क्या AI ने अभी-अभी Navier–Stokes सुलझा दिया? OpenAI के दावे से वास्तव में क्या साबित होता है

OpenAI का कहना है कि उसके एक आंतरिक सिस्टम ने Clay Institute के Millennium Prize Problems में से एक को सुलझा लिया है। यह एक उल्लेखनीय कहानी है, और अब तक की सबसे बड़ी AI-सहायित गणितीय खोज हो सकती है। लेकिन इसके साथ एक दूसरी कहानी भी चल रही है: असल श्रेय किसे मिलना चाहिए, इस पर टकराव।

हुआ क्या है, इसका संक्षेप यह है: OpenAI को यह अफवाह सुनने में आई कि एक प्रतिद्वंदी लैब के मॉडल ने गणित की एक मशहूर अनसुलझी समस्या पर प्रगति की है। वह अफवाह ही स्प्रिंट शुरू करने के लिए काफी थी: समस्या पर काम करने के लिए OpenAI ने 10,000 समानांतर AI एजेंट्स, 88 घंटे का कम्प्यूट, और करीब $22.5M का संचयी खर्च झोंक दिया। अब, वे वास्तविक प्रूफ का दावा कर रहे हैं। और उस $1M इनाम की बात? OpenAI कहता है कि उसका उसे क्लेम करने का इरादा नहीं है। (शायद उन्हें पैसों की ज़रूरत नहीं।)

त्वरित उत्तर: Navier–Stokes के लिए $1M Clay Millennium Prize नहीं जीता गया है। OpenAI ने जिस बात का प्रूफ होने का दावा किया है, वह समस्या के एक विशेष वैरिएंट—smooth forcing के तहत blow-up—को लक्ष्य करता है, जिसे स्वतंत्र गणितज्ञों ने अभी सत्यापित नहीं किया है। यह पूर्ण समस्या की कसौटी पर—जैसे अधिकतर विशेषज्ञ उसे समझते हैं—खरा उतरता है या नहीं, इस पर वास्तविक विवाद है।

Navier–Stokes समीकरण क्या है, और इसकी कीमत $1 मिलियन क्यों है?

OpenAI क्या दावा कर रहा है, यह समझने के लिए पहले समझना होगा कि Navier–Stokes इतना कठिन क्यों है।

Navier–Stokes समीकरण द्रवों की गति का वर्णन करते हैं: पानी, हवा, रक्त। ये मौसम पूर्वानुमान, विमानन डिज़ाइन और परिसंचरण चिकित्सा की नींव हैं। उन्नीसवीं सदी में प्रतिपादित ये समीकरण व्यवहार में असाधारण रूप से कारगर हैं। गणितीय प्रश्न यह है कि क्या ये हमेशा काम करते हैं: क्या smooth, सुव्यवस्थित हल हमेशा मौजूद रहते हैं, या क्या इन समीकरणों से शासित कोई द्रव सीमित समय में एक singularity—जहाँ वेग अनंत हो जाए—विकसित कर सकता है?

इस प्रश्न को "existence and smoothness" समस्या के नाम से जाना जाता है, और यह Clay Mathematics Institute के सात Millennium Prize Problems में शामिल है, जिनमें से प्रत्येक पर $1M का इनाम है। आज तक केवल एक Millennium Prize Problem सुलझी है: 2003 में Poincaré अनुमान।

हम इस विशेष समस्या की परवाह क्यों करते हैं: कभी-कभी गणितीय समस्याएँ महज़ अकादमिक होती हैं। पर यह सिर्फ़ कोई अमूर्त पहेली नहीं है। हर मौसम मॉडल, हवाई जहाज़ का सिमुलेशन, और इंजीनियरिंग टूल जो इन समीकरणों पर निर्भर है, यह मानकर चलता है कि ये ठीक तरह से बर्ताव करते हैं—पर किसी ने यह साबित नहीं किया कि यह धारणा हमेशा सही है। अगर साबित हो जाए कि सीमित समय में समाधान blow up कर सकते हैं, तो यह उन गणितीय मॉडलों और वास्तविक भौतिक प्रणालियों के बीच एक असली खाई उजागर करेगा, जिन्हें वे वर्णित करने को बने हैं।

