विस्तृत विश्लेषण · लगभग 6 मिनट पढ़ना
Microsoft का KLS विवरण मानव-निर्देशित AI शोध के बारे में क्या बताता है
Microsoft बताता है कि शोधकर्ताओं ने AI की मदद से100 से अधिक तरीकों को KLS प्रमाण की ओर कैसे निर्देशित किया। सीख खोज-प्रक्रिया में है, जिसकी साक्ष्य-सीमाएँ भी हैं।
- यहाँ प्रकाशित
- स्रोत की तारीख
- स्रोत जाँचा गया
21 अक्टूबर को प्रकाशित Microsoft Research के विवरण में Zhao Song और Xinzhi Zhang के KLS कार्य में गणितीय निर्णय और AI-सहायक खोज के मेल को समझाया गया है। शोधपत्र पहले का है: पहली प्रस्तुति1 अक्टूबर और संस्करण2 का आगमन4 अक्टूबर को हुआ। यह सहयोग की प्रक्रिया की रिपोर्ट है, AI द्वारा अभी घोषित स्वतंत्र प्रमाण की खबर नहीं।
समाचार सुनें
यह लेख सुनें या समाचार लगातार चलाएँ।
पढ़ने की तैयारी हो रही है…
डिवाइस की आवाज़
वाक् प्रक्रिया आपके ब्राउज़र या डिवाइस में होती है। AISubHub पाठ किसी ऑडियो API को नहीं भेजता। आवाज़ों और लॉक स्क्रीन पर चलने की सुविधा डिवाइस पर निर्भर है।
जारी करने पर छोटा वाक्यांश दोहराया जा सकता है।
मुख्य बातें
- Microsoft के अनुसार100 से अधिक संभावित तरीकों की खोज हुई; शोधकर्ताओं ने चयन, छँटाई और दिशा-परिवर्तन किया।
- पुनरावर्ती विधि, बार-बार सुधार और संचित त्रुटियों का नियंत्रण मानव गणितीय योगदान बताए गए हैं। AI ने खोज, व्युत्पत्ति, लेखन और आंतरिक जाँच में सहायता की।
- शोधपत्र की AI घोषणा में GPT-6 Astra, GPT-5.6 Sol, Claude Fable 5 और Fable 5.1 का नाम है। इन मॉडलों की नियंत्रित रैंकिंग नहीं दी गई है।
- Microsoft कहता है कि कई मॉडलों के बिना मार्गदर्शन वाले प्रयास लगभग तुलनीय कुलtoken बजट में उसी लक्ष्य तक नहीं पहुँचे। देखी गई सामग्री में सटीक बजट और पूरे निष्पादन लॉग नहीं हैं।
उपयोगी प्रश्न यह है कि खोज कैसे संगठित हुई
AI कोई विश्वसनीय लगने वाली गणितीय दिशा सुझा सकता है, बिना यह जाने कि छोटी त्रुटि उस पर बने पूरे तर्क को अमान्य कर देगी।21 अक्टूबर का विवरण इसलिए उपयोगी है कि वह संभावित तरीका उत्पन्न होने और तर्क स्वीकार होने के बीच की प्रक्रिया दिखाता है। शोधकर्ता मध्यवर्ती कार्य देखते, कम आशाजनक शाखाएँ हटाते और अच्छे परिणाम अगली कोशिश में ले जाते थे। रिपोर्ट में100 से अधिक तरीके हैं, एक मॉडल का एक लगातार उत्तर नहीं।
हमारी व्याख्या में चयन भी गणना का आवश्यक भाग था। एक शिक्षण-उदाहरण मानें: एजेंट अधिक मजबूत असमिका देता है, लेकिन चुपचाप ऐसी चिकनाई मान लेता है जिसकी समस्या गारंटी नहीं देती। मानव उस शाखा को छोड़ सकता है या गायब शर्त को अलग सहायक प्रमेय बना सकता है। यह KLS परियोजना की देखी हुई घटना नहीं, केवल उदाहरण है। इससे स्पष्ट होता है कि अधिक पाठ बनाना और गणित में आगे बढ़ना अलग माप हैं।
गणितीय दावे का वास्तविक दायरा
1995 में प्रस्तावित KLS अनुमान उच्च-आयामी स्थानों के लॉग-अवतल संभाव्यता-वितरणों से संबंधित है। सहज रूप में प्रश्न यह है कि क्या हाइपरप्लेन से काटकर वितरण के सबसे संकरे अवरोध, बिना आकार-प्रतिबंध वाले कटों की तुलना में, निश्चित गुणक के भीतर पहचाने जा सकते हैं। आयाम बढ़ने पर गुणक बिगड़ना नहीं चाहिए। लेखक KLS स्थिरांक की सार्वभौमिक ऊपरी सीमा और समदैशिक लॉग-अवतल मापों के लिए संबंधित Poincaré असमिका का दावा करते हैं।
दायरा महत्त्वपूर्ण है। समदैशिक सामान्यीकरण सहप्रसरण का पैमाना तय करता है; हर डेटासेट या न्यूरल-नेटवर्क निरूपण उस वर्ग में नहीं आ जाता। अवरोधों की ज्यामिति प्रभावित करती है कि रैंडम वॉक वितरण को कैसे खोजता है, इसलिए संबंध सैंपलिंग और अनुकूलन से है। यह किसी चालू उत्पाद की मापी गई गति-वृद्धि नहीं देता। आयाम-स्वतंत्र सैद्धांतिक सीमा और तेज कार्यान्वयन अलग उपलब्धियाँ हैं, खासकर जब स्थिरांक तथा एल्गोरिदमिक अतिरिक्त लागत मायने रखते हों।
सुधार दोहराने की लागत भी नियंत्रित करनी थी
