डेमिस हसाबिस, Google कृत्रिम बुद्धिमत्ता के जनक

विज्ञान के लिए भाग 7 एआई

गणित और एल्गोरिदम में 19 नवाचार

किम क्यूंग-रन, किम क्यूंग-जिन

समस्या का समाधान जुलाई 2024 में, इंग्लैंड के एक विचित्र शहर बाथ में, दुनिया के सबसे प्रतिभाशाली गणित छात्र 65वें अंतर्राष्ट्रीय गणित ओलंपियाड (आईएमओ) में भाग लेने के लिए एकत्र हुए। उसी समय, डेमिस हर्साविस के नेतृत्व वाली Google डीपमाइंड लैब में, एक अदृश्य प्रतिभागी ने टेस्ट पेपर लिया। ये 'अल्फाप्रूफ' और 'अल्फा जियोमेट्री 2' नाम के एआई मॉडल थे।

हसबिस ने हमेशा इस बात पर जोर दिया है कि "गणित वह भाषा है जो प्रकृति का वर्णन करती है।" बदुक या शतरंज की तरह, नियम स्पष्ट हैं, लेकिन जटिलता अनंत के करीब है और यह सत्य का क्षेत्र है जहां केवल एक ही सही उत्तर है। यही कारण है कि चैटजीपीटी जैसे बड़े भाषा मॉडल (एलएलएम) कविता लिखने और कोड लिखने में अच्छे थे, लेकिन गणित के मामले में वे विशेष रूप से कमजोर थे।

भाषा मॉडल संभावित रूप से 'प्रशंसनीय' अगले शब्दों की भविष्यवाणी करते हैं, लेकिन गणित के लिए 100% तार्किक प्रमाण की आवश्यकता होती है, न कि 99.9% संभावना की। हसबिस आश्वस्त हैं कि इस अंतर को पाटना एजीआई के लिए महत्वपूर्ण प्रवेश द्वार है। यहां बताया गया है कि अल्फाप्रूफ कैसे काम करता है: एक गणितीय समस्या को औपचारिक भाषा (लीन नामक एक गणितीय प्रमाण उपकरण) में अनुवाद करने के बाद, एआई तार्किक रूप से ध्वनि समाधान खोजने के लिए लाखों प्रमाण पथों की खोज करता है। जिस प्रकार अल्फ़ागो शतरंज में चालों को पढ़ता है, उसी प्रकार अल्फ़ाप्रूफ़ प्रूफ़ की चालों को पढ़ता है।

उस दिन डीपमाइंड द्वारा जारी परिणाम प्रभावशाली थे। एआई प्रणाली ने 6 में से 4 समस्याओं को पूरी तरह से हल किया, 28 अंक अर्जित किए। यह स्कोर रजत पदक कटऑफ प्वाइंट के बराबर था।

विशेष रूप से ज्यामिति की एक समस्या मात्र 19 सेकंड में सिद्ध हो गई। एआई, जो कुछ साल पहले तक प्राथमिक विद्यालय स्तर की वर्णनात्मक गणित की समस्याओं को भी ठीक से हल नहीं कर पाता था, अब मानव जाति के शीर्ष 0.1% प्रतिभाशाली छात्रों के बराबर है। उपलब्धि की कुंजी 'न्यूरो-प्रतीकात्मक' दृष्टिकोण था जिस पर हसाबिस ने लंबे समय से जोर दिया था।

डीपमाइंड टीम ने सहज विचारों को उत्पन्न करने के लिए एक बड़े भाषा मॉडल (मिथुन) की क्षमता को एक प्रतीकात्मक प्रणाली के साथ जोड़ा जो सख्त तार्किक नियमों की पुष्टि करता है। यह वैसा ही था जैसे उत्कृष्ट अंतर्ज्ञान वाला एक गणितज्ञ एक परिकल्पना के साथ आता है, और फिर एक सूक्ष्म समीक्षक उस परिकल्पना को पंक्ति दर पंक्ति सिद्ध करता है। अल्फ़ाप्रूफ़ ने समस्या को 'लीन' नामक औपचारिक प्रूफ़ भाषा में अनुवाद करके स्वयं ही सीखा।

