खंडित बुद्धिमत्ता: क्यों एआई ओलंपियाड समस्याओं में उत्कृष्टता प्राप्त करते हैं लेकिन स्कूल गणित में फंस जाते हैं

कृत्रिम बुद्धिमत्ता समुदाय ने 2025 में एक उल्लेखनीय मील का पत्थर मनाया जब गूगल डीपमाइंड और ओपनएआई सिस्टम दोनों ने स्वर्ण पदक प्रदर्शन किया अंतर्राष्ट्रीय गणित ओलंपियाड में। इन एआई मॉडलों ने उन समस्याओं का समाधान किया जो केवल दुनिया के सबसे चमकीले युवा गणितज्ञों के एक मुट्ठी भर लोग ही हल कर सकते थे। फिर भी, इन同 एक ही प्रणालियों अक्सर असफल होती हैं जब उनसे बुनियादी अंकगणित करने के लिए कहा जाता है जो किसी भी मध्य विद्यालय के छात्र को आसानी से संभाल सकता है। यह चौंकाने वाला विरोधाभास कृत्रिम बुद्धिमत्ता की प्रकृति के बारे में कुछ मूलभूत बातों को उजागर करता है। हम खंडित बुद्धिमत्ता के उदय को देख रहे हैं, जहां मशीनें कुछ क्षेत्रों में अतिमानवीय क्षमता प्रदर्शित करती हैं जबकि हम उन कार्यों में असफल होती हैं जिन्हें हम मूलभूत मानते हैं।

ओलंपियाड की जीत

अंतर्राष्ट्रीय गणित ओलंपियाड पूर्व-विश्वविद्यालय गणित प्रतियोगिता में अग्रणी मानक है। प्रत्येक वर्ष, दुनिया भर के सबसे चमकीले युवा गणितज्ञ छह समस्याओं का सामना करते हैं जिनमें गहरी अंतर्दृष्टि, रचनात्मक सोच और उच्च-स्तरीय प्रमाण तकनीकों की आवश्यकता होती है। 2025 में, गूगल डीपमाइंड और ओपनएआई दोनों सिस्टम ने 42 में से 35 अंक हासिल किए, जो स्वर्ण पदक जीतने के लिए पर्याप्त थे। डीपमाइंड के अल्फाजियोमेट्री 2 ने केवल 19 सेकंड में एक जटिल ज्यामिति समस्या का समाधान किया, जबकि अल्फाप्रूफ ने संख्या सिद्धांत और बीजगणित में समस्याओं का समाधान किया जो अधिकांश मानव प्रतिभागियों को चकमा दे गए।

मूलभूत संघर्ष

वही एआई सिस्टम जो ओलंपियाड समस्याओं में उत्कृष्टता प्राप्त करते हैं अक्सर उन कार्यों में असफल होते हैं जो लगते हैं आसान। उदाहरण के लिए, यदि आप उनसे बड़ी संख्याओं को गुणा करने के लिए कहते हैं, तो वे गलत उत्तर दे सकते हैं। इसी तरह, यदि आप अन्य बुनियादी अंकगणितीय संचालन करने का प्रयास करते हैं, तो उनका प्रदर्शन अनुमानित हो जाता है। समस्या केवल सरल गणना तक सीमित नहीं है। ये सिस्टम अक्सर शब्द समस्याओं के साथ संघर्ष करते हैं जिनमें कई मात्राओं को ट्रैक करने, वास्तविक दुनिया के संदर्भ को समझने या बुनियादी गणितीय संचालन को क्रम में लागू करने की आवश्यकता होती है।

