GPT-5.6 Sol ने 150 साल पुराने मैक्सवेल अनुमेय को गलत साबित करने में कैसे मदद की

एक समबाहु त्रिभुज के कोनों पर तीन समान विद्युत आवेश रखें, तो बनने वाले क्षेत्र में चार संतुलन बिंदु होते हैं—जहाँ हर धक्का और खींचाव एक-दूसरे को निरस्त कर देता है: एक केंद्र पर, और तीन किनारों के ठीक भीतर। अब केंद्र के ठीक ऊपर और ठीक नीचे दो बहुत छोटे आवेश रख दें। केंद्रीय संतुलन बिंदु इक्कीस हिस्सों में बिखर जाता है, और पूरी संरचना चौबीस तक उछल जाती है।

यह संरचना 29 जुलाई को arXiv पर मैक्सवेल के अनुमेय के प्रतिवाद के रूप में अपलोड हुई—विद्युत-स्थैतिक संतुलन बिंदुओं की अधिकतम संख्या पर एक बंध, जिसकी जड़ें मैक्सवेल की 1873 की ग्रंथ तक जाती हैं। लेखकों ने यह भी बताया कि विचार एक बड़े भाषा मॉडल से आया था। नीचे, मैं बताऊँगा कि अनुमेय ने क्या दावा किया, प्रतिवाद कैसे काम करता है, GPT-5.6 Sol ने क्या किया और क्या नहीं किया, और क्यों यह खुलासा संभवतः कहानी का अधिक दिलचस्प आधा है।

त्वरित उत्तर: मैक्सवेल का अनुमेय कैसे गिरा

अनुमेय ने n बिंदु-आवेशों के क्षेत्र में संतुलन बिंदुओं की अधिकतम संख्या पर एक छत तय की: अधिकतम (n−1)^²। पाँच आवेशों के लिए, इसका मतलब 16 है। फिलिप अराथून, गेविन बॉल, और मैथ्यू क्वालहाइम ने पाँच-आवेशों की ऐसी संरचना बनाई जिसमें कम से कम 24 संतुलन बिंदु हैं—सीधे-सीधे प्रतिवाद। GPT-5.6 Sol ने ज्यामितीय विचार सुझाया; तीनों लेखकों ने विश्लेषण किया, कंप्यूटर बीजगणित चलाया, और प्रमाण लिखा।

यह सार समझ में होने पर, आइए देखें कि अनुमेय आया कहाँ से और यह इतने समय तक क्यों टिका रहा।

मैक्सवेल का अनुमेय क्या था?

जेम्स क्लर्क मैक्सवेल ने अपने 1873 के ट्रीटाइज़ ऑन इलेक्ट्रिसिटी एंड मैग्नेटिज्म में एक छोटे से खंड में यह प्रश्न उठाया कि एक आवेश-प्रणाली कितने संतुलन बिंदु पैदा कर सकती है। यह लगभग एक सदी तक महज गुजरती हुई टिप्पणी बना रहा, जब तक कि 1969 में मार्स्टन मॉर्स और स्टुअर्ट केर्न्स ने वही समस्या नहीं उठाई—शायद बिना जाने कि मैक्सवेल पहले ही वहाँ पहुँच चुके थे। यह छोटी-सी बात मुझे उतनी ही पसंद है जितनी शायद नहीं होनी चाहिए।

वह सटीक कथन, जिस पर अब सब बहस करते हैं, 2007 में आया, जब आंद्रेई गैब्रिएलोव, दिमित्री नोविकोव, और बोरिस शापिरो ने मैक्सवेल के अनुच्छेद को बारीकी से पढ़ा और उसे एक अनुमेय में बदला: यदि n आवेशों से उत्पन्न विभव के संतुलन बिंदु सभी अ-अपघट्य हों, तो उनकी संख्या अधिकतम (n−1)^² हो सकती है। यही एक सूत्र आपको वास्तव में चाहिए, तो अगर बीजगणित आपको बेचैन करता है, तो आप सबसे कठिन हिस्से से आगे निकल चुके हैं। दो आवेशों के लिए यह बंध सहज रूप से सही है। तीन के लिए, कोई नहीं जानता कि चार सचमुच अधिकतम है या नहीं—सिवाय उस विशेष स्थिति के जहाँ तीनों आवेश समान हों।