इसे उस प्रक्रिया का एक डिजिटल संस्करण कहा जा सकता है जो हस्साबिस ने तब किया था जब वह एक शतरंज प्रतिभावान खिलाड़ी थे, उन्होंने हजारों मैचों के माध्यम से अंतर्ज्ञान विकसित किया और दोहराव के माध्यम से तर्क को मजबूत किया। 2024 में रजत पदक सिर्फ एक उपलब्धि नहीं थी. यह एक ऐसी घटना थी जिसने साबित कर दिया कि एआई मानव डेटा की नकल के 'अनुकरण' के चरण से आगे बढ़ सकता है और अपने दम पर तार्किक तर्क के माध्यम से 'सच्चाई' तक पहुंच सकता है।

इस परिणाम को प्राप्त करने पर, हस्साबिस को लगा कि एआई वैज्ञानिक खोज के एक उपकरण के रूप में परिपक्वता तक पहुंच रहा है। अल्फाइवॉल्व: वह युग जहां एआई एल्गोरिदम डिजाइन करता है यदि गणित की समस्याओं को हल करना दिए गए सही उत्तर को खोजने की प्रक्रिया है, तो एल्गोरिदम डिजाइन सृजन का एक क्षेत्र है जो सही उत्तर के लिए 'नए मार्ग' का मार्ग प्रशस्त करता है। मई 2025 में, डीपमाइंड ने दुनिया के सामने 'अल्फाइवॉल्व' जारी करके एक और झटका दिया।

हस्साबिस ने कंप्यूटर विज्ञान की मूलभूत अक्षमताओं पर ध्यान केंद्रित किया। सॉर्टिंग और हैशिंग जैसे अधिकांश बुनियादी एल्गोरिदम जिन्हें मानवता ने पिछले 50 वर्षों में उपयोग किया है, 1960 और 1970 के दशक में प्रतिभाशाली मानव प्रोग्रामरों द्वारा डिजाइन किए गए थे। तब से, हमने केवल तेज़ कंप्यूटर बनाने पर ध्यान केंद्रित किया है, बुनियादी एल्गोरिदम में सुधार के बारे में बहुत कम सोचा है।

हसबिस ने पूछा। "क्या होगा यदि एआई मानवीय पूर्वाग्रह के बिना स्क्रैच से अपना कोड दोबारा लिखे?" अग्रदूत 'अल्फाडेव' था, जो 2023 में रिलीज़ हुआ था।

अल्फ़ादेव ने सुदृढीकरण सीखने के माध्यम से दशकों में पहली बार C++ लाइब्रेरी के सॉर्टिंग एल्गोरिदम में सुधार हासिल किया है। लेकिन अल्फ़ा वॉल्व एक कदम आगे निकल गया। यह प्रणाली, जो विकासवादी गणना के साथ जेमिनी मॉडल की कोड पीढ़ी की क्षमता को जोड़ती है, अपने आप कोड लिखने (उत्परिवर्तन), प्रदर्शन का मूल्यांकन (चयन), और बेहतर कोड (विकास) को फिर से लिखने की प्रक्रिया को असीमित रूप से दोहराती है।

AlphaEvolve की शक्ति Google के डेटा सेंटर, Google के हृदय में सिद्ध हुई थी। दुनिया भर में चल रहे लाखों सर्वरों वाले Google डेटा केंद्रों में कार्य शेड्यूल करना एक अत्यंत जटिल समस्या है। अल्फ़ावॉल्व ने एक शेड्यूलिंग एल्गोरिदम की खोज की जो मौजूदा मानव इंजीनियरों द्वारा डिज़ाइन की गई विधि से कहीं अधिक कुशल थी, और इसके माध्यम से, यह Google के कंप्यूटिंग संसाधनों का 0.7% पुनर्प्राप्त करने में सक्षम था।

सफलता। 0.7% की संख्या छोटी लग सकती है, लेकिन Google के आकार को देखते हुए, यह एक बड़ी उपलब्धि है, जिससे सैकड़ों अरबों डॉलर की लागत और भारी मात्रा में कार्बन उत्सर्जन में कमी आई है। जो बात अधिक दिलचस्प थी वह अल्फ़ाएवोल्व द्वारा बनाए गए एल्गोरिदम का प्रकार था।

