जब एआई खुले गणितीय समस्याओं का समाधान करता है, तो जीनियस के लिए क्या बचा है?

गणित को लंबे समय से बुद्धिमत्ता के शुद्धतम माप के रूप में माना जाता है। अन्य विज्ञानों के विपरीत, यह प्रयोगशाला उपकरण, प्रायोगिक शोर, या मापन उपकरण पर निर्भर नहीं करता है। एक प्रमाण या तो सही है या नहीं। यह स्पष्टता क्यों है कि महान हल न की गई समस्याएं – अनुमान जो हर ज्ञात तकनीक का विरोध करते हैं – एक प्रकार के बौद्धिक माउंट एवरेस्ट बन गई हैं।

इतिहास अक्सर एक ही कहानी सुनाता है: एक प्रश्न दशकों या सदियों तक हवा में लटका रहता है जब तक कि एक दुर्लभ मन – किसी के साथ नहीं आता – जिसमें धैर्य, रचनात्मकता और तकनीकी शक्ति का असामान्य मिश्रण होता है जो किसी और को नहीं दिखता। हम “एकल जीनियस” का जश्न मनाते हैं क्योंकि गणित में, अक्सर यह कथा फिट होती है।

लेकिन एक नया पैटर्न दिखना शुरू हो रहा है। 2025 के अंत और 2026 की शुरुआत में, कई एर्डोस समस्याओं (पॉल एर्डोस द्वारा संग्रहीत खुली समस्याओं के एक ज्ञात सेट) के आसपास ऑनलाइन चर्चाओं में सुझाव दिया गया कि एआई-सहायता प्रमाणों ने असामान्य रूप से कम समय में कई आइटमों को हल किया हो सकता है। इनमें से कुछ प्रमाण स्केच को कथित तौर पर प्रमुख गणितज्ञों द्वारा समीक्षा की गई थी, जिनमें टेरेंस टाओ शामिल थे, जिन्होंने सार्वजनिक रूप से एआई की बढ़ती भूमिका के बारे में बात की थी। एक गणितीय सहयोगी के रूप में। फिर भी, सबसे महत्वपूर्ण सावधानी बनी हुई है: गणित सुर्खियों पर नहीं चलता है। व्यापक स्वीकृति के लिए आमतौर पर समय की आवश्यकता होती है – स्वतंत्र सत्यापन, सावधानी से लिखना, और कभी-कभी प्रमाण-जांच प्रणालियों में औपचारिकीकरण।

यहां तक कि उस सावधानी के साथ, व्यापक बिंदु खड़ा है: दुनिया अपनी पहली वास्तविक नज़र डाल रही है कि जब एआई केवल गणना, सारांश, या पैटर्न-मिलान नहीं कर रहा है, तो क्या होता है, लेकिन तर्क के कार्य में भाग ले रहा है। यदि एआई पीढ़ियों से मानवता के साथ जूझने वाली समस्याओं का समाधान करने में विश्वसनीय रूप से मदद कर सकता है, तो यह एक गहरा प्रश्न उठाता है:
मानव जीनियस अगला क्या करेगा – जब मशीन पहले शिखर तक पहुंच सकती है?

सिलिकॉन तर्क की यांत्रिकी

इस पल को अलग महसूस करने के लिए, यह समझने में मदद करता है कि दो एआई संस्करणों को लोग अक्सर एक साथ मिलाते हैं।

पिछली पीढ़ी के भाषा मॉडल अक्सर (न्यायसंगत रूप से) ऐसे सिस्टम के रूप में वर्णित किए जाते थे जो अगले सबसे संभावित शब्द की भविष्यवाणी कर सकते थे। वे प्रभावशाली दिख सकते थे, लेकिन वे भी “आत्मविश्वासी बकवास” के लिए अतिसंवेदनशील थे क्योंकि उनके पास धीमा करने, विचारों का परीक्षण करने या स्व-सुधार करने की सीमित क्षमता थी।

नए सिस्टम बढ़ते क्रम में एक अलग दृष्टिकोण पर निर्भर करते हैं: परीक्षण-समय तर्क (कभी-कभी “परीक्षण-समय कंप्यूट” के रूप में चर्चा की जाती है)। तुरंत एक उत्तर का उत्पादन करने के बजाय, मॉडल एक ही समस्या पर अधिक समय बिता सकता है – उम्मीदवार दृष्टिकोण उत्पन्न करना, जांच करना कि क्या चरण तार्किक रूप से अनुसरण करते हैं, विरोधाभासों पर वापस जाना, और वैकल्पिक मार्गों का अन्वेषण करना। मानव शब्दों में, यह एक गणितज्ञ की तरह है जो एक व्हाइटबोर्ड पर क्या करता है: कुछ आजमाएं, इसे तोड़ें, इसे ठीक करें, और दोहराएं।

