اوپن اے آئی کا دعویٰ ہے کہ AI ایجنس نے نیویر-سٹوکس میلینیم مسئلہ 88 گھنٹوں میں حل کر لیا

اوپن اے آئی نے 2026ء کی 8 ستمبر کو اعلان کیا کہ تقریباً 10,000 AI ایجینٹس کے ایک سسٹم نے نیویر–سٹوکس ملینیم مسئلہ کا ایک حل 88 گھنٹوں میں تیار کر لیا۔ اس نے ایک خاص تین‌بعدی فلوڈ تعمیر کیا: جو شروع میں مکمل طور پر ساکن تھا، لیکن ایک نرم باہری طاقت کے اثر سے، محدود وقت میں مقامی رفتار لا محدود ہو جاتی ہے، جبکہ کل حرکتی توانائی محدود رہتی ہے۔ یہ نتیجہ کلے ریاضی انسٹیٹیوٹ کے سرکاری سوال کے C اور D دونوں "سینگولرٹی کا وجود" سیناریوز سے مطابقت رکھتا ہے، اور اس کا 166 صفحات پر مشتمل تجزیاتی ثبوت اور Lean فارمالائزڈ ورژن تیار کر لیا گیا ہے۔ زیادہ حیران کن بات یہ ہے کہ مرکزی استدلال کا کام ایک ایسا اندر کا ماڈل کر رہا ہے جو ابھی تربیت کے مراحل میں ہے، جسے اوپن اے آئی نے "GPT‑6 Astra سے کافی زیادہ طاقتور" قرار دیا ہے؛ پورا نیویر–سٹوکس منصوبہ تقریباً 130 بلین آؤٹ پٹ ٹوکنز استعمال کرتا ہے، 2.7 ملین AI ایجینٹ پیغامات پیدا کرتا ہے، اور حساب کتاب کا خرچ کئی ملین امریکی ڈالر ہے۔ تاہم، ثبوت کو ریاضی دانوں کو لائن بائن جانچنا ہوگا، اور Lean خود بخود یہ ضمانت نہیں دے سکتا کہ فارمالائزڈ مطالبہ اصل سوال کے بالکل مساوی ہے۔ اس کے علاوہ، نیو یارک یونورسٹی کے ریاضیدان ترستان بکس ماسٹر نے اوپن اے آئی پر الزام لگایا ہے کہ وہ ان کے اور لینٹ الپوگے کے Codex میں جمع کردہ غیر شائع تحقیق سے غیر مستقیم طور پر فائدہ اٹھا رہا ہے، اور انہوں نے الزام لگایا کہ اوپن اے آئی نے نتائج کے حوالے سے نام دینے پر اثر انداز ہونے کی کوشش کی؛ اوپن اے آئی نے ان کے مخصوص ڈे�ٹا کو دیکھنے یا استعمال کرنے سے انکار کیا ہے، لیکن یہ تسلیم کرتا ہے کہ وہ انسانوں کو شناخت نہ کرنے والے ڈیٹا کے استعمال سے ماڈل میں بہتری آنے کا ممکنہ امکان ختم نہیں کر سکتا۔

مضمون کے مصنف، ماخذ: OpenAI

نیویئر–سٹاکس مساوات کا استعمال پانی، ہوا جیسے فلوئڈز کے حرکت کو بیان کرنے کے لیے کیا جاتا ہے۔ طیارہ ڈیزائن، موسمی پیشگوئی، خون کے بہاؤ اور سمندری تحقیق، سب اس قسم کی مساواتوں پر مبنی ہیں۔

معادلات فلuids کو مولیکیولز کو الگ الگ ٹریک کرنے کے بجائے مسلسل میڈیم کے طور پر لیتی ہیں۔ ایک لمبے عرصے سے حل نہ ہونے والا سوال یہ ہے کہ اگر ایک تین بعدی فلو ابتدائی طور پر بہت ہموار ہو، تو کیا وہ ہمیشہ ہموار رہے گا، یا کیا محدود وقت میں "سینگولرٹی" ظاہر ہو سکتی ہے — جہاں ایک ہر بار چھوٹا ہوتا جانے والا علاقہ ہو، جہاں معادلات کے ذریعے حساب کیا گیا فلو ویلو لگاتار بڑھتا جائے اور آخرکار لاگھت کی طرف جائے۔

چپچپاپ عام طور پر تیز تبدیلیوں کو مسح کر دیتی ہے۔ شہد پانی کی نسبت سست ہوتا ہے کیونکہ اس کی چپچپاپ زیادہ ہوتی ہے۔ اس لیے، چپچپا والے فلوئڈ میں بھی سینگولرٹی کا ثبوت دینا، بے چپچپا مثالی ماحول میں بے قابو حرکت پیدا کرنے کے مقابلے میں کہیں زیادہ مشکل ہے۔