OpenAI वास्तव में क्या साबित करने का दावा कर रहा है

कहानी किसी गणितीय अंतर्दृष्टि से नहीं, बल्कि एक अफवाह से शुरू होती है। Sam Altman ने माना कि OpenAI ने यह प्रयास तब शुरू किया जब उसने सुना कि Anthropic के मॉडलों ने एक बड़ी गणितीय समस्या सुलझा ली है, X पर लिखते हुए: "हमें जिज्ञासा हुई कि क्या हमारे मॉडल भी यह कर सकते हैं।"

साप्ताहिक स्प्रिंट में कई Millennium Prize समस्याएँ शामिल थीं और कुल मिलाकर 300 बिलियन आउटपुट टोकन्स खर्च हुए—कुल करीब $22.5 मिलियन का कम्प्यूट। Navier–Stokes समस्या ने अकेले लगभग 130 बिलियन टोकन्स और 2.7 मिलियन संदेशों का उपयोग किया। दस हज़ार एजेंट्स ने 1 सितंबर से 6 सितंबर तक समानांतर काम किया। और फिर——यहीं आपको ठहरना चाहिए—OpenAI ने कहा कि उसका $1M इनाम क्लेम करने का इरादा नहीं है, और नतीजे को अपने मॉडलों की तेज़ प्रगति का साक्ष्य बताया।

Navier–Stokes पर आने से पहले, OpenAI के एजेंट्स ने बिना forcing वाले Euler regularity समस्या को हल किया, लगभग 50 घंटों में करीब 100 एजेंट्स का उपयोग करते हुए। पहले सरल Euler सेटिंग में blow-up व्यवहार स्थापित करके, एजेंट्स ने वह वैचारिक नींव रखी जिसने Navier–Stokes दृष्टिकोण को साध्य बनाया।

अब बारी आती है बारीकियों की। Navier–Stokes के लिए आधिकारिक Clay प्रतिपादन में चार विकल्प हैं—A, B, C, और D। विकल्प A और B बिना किसी बाहरी forcing के global smooth समाधान मांगते हैं, या तो सामान्य त्रि-आयामी स्थान में या periodic domain में। विकल्प C और D smooth बाहरी forcing टर्म के साथ blow-up के उदाहरणों की अनुमति देते हैं। OpenAI का प्रूफ विकल्प C और D को लक्ष्य करता है, यानी forcing वाला वैरिएंट आधिकारिक Clay समस्या का हिस्सा है।

यह कहते हुए, बहुत से गणितज्ञ विकल्प A और B को अधिक गूढ़ प्रश्न मानते हैं, क्योंकि forcing बाहरी रूप से आरोपित है: आप blow-up को कराने के लिए force चुनते हैं, बजाय इसके कि पूछा जाए क्या समीकरण स्वयं ही टूट सकते हैं। क्या यह दृष्टिकोण forcing हटाकर A और B को संबोधित कर सकता है, यह अभी स्पष्ट नहीं है, और यह प्रश्न अब भी खुला है। जो दिखाया गया है और जिसे बहुत से विशेषज्ञ समस्या का हृदय मानते हैं, उसके बीच की खाई ही असल निष्कर्ष है।

श्रेय के हक़दार कौन—विवाद के अंदर झाँकें

अब जबकि क्या साबित हुआ, इसका नक्शा हमारे पास है, मानवीय कहानी पर नज़र डालें तो—अगर आप तकरार से थोड़ा हटकर देखें—एक साफ़ रेखा दिखती है।