यह गणित में महत्वपूर्ण है क्योंकि प्रगति शायद ही कभी एक सीधी रेखा है। अधिकांश आशाजनक विचार विफल होते हैं। पीछे की ओर जाने की क्षमता – बिना अहंकार, थकान, या निराशा के – एक असंभव खोज को एक ट्रैक्टेबल में बदल सकती है।

आधुनिक एआई सिस्टम मात्र गणना से परे चले गए हैं, जो उन्हें गणितज्ञों के साथी की तरह महसूस कराते हैं। वे बड़े पैमाने पर संश्लेषण में उत्कृष्टता प्राप्त करते हैं, विशाल साहित्य और निश्चित उपक्षेत्रों में विचारों को जोड़ते हैं जहां प्रमुख लेम्मा शायद ही कभी उद्धृत किए जाते हैं। वे तेजी से पुनरावृत्ति को भी सक्षम बनाते हैं, कई प्रमाण “मार्ग” का परीक्षण जल्दी से करते हैं और मृत सिरों को छोड़ देते हुए वादा करने वाले उप-संरचनाओं को बनाए रखते हैं। इसके अलावा, ये मशीनें कभी-कभी असामान्य सुराग प्रस्तावित करती हैं – मध्यवर्ती निर्माण जो मानव प्रवृत्ति से विदेशी लगते हैं लेकिन तार्किक रूप से ध्वनि रहते हैं। अंत में, वे सत्यापन-अनुकूल आउटपुट का उत्पादन करते हैं जिसे लीन या कोक जैसे औपचारिक प्रमाण सहायकों में अनुवादित किया जा सकता है, जिससे समुदाय को उच्च विश्वास के मार्ग के साथ प्रदान किया जा सकता है।

महत्वपूर्ण रूप से, इसका मतलब यह नहीं है कि एआई “गणित” को उसी तरह समझता है जैसे मानव करते हैं। इसका मतलब कुछ विशिष्ट है: सही प्रतिबंधों के तहत, यह तर्क श्रृंखला उत्पन्न कर सकता है जो जांच के तहत खड़े होते हैं। गणित में, यही मुद्रा जो महत्वपूर्ण है।

एर्डोस-शैली की समस्याएं क्यों पहले लक्ष्य के रूप में समझ में आती हैं

सभी गणितीय सीमाएं एआई त्वरण के लिए समान रूप से “कमजोर” नहीं हैं। कुछ समस्याओं के लिए पूरी तरह से नई सिद्धांत, नई परिभाषाएं, या गहरे अवधारणात्मक छलांग की आवश्यकता होती है जो मौजूदा साहित्य में कई पैर नहीं हैं। लेकिन अन्य समस्याएं – विशेष रूप से संयोजनिकी, संख्या सिद्धांत, और विविक्त गणित में – अक्सर एक अलग आकार होता है:

• बयान पर्याप्त रूप से सरल है जिसे गैर-विशेषज्ञों को समझाने के लिए।
• ज्ञात उपकरण बहुत सारे हैं, पत्रों में बिखरे हुए हैं, और आसानी से छूट सकते हैं।
• प्रगति अक्सर मौजूदा परिणामों को एक चतुर तरीके से जोड़कर आती है।

एर्डोस समस्याएं अक्सर इस प्रोफाइल में फिट होती हैं। वे आसानी से बयान करने और हल करने में मुश्किल होने के लिए प्रसिद्ध हैं, और वे ऐसे क्षेत्रों में रहते हैं जहां प्रमाण संभावित तरीकों का एक पैचवर्क शामिल कर सकते हैं: संभाव्य तरीके, चरम संयोजनिकी, अर्गोडिक सिद्धांत, हार्मोनिक विश्लेषण, और अधिक।