यह बंध क्यों मायने रखता है, यह समझने के लिए मदद मिलती है अगर हम समझें कि संतुलन बिंदु असल में होते क्या हैं।

एक सरल उदाहरण से मैक्सवेल अनुमेय को समझना

हर आवेश एक क्षेत्र बनाता है। एक कमरे में कई आवेश रखिए और उनके क्षेत्र आपस में ओवरलैप होकर, अंतरिक्ष के हर बिंदु पर अलग-अलग दिशाओं में धक्का और खींचाव पैदा करेंगे। कुछ खास जगहों पर हर आवेश से आने वाली ताकतें ठीक-ठीक निरस्त हो जाती हैं, और वहाँ रखे गए परीक्षण कण को कोई समग्र बल महसूस नहीं होगा। यही संतुलन बिंदु हैं, जिन्हें विद्युत-स्थैतिक विभव के क्रांतिक बिंदु भी कहा जाता है।

इनकी गिनती महज लेखा-जोखा नहीं है। इन बिंदुओं की संख्या और विन्यास पूरे क्षेत्र के आकार पर प्रतिबंध लगाते हैं—जैसे पर्वत-श्रेणी पर मौजूद समतल जगहें यह सीमित करती हैं कि वह श्रेणी किस तरह बिछ सकती है। इसलिए, गिनती पर एक बंध दरअसल यह दावा है कि विद्युत-स्थैतिक क्षेत्र कितनी जटिलता तक जा सकता है—इसीलिए 1873 में गुजरते-गुजरते उठाया गया सवाल डेढ़ सदी तक गणितज्ञों को व्यस्त रखता रहा।

अब जब हमें समझ है कि अनुमेय क्या बचा रहा था, तो चलिए ठीक-ठीक देखें कि यह कैसे खुला।

मैक्सवेल अनुमेय को कैसे खारिज किया गया

यह संरचना चार चरणों में बताने लायक छोटी है। जब तक आपको हैसियन की गणनाएँ नहीं चाहिएँ, arXiv नोट छोड़ दें; तर्क का ढाँचा ही दिलचस्प है:

• समबाहु त्रिभुज के शीर्षों पर तीन इकाई आवेश रखें। इस क्षेत्र में चार संतुलन बिंदु होंगे: एक केंद्र पर, तीन किनारों के साथ भीतर की ओर खिसके हुए।
• सममिति-अक्ष पर दो बहुत छोटे आवेश जोड़ें—एक तल के थोड़ा ऊपर और एक थोड़ा नीचे—और एक उथली त्रिकोणीय द्विपिरामिड बनाएँ।
• किनारों वाले तीन संतुलन बिंदु जोड़ के बाद भी बने रहते हैं। केंद्रीय वाला नहीं। वह 21 संतुलन बिंदुओं के परिवार में विभक्त हो जाता है—एक मोर्स सूचकांक के 10 और दूसरे के 11।
• तीन प्लस इक्कीस से पाँच आवेशों से कम-से-कम 24 अ-अपघट्य क्रांतिक बिंदु मिलते हैं—जबकि भविष्यवाणी की गई अधिकतम 16 थी।

आवेश-तीव्रताएँ मनमानी नहीं हैं। लेखकों ने एक विशिष्ट मान चुना, जिसे इस तरह ट्यून किया गया कि छोटे आवेशों के विभव का अग्रणी पद त्रिभुज से आने वाले संगत पद को निरस्त कर दे—और यही वह महीन संरचना खोलता है जो 21 बिंदु पैदा करती है। एक कदम ऐसा भी है जो पहली पढ़ाई में आसानी से छूट सकता है: अब तक के तर्क से यह नहीं कटता कि कॉन्फ़िगरेशन के कहीं और अपघट्य क्रांतिक बिंदु नहीं बैठे हों, इसलिए लेखक आवेश-तीव्रताओं के थोड़ा परिवर्तित सेट पर एक अनुप्रस्थता तर्क लागू करते हैं, जो उन्हें साफ कर देता है।