वास्तुकला विरोधाभास

ओलंपियाड सफलता और अंकगणित विफलता के बीच विरोधाभास एक गहरे वास्तुकला मुद्दे को उजागर करता है। आधुनिक एआई सिस्टम उन समस्याओं में उत्कृष्टता प्राप्त करते हैं जिन्हें पैटर्न मान्यता, तार्किक निर्धारण और समाधान स्थानों के माध्यम से व्यवस्थित खोज के माध्यम से हल किया जा सकता है। ओलंपियाड समस्याएं, उनकी कठिनाई के बावजूद, अक्सर ऐसे सुंदर संरचनाएं होती हैं जिन्हें एआई द्वारा शोषण किया जा सकता है। सिस्टम विभिन्न प्रमाण रणनीतियों का अन्वेषण कर सकते हैं, तार्किक चरणों की पुष्टि कर सकते हैं और स्थापित गणितीय ढांचे पर निर्माण कर सकते हैं। वे प्रतीकों और नियमों की दुनिया में काम करते हैं जहां संगति और तर्क प्रमुख हैं।

प्रशिक्षण डेटा और इसकी सीमाएं

एआई क्षमताएं मुख्य रूप से प्रशिक्षण डेटा की गुणवत्ता और प्रकृति पर निर्भर करती हैं। गणितीय प्रमाण और उन्नत समस्याएं अक्सर ऑनलाइन अच्छी तरह से संरचित प्रारूपों में दिखाई देती हैं। शैक्षणिक पत्र, पाठ्यपुस्तकें और शैक्षिक संसाधन गणितीय तर्क के स्पष्ट उदाहरण प्रदान करते हैं। इंटरनेट में गणितीय अवधारणाओं, प्रमाण तकनीकों और समस्या-समाधान रणनीतियों के व्यापक चर्चे हैं। यह समृद्ध खजाना एआई सिस्टम को उन्नत गणितीय सोच सीखने में सक्षम बनाता है।

एआई विकास के लिए निहितार्थ

इस असमान बुद्धिमत्ता पैटर्न का एआई सिस्टम के डिजाइन और उपयोग के लिए महत्वपूर्ण निहितार्थ हैं। हम यह मान नहीं सकते कि जटिल कार्यों में सफलता सरल कार्यों में प्रवीणता को दर्शाती है। एक एआई जो गणितीय सिद्धांतों को साबित कर सकता है एक चेकबुक को संतुलित करने में विफल हो सकता है। एक प्रणाली जो कंप्यूटर कोड लिख सकती है मूल गिनती में संघर्ष कर सकती है। यह वास्तविकता वास्तविक दुनिया के अनुप्रयोगों में एआई क्षमताओं और सीमाओं पर सावधान विचार करने की मांग करती है।

आगे का रास्ता

खंडित बुद्धिमत्ता को पहचानना अधिक सक्षम एआई सिस्टम बनाने के लिए एक स्पष्ट दिशा प्रदान करता है। शोधकर्ता विधियों विकसित कर रहे हैं जो भाषा मॉडल में गणना उपकरण एकीकृत करते हैं, जिससे उन्हें अंकगणित को कैलकुलेटरों को सौंपने में सक्षम बनाता है। नए प्रशिक्षण रणनीतियों में मॉडल को सिखाना शामिल है कि कब बाहरी उपकरणों का उपयोग करना है और कब हर कौशल को आंतरिक करने का प्रयास करना है। यह दृष्टिकोण मानव बुद्धिमत्ता की नकल करता है, जहां हम गणना के लिए कैलकुलेटर पर और उच्च-स्तरीय तर्क के लिए मानसिक प्रयास पर निर्भर करते हैं।

नीचे की रेखा

एआई की ओलंपियाड समस्याओं को हल करने में सफलता लेकिन सरल गणित में विफलता दिखाती है कि बुद्धिमत्ता समान रूप से विकसित नहीं होती है। ये सिस्टम एक क्षेत्र में उत्कृष्ट और दूसरे में कमजोर हो सकते हैं। इस असमान पैटर्न को समझना एआई के डिजाइन और उपयोग के लिए महत्वपूर्ण है। हमें एक मॉडल से सब कुछ करने की उम्मीद नहीं करनी चाहिए; हमें विभिन्न दृष्टिकोणों को जोड़ने की आवश्यकता हो सकती है जो प्रत्येक प्रणाली की ताकत का फायदा उठाते हैं। वास्तविक प्रगति व्यावहारिक रूप से विश्वसनीय एआई बनाने से आएगी, न कि यह मानकर कि यह हर कार्य में अच्छा होगा।