15 अगस्त को, Tristan Buckmaster और Anthropic के Levent Alpöge ने सिद्ध किया कि Euler समीकरण—Navier–Stokes के बिना घर्षण वाले चचेरे भाई—smooth forcing के तहत blow up कर सकते हैं, जो Diego Córdoba और Luis Martínez-Zoroa द्वारा विकसित दृष्टिकोण का विस्तार था। उनके नतीजे Boussinesq और incompressible porous media समीकरणों को भी कवर करते हैं। यह काम लगभग एक साल चला। अप्रकाशित, प्रगति में, चुपचाप निर्मित। फिर बात फैल गई।

OpenAI का स्प्रिंट 1 सितंबर को एक अफवाह सुनने के बाद शुरू हुआ, जिसे बाद में उन्होंने Alpöge और Buckmaster से जोड़ा। Buckmaster ने 3 सितंबर को निजी तौर पर OpenAI को ईमेल किया, जब उन्हें पता चला कि उनका काम कंपनी तक पहुँच चुका है। 6 सितंबर को अपना प्रोजेक्ट और Lean वेरिफिकेशन पूरा करने के बाद, OpenAI ने समकालीन रिलीज़ का प्रस्ताव रखने के लिए संपर्क किया। आगे जो हुआ, उस पर Buckmaster का संस्करण काफ़ी तीखा है: उनके ब्योरे में ऐसी कॉल्स का ज़िक्र है जिनमें वे कहते हैं कि प्रकाशन और लेखकीयता पर दबाव डाला गया, जिसमें Anthropic में Alpöge की नौकरी को लेकर उन्हें बाहर रखने के सुझाव भी शामिल थे।

Buckmaster का आरोप है कि जब उन्होंने इन चिंताओं के साथ सार्वजनिक होने का संकेत दिया, तो उनसे कहा गया, "आप अपना करियर क्यों बर्बाद करेंगे?" और "अगर आप नहीं चाहते कि मैं अच्छा रहूँ, तो मुझे अच्छा रहने की ज़रूरत नहीं।" Bubeck ने इन आरोपों को "गलत और भड़काऊ" कहा है। OpenAI निजी प्रॉम्प्ट्स या अप्रकाशित काम तक पहुँच से इनकार करता है।

मैं यह तय करने नहीं जा रहा कि कौन सही है। ये निजी बातचीत से निकले परस्पर विरोधी दावे हैं, और बारीकियाँ सचमुच अस्पष्ट हैं। फिर भी पैटर्न का नाम लेना सार्थक है, भले समाधान न निकले: एक स्वतंत्र शोधकर्ता का एक साल का अप्रकाशित काम एक समृद्ध संसाधनों वाली लैब के बहु-मिलियन-डॉलर स्प्रिंट का ईंधन बना, और अब वही स्वतंत्र शोधकर्ता अपने करियर पर सवालों का सामना कर रहा है।

क्या AI-लिखे गणितीय प्रूफ पर भरोसा किया जा सकता है?

श्रेय विवाद अपनी जगह, कठिन तकनीकी सवाल बचता है: क्या प्रूफ टिकता है?

Navier–Stokes एक Millennium Prize समस्या है, और प्रमाण का मानक है—जारी किया गया, सत्यापन योग्य प्रूफ। OpenAI ने 8 सितंबर को 166-पन्नों की पांडुलिपि और Lean फॉर्मलाइज़ेशन प्रकाशित किया, दोनों सार्वजनिक जाँच के लिए उपलब्ध हैं। स्वतंत्र पीयर रिव्यू अभी नहीं हुआ है।

अगर आप Lean से परिचित नहीं हैं, तो जान लें कि यह एक औपचारिक प्रूफ वेरिफिकेशन सिस्टम है जो जाँचता है कि हर तार्किक क़दम पिछले से निष्कर्षित होता है या नहीं। Lean-प्रमाणित प्रूफ को "समझाकर" सही नहीं दिखाया जा सकता: अगर वह पास होता है तो तार्किक शृंखला सुदृढ़ है। Lean यह नहीं बताता कि दृष्टिकोण वैचारिक रूप से कितना सार्थक है, क्या यह समस्या को वैसे ही संबोधित करता है जैसे विशेषज्ञ समझते हैं, या क्या कोई मानव गणितज्ञ इसे वास्तविक समाधान मानेगा।