फिर आता है वह हिस्सा जिसे सुर्खियों ने छोड़ दिया। यही तरकीब दोहराई जा सकती है। एक और जोड़ी छोटे आवेश जोड़ें और 2 और आवेशों की कीमत पर 20 और क्रांतिक बिंदु मिलते हैं—यानी 3 + 2m आवेशों की संरचनाएँ जिनमें कम-से-कम 4 + 20m संतुलन बिंदु हों। यह प्रति आवेश 10 क्रांतिक बिंदुओं का प्रवर अनुपात देता है—जबकि इस साल की शुरुआत में हरबर्ट एडेल्सब्रूनर, क्रिस्टोफर फिलमोर, और गोंसालो ओलिवेरा ने 25/7 हासिल किया था। प्रतिवाद सुर्खी है; अनुपात वह नतीजा है जिस पर दूसरे लोग आगे काम करेंगे।

जब संरचना साफ हो गई, तो यहाँ कहानी थोड़ी असामान्य हो जाती है: विचार आया किसके—या किस चीज़—से।

GPT-5.6 Sol ने क्या भूमिका निभाई?

खुलासा पेपर के एक छोटे-से खंड में बैठा है, और हुआ क्या—इसे लेकर सुखद रूप से साफ है: "इस संरचना के पीछे का विचार एक LLM (OpenAI का GPT-5.6 Sol) ने सुझाया था।" लेखक जोड़ते हैं कि गणित उन्होंने खुद जाँचा और तर्क अपने शब्दों में लिखा, और गणनाएँ व आरेख Mathematica और Maple ने संभाले।

तो मॉडल ने एक रणनीति दी—एक सममित संरचना को छोटे अक्षीय-बाह्य आवेशों से व्यत्ययित करें और देखें कि एक अपघट्य बिंदु कैसे टूटकर फैलता है—और लेखकों ने उसे हार्मोनिक बहुपदों के टेलर प्रसार, हैसियन के हस्ताक्षर से 21 क्रांतिक बिंदुओं के वर्गीकरण, निहित फलन प्रमेय के तीन प्रयोग, और एक अनुप्रस्थता तर्क में बदला। विचार पैदा करना और प्रमेय सिद्ध करना अलग गतिविधियाँ हैं, और उनकी विफलताएँ भी अलग होती हैं। न चलने वाला विचार आपको एक दोपहर का समय खर्च कराता है। न चलने वाला प्रमाण वापसी बयान। मॉडल ने नक्शे पर एक असंभावित जगह की ओर इशारा किया; तीन गणितज्ञों ने सड़क बना दी।

फिर भी उस रूप-रेखा पर थोड़ा जोर देना बनता है। "सिर्फ एक विचार" कहना उसे कम आंकना है। कोई भी किसी सममित संरचना को व्यत्ययित करने का प्रस्ताव दे सकता है। उपयोगी हिस्सा है वही व्यत्यय—छोटे अक्षीय आवेशों के साथ—उसी आधार संरचना पर प्रस्तावित करना—ऐसी समस्या में जहाँ आजमाने लायक चीज़ों का खोज-स्थान वस्तुतः असीमित है। क्या आजमाना है—इसकी समझ शोध-गणित का बड़ा हिस्सा है। यह कि सुझाव किसी विशेषज्ञ की दशकों की अंतर्दृष्टि के बजाय एक मॉडल से आया—यही कहानी का सार है।

यह परिणाम क्यों महत्वपूर्ण है

150 वर्ष पुराना गणितीय प्रश्न

यह प्रश्न मैक्सवेल की 1873 की टिप्पणी तक जाता है—यही वह "150 वर्ष" है जो हर सुर्खी में दिखा। पर सटीक होना चाहिए: मैक्सवेल ने एक प्रश्न उठाया और एक अवलोकन किया। उन्होंने वह अनुमेय नहीं कहा जो अभी गिरा है।

एक लंबे समय से चला आ रहा आधुनिक अनुमेय गिरा

औपचारिक कथन के रूप में, मैक्सवेल का अनुमेय 19 वर्ष पुराना है, और अधिकांश समय यह क्षेत्र का संगठन सिद्धांत रहा—वही जिसे आप सिद्ध करने की कोशिश करते, और वही लक्ष्य जिसकी ओर हर बेहतर बंध रेंगते हुए बढ़ता। अब यह गलत लगता है। प्रतिवाद चार पन्नों का arXiv प्रीप्रिंट है जिसने अभी सहकर्मी समीक्षा नहीं झेली, और इसका केंद्रीय कदम कंप्यूटर बीजगणित से जाँचा गया हैसियन वर्गीकरण है—तो सामान्य सावधानियाँ लागू होती हैं। पर तर्क छोटा, स्पष्ट, और दूसरों के लिए जाँचना आसान है।

