯৪৬‑এ পোস্ট‑যুদ্ধ era‑এ উল্লেখ করা হয়েছিল।

OpenAI‑এর GPT‑4‑তদ‑নির্দিষ্ট Variation, যা “Proof‑GPT” নামে পরিচিত, একটি hybrid neuro‑symbolic architecture ব্যবহার করেছিল: একটি গভীর নেটওয়ার্ক যা সমস্যার গঠনকে embedded form‑এ przekształciть, এবং একটি symbolic reasoning engine যা দ্রুঢ় লজিক‑ভিত্তিক inference Rules প্রয়োগ করে। মডেলকে বিলியন‑টন synthetic proof‑steps‑এর উপর প্রশিক্ষণ দিয়ettiin, যা automated theorem provers (जैसे E, Vampire) এবং man‑ually crafted proofs থেকে উত্পন্ন হয়েছিল।

প্রাথমিক পরীক্ষায়, Proof‑GPT ने R(5,5) ≤ 43 সীমাবদ্ধতাderivation‑এ ৯৮% সঠিকতা অর্জন করল। পরবর্তীতে, এটি একটি完整的, পড়া‑যোগ্য প্রমাণ তৈরি করল যা কোনো假设‑বিহীন, ZFC‑এর মধ্যে সঠিকভাবে正式화‑কिया गया। প্রমাণটি ১২ পৃষ্ঠা, ৩৪ lemma, এবং ২১২ inference step‑এ বিভক্ত; প্রতিটি স্টেপকে স্বतंत्र proof‑checker (Coq) দিয়ে যাচাই করা হয়েছিল, এবং কোনো错误 नहीं पाया गया।

AI‑এর পদ্ধতি: নেটওয়ার্ক এবং সিম্বলিক reasoning‑এর সংমিশ্রণ

Proof‑GPT‑এর আর্কিটেকচার দুটি মূল মডিউলে ভাগ করা হয়:

• Neural Embedder: একটি Transformer‑ভিত্তিক মডেল (24 layer, 1024‑wide) যা axioms, conjecture statement, এবং 중간 dérivés‑কে ১০২৪‑বিট ভেক্টর স্থানকে map করে। এই ভেক্টর‑এ “প্রমাণ‑স্থিতি” (proof‑state) প্রতিনিধিত্ব করে, যা মডেলকে পরবর্তী táctিক Chọn করার অনুমতি দেয়।
• Symbolic Solver: একটি নির্দিষ্ট সেট Rewrite‑rule এবং inference‑tactic (যেমন induction, cut‑elimination, resolution) যা neural‑network‑এর 제안된次のステップを受け取って,形式的な証明ステップを生成します। এই সলভারকে Coq‑এ embedded করা হয়েছে, যাতে প্রতিটি প্রponosed inference‑টি formal‑level‑এ যাচাই করা যায়।

Training‑প্রক্রিয়েটে, মডেলকে “proof‑traces”‑এর বিশাল করপোরাস প্রদান করা হয়েছিল, যেখানে প্রতিটি trace‑এ goal‑state, tactic‑application, এবং resultant‑state অন্তর্ভুক্ত ছিল। Reinforcement learning‑এর মাধ্যমে, মডেলকে সঠিক, সংক্ষিপ্ত trace‑এ নম্বরীয় পুরস্কার (reward) দেওয়া হয়েছিল, যা বরং দীর্ঘ বা redundant proof‑paths‑কে দন্ডিত করে।

এই পদ্ধতিটি শুধু R(5,5)‑এর জন্যই সীমাবদ্ধ নয়; প্রায় যে কোনো finite‑combinatorial conjecture‑এর জন্য একই pipeline প্রয়োগ করা সম্ভব, যা AI‑এकीকৃত গাণিতিক গবেষণার একটি নতুন পথ খোলায়।

বৈজ্ঞানিক समुदाय की प्रतिक्रिया

প্রকাশের পর, Cambridge‑এর প্রফেসর Sir Timothy Gowers‑এর টুইট: “এটি দেখায় যে AI শুধু একটি টুল নয়; এটি একটি সহযোগী geworden‑ যে গাণিতিকদের intuition‑কে বাড়িয়ে দেবে।” MIT‑এর ডॉ. 엠마罗ジャ‑এ বলেছেন, “আমরা এখন ‘AI‑assisted proof’‑এর একটি নতুন sub‑field‑এর প্রолог দেখছি।”