यह उन्हें एआई के लिए एक “दबाव परीक्षण” के रूप में उपयोगी बनाता है। यदि एक प्रणाली एक प्रमाण योजना का प्रस्ताव कर सकती है जो एक समस्या के लिए एक विश्वसनीय है जिसने व्यापक मानव प्रयास का विरोध किया है, तो यह महत्वपूर्ण है – यहां तक कि अगर यह निकलता है (जैसा कि कभी-कभी होता है) कि मुख्य विचार पहले से ही पुराने काम में निहित था, या प्रमाण को पोलिश करने की आवश्यकता है इससे पहले कि यह मानक हो।

दूसरे शब्दों में, कहानी “एआई गणितज्ञों को बदल देता है” नहीं है। कहानी यह है कि एआई शायद “परिणाम मौजूद है कहीं” और “समुदाय वास्तव में इसे देख सकता है” के बीच की दूरी को कम कर सकता है।

जब एआई मानवता को भूल जाता है

आधुनिक विज्ञान में सबसे दिलचस्प पैटर्न यह नहीं है कि मानवता को ज्ञान की कमी है, लेकिन हम ज्ञान को पुनर्प्राप्त करने के लिए संघर्ष करते हैं।

गणित विशाल है। परिणाम दशकों की पत्रिकाओं, कार्यशाला नोट्स, और विशेषज्ञता के उपक्षेत्रों में बिखरे हुए हैं जो अपनी भाषा और सम्मेलनों के साथ हैं। यहां तक कि उत्कृष्ट गणितज्ञ भी एक निश्चित डोमेन के भीतर “स्पष्ट” एक प्रमेय को छोड़ सकते हैं। समय के साथ, पूरे तर्क श्रृंखला दफन हो सकती है – नहीं क्योंकि वे गलत थे, लेकिन क्योंकि ध्यान कहीं और स्थानांतरित हो गया था।

एआई इस गतिविधि को बदल देता है क्योंकि यह उन उबाऊ कोनों में खोज करने के लिए तैयार है जहां मानव शायद ही कभी देखते हैं क्योंकि वे फैशनेबल क्षेत्रों की ओर आकर्षित होते हैं। यह उपक्षेत्रों के बीच डायलेक्ट को पुल करने और मानव पारंपरिक रूप से अलग रखते हुए विचारों को संरेखित करने में भी काम करता है।

यह वह जगह है जहां कई लोग सबसे गहरा वादा देखते हैं। यहां तक कि जब एआई मूल रूप से गणित का आविष्कार नहीं कर रहा है, तो यह एक अल्ट्रा-पावर्ड “ज्ञान उत्खनन” की तरह काम कर सकता है, भूली हुई संरचनाओं को फिर से दृष्टि में लाने और उन्हें नए तरीके से पुनर्संयोजित करने में।

बड़ा गणित परिवर्तन: प्रमाण-लेखक से कंडक्टर तक

यदि एआई में सुधार जारी रहता है, तो सबसे बड़ा परिवर्तन यह नहीं हो सकता है कि मशीनें अधिक सिद्धांतों का समाधान करती हैं। यह हो सकता है कि मानव गणितज्ञ की भूमिका बदल जाए।

सदियों से, गणित करने का अर्थ प्रमाण खुद में बहुत प्रयास करना था – एक मार्ग खोजना, हर कदम की पुष्टि करना, और इसे ऐसे लिखना जो अन्य विशेषज्ञों द्वारा जांचा जा सके। यह श्रम हस्तशिल्प का एक हिस्सा है। लेकिन यह एक बोतलनेक भी है। कई आशाजनक विचार केवल इसलिए मर जाते हैं क्योंकि पूरी तरह से निष्पादित और औपचारिक बनाने के लिए मानव समय बहुत अधिक है।

एक एआई त्वरित दुनिया में, प्रमाण कम हो जाता है। इससे गणित सरल नहीं होता है। यह बताता है कि कठिन काम कहां रहता है।