नए प्रश्न पुराने की जगह लेते हैं

यह जान लेना कि छत (n−1)^² नहीं है—यह नहीं बताता कि है क्या। लेखकों की दोहराई जाने वाली संरचना ज्ञात निम्न बंध को लगभग प्रति आवेश 10 क्रांतिक बिंदुओं तक धकेलती है—जो एक फर्श है, उत्तर नहीं। और वे तीन आवेश? क्या वे कभी चार से अधिक संतुलन बिंदु बना सकते हैं—यह अब भी खुला है, जो इतने समय बाद सबसे छोटे दिलचस्प मामले के बारे में कहना अजीब है।

गणितीय खोज में AI की बढ़ती भूमिका

पिछले वर्ष के दौरान कुछ बदला। अक्टूबर 2025 से शुरुआती 2026 तक, AI औज़ारों ने Erdős समस्या डेटाबेस की लगभग सौ समस्याओं को हल हुई की श्रेणी में धकेला, और टेरेंस टाओ ने उन योगदानों को ट्रैक करती एक सतत पृष्ठ बनाए रखा—जब तक कि 2026 के जून अंत में उसका अद्यतन रुक नहीं गया। बहुत कुछ साहित्य खोज था—मॉडल 1974 का वह पेपर ढूँढ़ लेता है जो पहले ही चीज़ सुलझा चुका था। कुछ हिस्सा ऐसा नहीं था। मुट्ठीभर समाधान मौलिक तर्क थे, जो बड़े पैमाने पर मॉडल द्वारा जोड़े गए—और टाओ ने कम-से-कम एक को वास्तविक मील-पत्थर छूने वाला बताया है।

इन मामलों में पैटर्न एक जैसा है, और वही हुआ जो मैक्सवेल अनुमेय के साथ हुआ। मॉडल उम्मीदवार सुझाने, ऐसा साहित्य स्कैन करने जिसमें कोई व्यक्ति अकेले नहीं समा सकता, और संरचनाओं के खोज-स्थान को रातोंरात बोर हुए बिना खंगालने में अच्छे हैं। सत्यापन मनुष्यों और Lean जैसे प्रमाण-सहायकों के पास रहता है। यदि आप यह समझना चाहते हैं कि ये प्रणालियाँ अवधारणात्मक रूप से कैसे काम करती हैं—इस सब पर राय बनाने से पहले—तो हमारा AI Fundamentals ट्रैक शुरू करने के लिए अच्छा स्थान है।

क्या AI अंततः गणितीय प्रमाण खोज सकता है?

अनुमेय उत्पन्न करना अब सामान्य हो चुका है। प्रमाण-सहायता इतनी आम है कि उसका वर्णन करना भी असाधारण नहीं लगता। औपचारिक प्रमेय सिद्ध करना—यानी एक मॉडल द्वारा शोध-स्तरीय समस्या के लिए बिना मानव हस्तक्षेप के पूर्ण, मशीन-परीक्षित तर्क प्रस्तुत करना—यही वह सीमा है जहाँ हम अभी खड़े हैं, और "शोध-स्तर" को कितनी सख्ती से परिभाषित करते हैं—उस पर निर्भर करते हुए दोनों तरफ कुछ नतीजे मौजूद हैं।

पाबंदी रचनात्मकता ही हो—ऐसा स्पष्ट नहीं है। मौजूदा मॉडल अब भी संदर्भ घड़ लेते हैं, अब भी लंबी तर्क-श्रृंखलाओं में धागा खो देते हैं, और अब भी सही उम्मीदवार पहचानने की तुलना में उम्मीदवार उत्पन्न करने में बेहतर हैं। यही अंतिम विषमता वजह है कि मानव सत्यापन रस्मी नहीं बल्कि भार वहन करने वाली ईंट है। कोई ऐसा मॉडल जो अपने आउटपुट का विश्वसनीय मूल्यांकन खुद कर ले—वह उन प्रणालियों से भिन्न प्रकार का होगा जो हमारे पास हैं, और अभी कोई नहीं कह सकता कि वह कितनी दूर है।