हमने अक्सर ऐसे निर्देशों की सारणी खोजी जिन्हें सहज रूप से समझना मुश्किल था और जिन्हें कभी भी मानव प्रोग्रामर द्वारा नहीं लिखा जा सकता था। अल्फ़ागो की '37 चालों' की तरह, एआई ने अपनी 'बोली' में कोड लिखना शुरू कर दिया है जो कंप्यूटर हार्डवेयर के लिए अनुकूलित है और सोचने के मानवीय तरीके तक ही सीमित नहीं है। हस्साबिस के लिए, अल्फ़ाइवॉल्व "हर चीज़ को हल करने के लिए बुद्धिमत्ता को उजागर करने" के उनके मिशन का शक्तिशाली सबूत था।

एआई केवल इंसानों की मदद करने वाला सहायक नहीं है, बल्कि यह एक अनुसंधान भागीदार बन गया है जो कंप्यूटर विज्ञान को विकसित करता है। उन्होंने टिप्पणी की, "हम न केवल डिजिटल जीव विज्ञान बल्कि डिजिटल कंप्यूटर विज्ञान के युग की शुरुआत कर रहे हैं।" सामग्री विज्ञान में क्रांति 2.2 मिलियन से अधिक नई सामग्री क्रिस्टल संरचनाओं की खोज 2023 के अंत में, वैज्ञानिक पत्रिका नेचर में प्रकाशित एक पेपर ने सामग्री विज्ञान की दुनिया को उल्टा कर दिया।

खबर यह थी कि डीपमाइंड के 'जीएनओएमई' प्रोजेक्ट ने 2.2 मिलियन नई क्रिस्टल संरचनाओं की खोज की थी। इस अर्थ को समझने के लिए हमें मानव इतिहास पर नजर डालनी होगी। हमने प्रयुक्त सामग्री के अनुसार अवधियों को विभाजित किया है।

पाषाण युग, कांस्य युग, लौह युग और अब सिलिकॉन युग। नई सामग्रियों की खोज ने हमेशा सभ्यता में एक बड़ी छलांग लगाई है, लेकिन खोज प्रक्रिया परीक्षण और त्रुटि की एक बेहद धीमी और दर्दनाक श्रृंखला थी। जिस तरह एडिसन ने एक प्रकाश बल्ब के लिए फिलामेंट खोजने के लिए हजारों सामग्रियों को जला दिया, उसी तरह आधुनिक वैज्ञानिकों को प्रयोगशाला में तत्वों को मिलाना और पकाना पड़ता है और एक आकस्मिक खोज की प्रतीक्षा करनी पड़ती है। मानवता ने पिछले हजारों वर्षों में प्रयोगों के माध्यम से स्थिर अकार्बनिक यौगिकों की केवल लगभग 48,000 क्रिस्टल संरचनाओं की खोज की है।

हस्साबिस इस धीमी घड़ी को तेज़ करना चाहते थे। उन्होंने अल्फ़ाफ़ोल्ड के सफलता समीकरण को लागू किया, जिसने सामग्री विज्ञान में प्रोटीन संरचना की भविष्यवाणी की थी। "अगर हम ग्राफ़ नेटवर्क का उपयोग करके परमाणुओं के संयोजन के नियम सीखते हैं, तो क्या हम पहले से एक स्थिर संरचना की भविष्यवाणी करने में सक्षम नहीं होंगे?"

GNoME ने तत्वों की आवर्त सारणी के संयोजनों का पता लगाने के लिए गहन शिक्षण का उपयोग किया। और एक सांस में, 2.2 मिलियन नए भौतिक उम्मीदवार बनाए गए, जो कि 20,000 वर्षों में मानवता द्वारा खोजी गई खोज से 45 गुना अधिक है। उनमें से, 380,000 'स्थिर' निर्माण हैं जिन्हें वर्तमान तकनीक के साथ तुरंत संश्लेषित किया जा सकता है।

यह जो निकला। यह 800 वर्षों के सामग्री विज्ञान अनुसंधान के बराबर ज्ञान था। इस उपलब्धि की घोषणा करते समय हसबिस ने अपनी सामान्य शांत आवाज़ में बात की।

