Google DeepMind: టెక్నాలజీ రంగంలో అతిపెద్ద పేరుగాంచిన గూగుల్ ఇప్పుడు సంచలనం సృష్టించింది. గూగుల్కు చెందిన డీప్మైండ్ అభివృద్ధి చేసిన ‘ఆల్ఫాప్రూఫ్ నెక్సస్’(AlphaProof Nexus AI) అనే కృత్రిమ మేధస్సు వ్యవస్థ గణిత రంగంలో సంచలన విజయాన్ని నమోదు చేసింది.
ప్రముఖ గణిత శాస్త్రవేత్త పాల్ ఎర్డోస్ 1946లో ప్రతిపాదించిన ఓపెన్ సమస్యల్లో తొమ్మిదింటిని ఈ AI స్వయంగా పరిష్కరించినట్లు డీప్మైండ్ ప్రకటించింది. వీటిలో కొన్ని సమస్యలు దశాబ్దాలుగా పరిష్కారం కోసం ఎదురుచూస్తున్నవిగా పేర్కొంటున్నారు.
ఆశ్చర్యకరమైన విషయం ఏమిటంటే, ఈ భారీ విజయాన్ని సాధించడానికి కేవలం కొన్ని వందల డాలర్ల విలువైన కంప్యూటింగ్ వనరులు మాత్రమే ఉపయోగించినట్లు తెలుస్తోంది. సాధారణంగా ఇలాంటి గణిత పరిశోధనలకు అత్యంత ఖరీదైన సూపర్ కంప్యూటింగ్ అవసరం అవుతుందని నిపుణులు చెబుతున్నారు.
ఇదే కాకుండా ఆల్ఫాప్రూఫ్ నెక్సస్ మరో 44 OEIS గణిత ఊహాగానాలను కూడా నిరూపించినట్లు సమాచారం. అలాగే 15 ఏళ్లుగా పరిష్కారం కాని ఆల్జీబ్రిక్ జ్యామితి సమస్యను కూడా ఈ AI ఛేదించినట్లు డీప్మైండ్ పేర్కొంది. ఆప్టిమైజేషన్ థియరీలో ఇప్పటివరకు మనుషులు గుర్తించని కొత్త అల్గోరిథమిక్ పరామీటర్ను కూడా ఈ వ్యవస్థ కనుగొనడం విశేషంగా భావిస్తున్నారు.
ఈ AI ప్రత్యేకత ఏమిటంటే, ఎలాంటి మానవ జోక్యం లేకుండానే గణిత నిరూపణలను రూపొందించి, వాటిని కంప్యూటర్ ఆధారిత ధృవీకరణ వ్యవస్థల ద్వారా తనిఖీ చేయడం. గూగుల్ ప్రత్యేకంగా ఉపయోగించిన ‘Lean’ ఫార్మల్ వెరిఫికేషన్ సిస్టమ్ ప్రతి లాజికల్ స్టెప్ను కఠిన గణిత నియమాల ప్రకారం తనిఖీ చేస్తుంది. దీంతో తప్పు లాజిక్ లేదా ఆధారంలేని వాదనలు వెంటనే బయటపడతాయి.
అయితే AI గణిత నిరూపణల్లో ‘హాల్యూసినేషన్స్’ అనే సమస్యపై గూగుల్ ఆందోళన వ్యక్తం చేసింది. కొన్ని సందర్భాల్లో AI లేనిపోని సూత్రాలను సృష్టించి వాటినే నిజమైన ఫలితాలుగా చూపించే ప్రమాదం ఉందని పేర్కొంది. అలాగే సమస్యలను వేరే రూపంలో మార్చి పరిష్కరించినట్లు చూపించే అవకాశం కూడా ఉందని వెల్లడించింది.
డీప్మైండ్ పరిశోధకుల అభిప్రాయం ప్రకారం, AI రీజనింగ్ మరియు ఫార్మల్ వెరిఫికేషన్ కలయిక భవిష్యత్తులో గణిత పరిశోధన విధానాన్ని పూర్తిగా మార్చే అవకాశం ఉంది. అయితే AI పూర్తిగా మానవ స్థాయి సృజనాత్మకతను చేరలేదని, ఇది ఇప్పటికీ ప్రారంభ దశ అభివృద్ధేనని స్పష్టం చేశారు.
ఈ పరిణామాల నేపథ్యంలో AI ఇప్పటికే AGI వైపు వెళ్తుందా అనే చర్చ జరుగుతున్నప్పటికీ, డీప్మైండ్ CEO డెమిస్ హస్సాబిస్ మాత్రం ప్రస్తుత AI వ్యవస్థలు నిజమైన AGIకి ఇంకా దూరంలోనే ఉన్నాయని తెలిపారు.