GPT-5.6 Sol और वैज्ञानिक शोध का भविष्य

गणित असाधारण रूप से साफ परीक्षण-क्षेत्र है, क्योंकि प्रमाण या तो सही होते हैं या गलत। पर वही गतिशीलता—विचार-उत्पादन चरण को AI तेज करता है, जबकि सत्यापन मनुष्यों के पास रहता है—विभिन्न विषयों में दिख रही है।

यह गणित से कहीं आगे जाता है। भौतिकी, रसायन, पदार्थ-विज्ञान और अभियांत्रिकी—सबका वही गला-घोंटू बिंदु है: परिकल्पना-निर्माण मानव समय में महँगा है, और अधिकांश परिकल्पनाएँ असफल होती हैं। एक शोधकर्ता साल में गंभीरता से मुट्ठीभर उम्मीदवार संरचनाएँ या यांत्रिकी ही खँगाल सकता है। उम्मीदवारों का स्थान इससे कहीं बड़ा है।

विचार-उत्पादन शायद वही शोध-क्षमता निकले जो सबसे ज्यादा मायने रखती है—ठीक इसलिए कि यही वह कदम है जहाँ मानव थ्रूपुट सबसे कम और गलत अनुमान की लागत सबसे छोटी होती है। कोई मॉडल जो एक विशाल स्थान स्कैन कर सके और कह सके "इधर देखिए"—खोज की रफ्तार बदल देता है—भले ही वह बहुत कम बार सही हो। यहीं कुछ वैसा ही हुआ।

इस खोज के बारे में आम गलतफहमियाँ

व्यापक निष्कर्ष निकालने से पहले, कवरेज की कुछ गलतियों को साफ करना उपयोगी है।

GPT-5.6 Sol ने स्वतंत्र रूप से प्रमेय सिद्ध नहीं किया

मॉडल ने ज्यामितीय संरचना सुझाई। प्रमाण—प्रसार, हैसियन वर्गीकरण, अनुप्रस्थता तर्क—लेखकों का काम था।

मानव शोधकर्ताओं ने हर कदम की जाँच की

Mathematica और Maple ने गणनाएँ जाँचीं और आरेख बनाए। गणितीय सत्यापन तीनों लेखकों ने किया, और वे पेपर में इसे स्पष्ट रूप से कहते हैं।

मैक्सवेल अनुमेय, मैक्सवेल का औपचारिक प्रमेय नहीं था

मैक्सवेल ने 1873 में एक अवलोकन किया। गैब्रिएलोव, नोविकोव और शापिरो ने 2007 में उसी अनुच्छेद के अपने पाठ पर आधारित होकर अनुमेय का रूप दिया।

गणितीय समस्या पूरी तरह हल नहीं हुई

मान लें कि प्रतिवाद टिकता है—तो हमें पता है कि (n−1)^² गलत है। सही बंध क्या है—यह हमें नहीं पता, और तीन-आवेश का मामला अब भी खुला है।

निष्कर्ष

मैक्सवेल का अनुमेय एक साझेदारी से गिरा: AI द्वारा सुझाया गया ज्यामितीय विचार, और तीन गणितज्ञ जिन्होंने उसे जाँचने लायक चीज़ में बदला। पेपर असामान्य रूप से ईमानदार है कि किस आधे ने क्या किया। खुलासे का तीन-वाक्यों का खंड—जो शायद प्रमेय से ज़्यादा उद्धृत होगा।

ध्यान देने लायक बात इसका आकार नहीं, रूप है। समस्या में स्वार्थ न रखने वाले एक मॉडल ने ऐसी संरचना सुझाई जिसे सबसे ज़्यादा परवाह करने वालों ने इस कॉन्फ़िगरेशन पर नहीं आजमाया था—और वह चल पड़ी। व्यापक प्रश्न—n आवेशों के कितने संतुलन बिंदु हो सकते हैं—अब भी खुला है; और यह भी कि शोध कैसा दिखेगा जब विचार-उत्पादन दुर्लभ संसाधन रहना बंद कर दे। अगर आप यह देखना चाहते हैं कि इन प्रणालियों का व्यवहार में कैसे उपयोग हो रहा है—न कि उन्हें कैसे बाज़ार में उतारा जा रहा है—तो हमारे AI पाठ्यक्रम अवधारणाओं से लेकर परिनियोजन तक की ज़मीन कवर करते हैं।