भूमिका अधिक मजबूत होते अनुमानों की कड़ी बताती है। बहुपदीय उतार-चढ़ाव की सीमाएँ वक्रता के अनुमान सुधारती हैं, और सुधरी वक्रता फिर बेहतर बहुपदीय सीमाएँ देती है। इस आदान-प्रदान से बार-बार लघुगणकीय सुधार मिलता है। अगला कदम पूरी बड़ी सुधार-प्रक्रिया को दोहराना है, न कि पहली बहुत धीमी बढ़ती सीमा पर रुकना।
कठिनाई यह है कि एक हिस्से का सुधार कहीं और नया नुकसान ला सकता है। नुकसान अनियंत्रित जमा हो तो केवल दोहराव सार्वभौमिक स्थिरांक सिद्ध नहीं करता। लेखकों के सार के अनुसार घटते नुकसान-बजट से कुल सीमा नियंत्रित रहती है। यह उनके तर्क की व्याख्या है, हमारा स्वतंत्र प्रमाण नहीं। Microsoft पुनरावर्ती ढाँचे, बार-बार उपयोग और सीमित त्रुटि के विश्लेषण का श्रेय शोधकर्ताओं को देता है। गणना में AI की मदद को हर वैचारिक कदम का स्वामित्व नहीं बनाना चाहिए।
बिना मार्गदर्शन वाली AI से तुलना की सीमाएँ
घोषणा GPT-6 Astra, GPT-5.6 Sol, Claude Fable 5 और Fable 5.1 को परियोजना के औजार बताती है। Microsoft अलग प्रयास-समूह का भी वर्णन करता है: कई अग्रणी मॉडल लगभग समान कुलtoken बजट के साथ बिना मार्गदर्शन चले, पर लक्ष्य तक नहीं पहुँचे। इससे सिद्ध नहीं होता कि हर नामित औजार समान तुलना में शामिल था। किसी देखे स्रोत में पुनरुत्पाद्य मॉडल-दर-मॉडल अंक-सारणी नहीं है।
हमारे विश्लेषण में यह मानव निर्देशन का मूल्य जाँचने का आधार है, स्वतंत्र गणित की सामान्य क्षमता-सीमा घोषित करने का नहीं। एक कठिन समस्या, प्रयास का एक आवंटन और बाद का विवरण सभी प्रणालियों की हर खोज-रणनीति का प्रदर्शन नहीं तय करते। पुनरुत्पादन के लिए प्रॉम्प्ट, समाप्ति-नियम, बजट की परिभाषा, असफल रास्ते और तुलनीय समीक्षा-प्रक्रियाएँ चाहिए। केवलtoken संख्या से हर शाखा जाँचने में लगा मानव समय और विशेषज्ञता भी छूट जाती है।
तारीखें और सत्यापन के दावे अलग रखने चाहिए
arXiv पर पहली प्रस्तुति1 अक्टूबर और संस्करण2 की प्रस्तुति4 अक्टूबर है; सार्वजनिक विवरण21 अक्टूबर को आया। संस्करण1 में आयाम पर पुनरावृत्त लघुगणकीय निर्भरता वाली सीमा थी; संस्करण2 में ही सार्वभौमिक स्थिरांक का दावा आया।31 वर्ष पुरानी समस्या पर लेख होने का अर्थ यह नहीं कि परिणाम ब्लॉग की तारीख को पहली बार सामने आया। यहाँ नई सामग्री सहयोग की प्रक्रिया और जिम्मेदारियों का बँटवारा है।
Microsoft अलग विकसित प्रमाणों तथा बाद के Lean 4 औपचारिकीकरण का भी उल्लेख करता है। उसके अनुसार लेखकों ने संक्षिप्त तर्क को Lean में पहले ही सत्यापित कर लिया है और अंतिम समीक्षा के बाद छोटा प्रमाण तथा सत्यापन दोनों जारी करने की योजना है। हमने वे अलग प्रमाण नहीं देखे या सत्यापन नहीं चलाया। औपचारिक जाँच किसी विशिष्ट औपचारिक कथन और उसकी निर्भरताओं तक सीमित होती है; जाँचकर्ता का उल्लेख निरीक्षण का विकल्प नहीं। शोध-टीमों के लिए सीख है: मध्यवर्ती निर्णय सहेजें, प्रस्तावित तर्क और जाँचे परिणाम अलग रखें और शुद्धता की जिम्मेदारी स्पष्ट करें। शोधपत्र यह जिम्मेदारी मानव लेखकों पर ही रखता है।
यह क्यों अहम है
AISubHub का विश्लेषण: अपनाने योग्य विचार वह शोध-चक्र है जिसमें मध्यवर्ती परिणामों की स्पष्ट मानव समीक्षा होती है। गणितीय परिणाम संभाव्यता-वितरणों के विशेष वर्ग पर लागू है; वह AI की सटीकता या अनुप्रयोगों की गति में सार्वभौमिक सुधार का प्रमाण नहीं है।
सीमाएँ और उपलब्धता
हमने Microsoft का पूरा लेख, arXiv संस्करण-इतिहास, शोधपत्र की भूमिका और AI घोषणा पढ़ी।140 पृष्ठों के प्रमाण की स्वतंत्र जाँच, औपचारिक सत्यापन का निष्पादन या अलग उद्धृत प्रमाणों की समीक्षा नहीं की। सत्यापन के दावे लेखकों और Microsoft के नाम से ही प्रस्तुत हैं।
स्रोत और प्रमाण
स्रोत की तारीख: · स्रोत जाँचा गया:
पूरक पठन
AI की सहायता से लिखे लेखों को दिए गए प्राथमिक स्रोतों से जाँचा जाता है। प्रदाता के दावों का श्रेय स्पष्ट है; सूची में होना समर्थन नहीं है।