गणितज्ञ कार्टोग्राफर के रूप में, कैलकुलेटर नहीं

यदि एक प्रमाण अब मुख्य बोतलनेक नहीं है, तो “जीनियस” उच्च-स्तरीय कार्यों की ओर स्थानांतरित हो जाता है। सबसे मूल्यवान प्रश्नों का चयन करना एक केंद्रीय मानव जिम्मेदारी बन जाता है, साथ ही साथ नए स abstractions जैसे इनवेरिएंट्स और फील्ड-ब्रिजिंग परिभाषाओं को डिज़ाइन करना भी शामिल है। इसके अलावा, महान दिमाग अनुसंधान कार्यक्रमों का निर्माण करके संयोजनों के परिदृश्य को मैप करने और खोज को समन्वयित करने पर ध्यान केंद्रित करेंगे, साथ ही साथ स abstract परिणामों को अन्य क्षेत्रों के लिए कार्यात्मक उपकरणों में अनुवादित करेंगे।
इसे शतरंज में परिवर्तन की तरह सोचें जब कंप्यूटर ने हमें पार किया। मानव शतरंज तब समाप्त नहीं हुआ जब इंजन हमें पार किया। इसके बजाय, शीर्ष स्तर का खेल विकसित हुआ। मानवों ने मशीन से बेहतर प्रश्न पूछना सीखा, इसकी सिफारिशों की व्याख्या की, और रणनीतियों को विकसित किया जो अंतर्ज्ञान के साथ गणना को मिलाते हैं।

गणित एक समान परिवर्तन के माध्यम से जा सकता है – सिवाय इसके कि दांव अधिक व्यापक हैं। नए गणितीय उपकरण क्रिप्टोग्राफी, अनुकूलन, मशीन लर्निंग, भौतिकी और अर्थशास्त्र को फिर से आकार दे सकते हैं। यदि एआई खोज की लागत को कम करता है, तो डाउनस्ट्रीम प्रभाव बड़े हो सकते हैं।

क्या यह “मुक्त सोच” है, या बस बहुत तेजी से खोज?

एक उचित संशयवादी कह सकता है: यह बुद्धिमत्ता नहीं है, यह सिर्फ ब्रूट बल है। एक मशीन को पर्याप्त कंप्यूट दें, और यह कुछ ऐसा खोज लेगा जो काम करता है।

एक वास्तविक बिंदु है। एआई पैमाने लाता है। यह कई मार्ग आजमा सकता है। लेकिन सबसे दिलचस्प मामले यादृच्छिक भटकाव नहीं हैं – वे संरचित संश्लेषण शामिल करते हैं: अवधारणाओं को जोड़ना, अपरिचित संदर्भों में लेम्मा का पुन: उपयोग करना, और एक तर्क श्रृंखला को इकट्ठा करना जो विशेषज्ञों द्वारा मान्य है।

अभ्यास में, “खोज” और “सोच” के बीच की रेखा धुंधली हो जाती है। मानव गणितज्ञ भी खोजते हैं – विचारों के माध्यम से, समानताओं के माध्यम से, आंशिक परिणामों के माध्यम से। जो महत्वपूर्ण है वह यह है कि प्रक्रिया विश्वसनीय रूप से नई, जांच योग्य सच्चाई का उत्पादन करती है।

यदि एआई निरंतर रूप से उसे करने में सक्षम हो जाता है, तो लेबल परिणाम से ज्यादा महत्वपूर्ण है। सीमा किसी भी तरह से स्थानांतरित हो जाती है।

कौन से सीमाएं अगली बार गिर सकती हैं?

यदि एआई में सुधार जारी रहता है, तो हमें एक पैटर्न की उम्मीद करनी चाहिए: जो समस्याएं पहले गिरती हैं, वे अक्सर वे होंगी जहां ज्ञान पहले से मौजूद है लेकिन खंडित है, जहां मौजूदा तकनीकों को पुन: संयोजित किया जा सकता है, और जहां औपचारिक सत्यापन जल्दी से विश्वास बढ़ा सकता है।

संभावित निकट अवधि के लक्ष्यों में शामिल हैं:

• चरम संयोजनिकी और ग्राफ सिद्धांत: समृद्ध टूलकिट, कई ज्ञात लेम्मा, और स्वच्छ, विविक्त शब्दों में परिभाषित समस्याएं।
• अधिक संख्या सिद्धांत: पार-तकनीकी प्रमाणों और “पुल” तर्कों के लिए उर्वर भूमि जो क्षेत्रों को जोड़ती है।
• अनुकूलन और जटिलता-संबंधी प्रश्न: गहरे “पी वीएस एनपी” स्तर पर नहीं, लेकिन कई छोटे संरचनात्मक परिणाम जो एल्गोरिदम और सीमाओं के चारों ओर हैं।
• औपचारिक रूप से सबडोमेन: क्षेत्र जो पहले से ही आंशिक रूप से प्रमाण सहायकों जैसे लीन या कोक में एन्कोड किए गए हैं, जहां एआई विचार से सत्यापित सिद्धांत में अनुवाद को तेज कर सकता है।