शायद सबसे प्रतिष्ठित जीवित गणितज्ञ माने जाने वाले Terence Tao ने 5 सितंबर को—OpenAI की घोषणा से पहले—इस गतिशीलता पर चेतावनी दी। उस समय चल रही अफवाहों पर Mathstodon पर लिखते हुए उन्होंने इसे एक काल्पनिक चिंता बताया: "Navier–Stokes regularity जैसे ऐतिहासिक रूप से उत्पादक और प्रेरक समस्या को वास्तविक रूप से क्षेत्र को आगे बढ़ाने और अगली पीढ़ी के प्रश्नों तथा शोधकर्ताओं के विकास के बजाय, किसी बेंचमार्क प्रगति का विज्ञापन करती एक वायरल सोशल मीडिया पोस्ट में बदल देने की भारी अवसर-लागत है।" घोषणा के बाद Tao ने Buckmaster–Alpöge के काम को "एक उल्लेखनीय उपलब्धि" बताया और नोट किया कि उनके तर्क Lean में फॉर्मलाइज़ किए गए हैं। उन्होंने OpenAI के विशिष्ट दावे वाले प्रूफ का सार्वजनिक समर्थन नहीं किया है।

यह लड़ाई एक गणितीय समस्या से बड़ी क्यों है

एक अफवाह—न कि प्रकाशित नतीजा, न पीयर रिव्यू—एक अफवाह ही दुनिया की सबसे संसाधन-संपन्न AI लैब्स में से एक को बहु-मिलियन-डॉलर स्प्रिंट के लिए गतिशील करने को काफी थी। OpenAI ने नतीजे को अपने सबसे उन्नत सिस्टम्स की तेज़ी से हो रही उन्नति का साक्ष्य बताया—यानि एक मार्केटिंग एसेट। यह एक Millennium Prize समस्या है जिसे सार्वजनिक लिस्टिंग से पहले बेंचमार्क डेमोंस्ट्रेशन के रूप में इस्तेमाल किया जा रहा है।

Axios ने असहज सवाल साफ़-साफ़ रखा: जब वैज्ञानिकों को AI शोध उपकरण देने वाली कंपनी उन्हीं से प्रतिस्पर्धा करने के लिए असीमित संसाधन भी जुटा सकती है, तो क्या होता है? Buckmaster और Alpöge ने अपने एक साल के काम के दौरान OpenAI के Codex का ही इस्तेमाल किया। जिस टूल से शोधकर्ता नतीजे तक पहुँचते हैं, वही संगठन उन्हीं टूल्स को 10,000x स्केल पर चलाकर उनसे आगे निकल सकता है। यह कोई साज़िश नहीं है। यह मौजूदा समय की संरचनात्मक विशेषता है—और वही परिदृश्य है जिसकी लोगों को चिंता थी, भले यहाँ OpenAI ने कुछ गलत किया हो या नहीं।

यहाँ एक विडंबना भी है: OpenAI ने अगस्त में सुरक्षा चिंताओं के चलते कुछ फ्रंटियर RL प्रशिक्षण रोका, और फिर सितंबर में उसी विकास कार्यक्रम के एक अनरिलीज़्ड मॉडल को 88 घंटे तक फुल क्षमता पर चलाया—एक गणितीय हेडलाइन के पीछे। यह बुरी नीयत का सबूत नहीं, मगर नज़रअंदाज़ करने लायक भी नहीं।

तो, Navier–Stokes सुलझा या नहीं?

स्थिति फिलहाल यह हैd:

स्प्रिंट मॉडल ने एक नतीजा पैदा किया। क्या इसने नतीजा पैदा किया—उस अर्थ में जैसा गणितज्ञ कहते हैं—यह अलग सवाल है, और इसका उत्तर देने में काफ़ी अधिक समय लगेगा।