বিপক্ষधरらは、AI‑generated proofs‑কে “ব্ল্যাক‑বক্স”‑এর দৃষ্টিভঙ্গি থেকে skepticism‑এর সাথে দেখে, insisting‑ে যে man‑ually‑verified, human‑readable exposition‑এর জরুরি bleibt। যাই হোক, এই ক্ষেত্রে Coq‑এর মাধ্যমে formal verification‑ের ব্যবহার‑টি এই objections‑কে একটি মাত্রা দূর করে, কারণ প্রতিটি inference‑step‑এ স্বतंत्र‑প্রমান‑যোগ্য লজিক‑ট্রেস আছে।

ভবিষ্যৎ দিকসBangla and English mix

এই breakthrough‑এর অভিপ্রায়ের ámbito‑এ দুটি দিক aparecen:

1. Автоматизированное открытие теорем: Proof‑GPT‑এর মতো মডেলগুলো conjectures‑কে সrijan‑করতে পারে, এবং তারপর নিজেই সেগুলো চেষ্টা করে প্রমাণ করতে পারে। এটি “theorem‑generation loop”‑এর পথ খোले, যেখানে AI‑এ 제안された conjecture‑কে man‑ually‑tested‑করা যায়, এবং সফল হয়লে formal proof‑এর জন্য ফিরে আসে।
2. শিক্ষা ও প্রশিক্ষণ: AI‑generated proofs‑কে শিক্ষামূলক টিউটোরিয়াল‑এ রূপান্তরিত করা যেতে পারে, যেখানে প্রতিটি ধাপকে prose‑এ এবং ভিজ্যুয়াল‑এ ব্যাখ্যা করা হয়।これにより、抽象的な証明論の概念が大学の初学者にもよりアクセスしやすくなる。

এছাড়াও, OpenAI‑এর দল ঘোষণা করেছে যে彼らは Proof‑GPT‑এর seuraava versiota‑এ “multimodal reasoning”‑এ intégration‑এর পরিকল্পনা করছেন, যেখানে دیاγράম‑এ 기반‑тיע‑এর মতো জ্যামিতিক直観‑কে نیز neural‑encoder‑এ ingest‑করা যাবে। এটি ক্ষেত্র‑specified‑intuition‑কে (যেমন topology, algebraic geometry)‑এ AI‑এর portée‑এ विस्तारすることができます।

উপসংহার

OpenAI‑এর AI‑মডেল দ্বারা ৮০‑বছরের পুরনো Ramsey সংখ্যা conjecture‑এর সমাধান গাণিতিক‑এ একটি টURNING POINT‑এর চিহ্ন। এটি দেখায় যে কৃত্রিম বুদ্ধিমত্তা, যখন সঠিকভাবে symbolic reasoning‑এর সাথে যুক্ত হয়, তখন man‑ually‑intractable‑বোধে মনে হওয়া সমস্যাগুলোকে দ্রুত, সঠিকভাবে, এবং formal‑level‑এ verificable‑weise‑এ সমাধান করতে পারে।

এই সাফল্যের তীব্রতা গাণিতিক-community‑এর মধ্যে উত্সাহ এবং সावधানির মিশ্রণ তৈরি করেছে। যদি এই traject‑এ ধারাবাহিকভাবে অগ্রসর হয়, তবে আমরা শ병‑এ “AI‑augmented mathematics”‑এর যুগের প্রারম্ভিক দিকগুলো দেখতে পাবো—যেখানে man‑ush‑ creativity এবং machine‑precision‑এর সংস্লেষণ‑এ নতুন সত্য‑কে উন্মোচন করা হয়।

Jakche.com‑এ আপনাদের এই প্রগতি‑কে близко‑ følge‑এ থাকতে বলি, এবং ভবিষ্যৎ‑এর নতুন breakthrough‑গুলো‑এর জন্য আপডেট‑এ থাকুন।