बड़े, प्रसिद्ध समस्याएं – जैसे कि मिलेनियम पुरस्कार समस्याएं – अभी भी गहरे अवधारणात्मक आविष्कारों की आवश्यकता हो सकती हैं। लेकिन यहां तक कि वहां, एआई आसपास के क्षेत्र में टुकड़ी कर सकता है: लेम्मा साबित करना, विशेष मामलों का अन्वेषण करना, और एक अंतिम मानव (या हाइब्रिड) छलांग को अधिक संभव बनाने के लिए सcaffolding बनाना।

दार्शनिक मोड़: प्रश्नकर्ता की वापसी

जैसे ही हम प्रमाण की यांत्रिकी को स्वचालित करते हैं, हमें एक वास्तविकता का सामना करना पड़ता है जो अनुशासन की शुरुआत से मौजूद है: गणित, और हमेशा के लिए, दर्शन का एक उपसेट है। ऐतिहासिक रूप से, हमारी प्रजाति के प्रतिष्ठित बुद्धि वे थे जो जीवन के सबसे अर्थपूर्ण प्रश्नों से जूझ सकते थे। यूनानियों ने संख्या का अध्ययन अस्तित्व के अध्ययन से अलग नहीं किया; उनके लिए, एक संख्या की “अतर्क्यता” तार्किक रूप से एक संकट के रूप में थी जितना कि यह आत्मा के लिए एक संकट था।

आधुनिक युग में, हमने मानव “जीनियस” के मूल्यांकन को “मास्टर कैलकुलेटर” की ओर स्थानांतरित कर दिया – जो मन जो एक तीन सौ पृष्ठ के प्रमाण के घने मैनुअल श्रम के माध्यम से पीस सकता है। हमने बुद्धिमत्ता को जैविक प्रोसेसर के रूप में कार्य करने की क्षमता के साथ समान किया। लेकिन जैसे ही एआई इन प्रमाणों के शिखर तक पहले पहुंचता है, वह तकनीकी बोतलनेक वाष्पित हो जाता है। यह मानव बुद्धि को कम नहीं करता है; यह इसे “स्टैक में ऊपर” स्थानांतरित करता है।

भविष्य के प्रतिष्ठित बुद्धि वे नहीं होंगे जो एक ज्ञात प्रक्रिया को असाधारण कुशलता के साथ निष्पादित कर सकते हैं, लेकिन वे दार्शनिक जो पहले स्थान पर खोज योग्य क्या है, यह परिभाषित कर सकते हैं। जब “कैसे” एक कमोडिटी बन जाती है जो सिलिकॉन द्वारा प्रदान की जाती है, तो “क्यों” एकमात्र शेष दुर्लभता बन जाती है। हम पॉलीमैथ के युग में लौट रहे हैं, जहां एक जीवन-परिवर्तन करने वाले प्रश्न की कल्पना करने की क्षमता – एक नई अर्थ की सीमा की कल्पना करने की क्षमता – सर्वोच्च कौशल है। जैसे कि एक शोवेल से एक बैकहो में बदलाव, हम अब अपने हाथों से खुदाई करने की क्षमता के लिए मूल्यांकित नहीं हैं; हम अपने दृष्टिकोण में तोड़ने के लिए जमीन का निर्णय लेने की क्षमता के लिए मूल्यांकित हैं।

निष्कर्ष: एक भविष्य जहां जीनियस स्टैक में ऊपर जाता है

यदि एआई उन समस्याओं का समाधान करने में मदद कर सकता है जिन्हें एक बार एक सदी में एक बार की बुद्धि की आवश्यकता होती है, तो इसका मतलब यह नहीं है कि हम गणित से बाहर निकल जाते हैं। इसका मतलब है कि हम इसे कैसे करते हैं यह बदल जाता है।

एक दुनिया में जहां प्रमाण सस्ते हो जाते हैं, दुर्लभ संसाधन कुछ और बन जाता है: अच्छे प्रश्न, उपयोगी अमूर्तता, और गणित का क्या अर्थ है यह समझने की क्षमता।

भविष्य का “अद्वितीय बुद्धि” एक अकेले व्यक्ति की तरह कम दिखाई दे सकती है जो दशकों तक एक प्रमाण के माध्यम से पीस रहा है और अधिक एक विचारों के कार्टोग्राफर की तरह – कोई जो देख सकता है कि कौन से पहाड़ चढ़ने लायक हैं, और कैसे मानव और मशीनें साथ में एक नए प्रकार के अभियान में चढ़ती हैं।