"अब हम ज्ञान अन्वेषण के दायरे का मौलिक रूप से विस्तार कर रहे हैं।" जैसा कि उन्होंने कहा, GNoME ने वैज्ञानिकों को एक ख़ज़ाने का नक्शा सौंपा। अब, खाली ज़मीन पर जाने के बजाय, वैज्ञानिकों को बस GNoME द्वारा बनाए गए मानचित्र पर एक गंतव्य का चयन करना होगा और अन्वेषण के लिए निकल पड़ना होगा।

जीएनओएमई द्वारा खोजे गए खजाने के नक्शे में, जो सुपरकंडक्टर्स और स्वच्छ ऊर्जा सामग्रियों की खोज करता है, इसमें छिपे हुए उत्तर शामिल हैं जो मानवता बेहद चाहती थी। हसबिस ने जिस क्षेत्र पर सबसे अधिक ध्यान केंद्रित किया वह जलवायु संकट को हल करने के लिए स्वच्छ ऊर्जा प्रौद्योगिकी था। डेटाबेस में लिथियम-आयन कंडक्टर शामिल हैं जो बैटरी दक्षता को नाटकीय रूप से बढ़ा सकते हैं, जो कि इलेक्ट्रिक वाहनों का मूल है, नए खनिज जो सौर पैनलों की दक्षता को अधिकतम कर सकते हैं, और कमरे के तापमान वाले सुपरकंडक्टर उम्मीदवारों को ड्रीम सामग्री कहा जाता है।

वास्तव में, डीपमाइंड ने 'ए-लैब' नामक एक स्वायत्त ड्राइविंग प्रयोगशाला संचालित करने के लिए संयुक्त राज्य अमेरिका में बर्कले नेशनल लेबोरेटरी (एलबीएनएल) के साथ सहयोग किया। यह भविष्यवादी परिदृश्य, जहां रोबोटिक हथियार एआई-डिज़ाइन किए गए व्यंजनों को क्रियान्वित करके नई सामग्रियों को संश्लेषित करते हैं, ने साबित कर दिया कि जीएनओएमई की भविष्यवाणियां सिर्फ कंप्यूटर सिमुलेशन नहीं हैं। ए-लैब ने 17 दिनों में 41 नई सामग्रियों का संश्लेषण किया।

यह एक ऐसा कार्य था जिसमें मानव शोधकर्ताओं को वर्षों लग गए होंगे। हस्साबिस ने एक बार फिर 'कट्टरपंथी प्रचुरता' पर जोर दिया। धारणा यह है कि संसाधनों की कमी के कारण होने वाले मानवता के संघर्ष को उन सामग्रियों की खोज करके हल किया जा सकता है जो ऊर्जा को सस्ता और स्वच्छ बनाते हैं और कंप्यूटिंग चिप्स के प्रदर्शन को उनकी सीमा से परे बढ़ाते हैं।

"हमारे द्वारा खोजी गई इन 380,000 सामग्रियों में से एक अगली पीढ़ी की बैटरियों या परमाणु संलयन ऊर्जा उत्पादन की आंतरिक दीवार को अस्तर देने वाली सामग्री के लिए मानक बन सकती है।" 2025 तक, दुनिया भर के सामग्री वैज्ञानिक GNoME द्वारा जारी आंकड़ों के आधार पर प्रयोग कर रहे हैं। हस्साबिस को उम्मीद है कि जीएनओएमई सामग्री वैज्ञानिकों के लिए एक आवश्यक उपकरण बन जाएगा, जैसे अल्फाफोल्ड जीवविज्ञानियों के लिए एक उपकरण बन गया है।

उन्होंने नोबेल पुरस्कार प्राप्त करने के लिए बनाए गए एआई की तुलना में इसे एक ऐसे वैज्ञानिक के लिए बड़ा सम्मान माना, जिसने एआई का उपयोग करके एक ऐसी खोज की जिसने दुनिया को बदल दिया। वह लड़का जो शतरंज की बिसात पर चालें पढ़ता था, अब परमाणुओं की व्यवस्था पढ़ रहा था, मानवता की भौतिक सीमाओं का विस्तार कर रहा था।

एआई और गणित के अभिसरण का प्रतीक एक छवि