حقیقی مائع کبھی بھی لامحدود رفتار تک نہیں پہنچ سکتا۔ اس نتیجے کا مطلب یہ ہے کہ مسلسل مائع ماڈل کچھ شرائط میں ناکام ہو جاتا ہے، اور اس کا مطلب یہ نہیں کہ طیارے، سمندر یا انسانی خون اچانک لامحدود رفتار حاصل کر لیں گے۔

اوپن اے آئی کے سسٹم نے یہ ثابت نہیں کیا کہ تمام نیویئر–سٹاکس فلود میں عجیب و غریب واقع ہوتے ہیں، اور نہ ہی اس نے موسم کی پیشن گوئی کے لیے براہ راست استعمال کیے جانے والے ایک جامع حل کا پتہ لگایا ہے۔

اس نے ایک ضد مثال تعمیر کی: ترل پہلے مکمل طور پر ساکن تھا، اور اس پر ایک بیرونی طاقت جو فضا اور وقت دونوں میں ہموار اور محدود تھی، لگائی گئی۔ جب حرکت ترقی کرتی ہے، تو ایک گردشی بہاؤ مرکز کی طرف مسلسل سکڑتا ہے اور محوری طور پر لمبا ہوتا جاتا ہے، جس کی شکل ایک لمبی اسپاگٹی جیسی ہوتی جاتی ہے۔

جس طرح سے گھومتی ہوئی چکر کا حجم چھوٹا ہوتا جا رہا ہے، اسی طرح اس کے اندر کی رفتار بڑھتی جا رہی ہے۔ مقررہ عجیب نقطے کے وقت تک، زیادہ سے زیادہ رفتار لامتناہی کی طرف بڑھتی ہے، لیکن چونکہ تیز رفتار علاقہ اسی ساتھ تیزی سے چھوٹا ہوتا جا رہا ہے، پورے نظام کی کل حرکتی توانائی محدود رہتی ہے۔

سچی مشکل یہ ہے کہ ایک بے حد بڑے باہری طاقت کو براہ راست شامل کرکے سینگولرٹی کو "بنایا" نہیں جا سکتا۔ ماڈل کو تیزی، دباؤ، چپکن اور فلو کی اپنی حرکت کے ٹرانسپورٹ کو الگ الگ بہت بڑا بنانا ہوگا، لیکن بہت درست طریقے سے ایک دوسرے کو منسوخ کرنا ہوگا تاکہ آخر میں درکار باہری طاقت پھر بھی نرم رہے۔

آن لائن پر ایک سوال اٹھایا گیا ہے کہ OpenAI کا ثبوت باہری طاقت کا استعمال کرتا ہے، اس لیے یہ "حقیقی" ملینیم مسئلہ کا حل نہیں ہے۔

کلے ریاضی انسٹی ٹیوٹ کے ذریعہ جاری کردہسرکاری سوالاتکے مطابق، یہ دعویٰ درست نہیں ہے۔

سرکاری سوال نے چار ممکنہ راستے پیش کیے ہیں۔ A اور B کے لیے ثابت کرنا ہوگا کہ بیرونی طاقتوں کے بغیر، تمام موزوں تین ابعادی فلوڈ ہمیشہ نرم رہتے ہیں؛ جبکہ C اور D میں سخت نرمی اور کمی کے شرائط پر پورا اترنے والی بیرونی طاقتوں کا استعمال کیا جا سکتا ہے، صرف ایک ایسا مثال تعمیر کرنا ہوگا جس میں عالمی نرم حل موجود نہ ہو۔

اوپن اے آئی کے مقالے میں دعویٰ کیا گیا ہے کہ C اور D دونوں کو ایک ساتھ مکمل کیا گیا ہے: ایک لا محدود تین بعدی فضا کے لیے، اور دوسرا دورانیہ تین بعدی فضا کے لیے۔ مقالے میں طاقتیں نہ صرف نرم ہیں بلکہ محدود حمایت والی ہیں، یعنی صرف محدود فضا اور وقت کے دائرے میں اثر انداز ہوتی ہیں۔

اس لیے، "باہری طاقت کا استعمال" خود بخود ثبوت کو نااہل نہیں کرتا۔ جس کا جائزہ لینا ضروری ہے، وہ یہ ہے: 166 ویں صفحے پر دلیل میں کوئی غلطی ہے کہ نہیں، تعمیر کی گئی طاقت حقیقت میں تمام شرائط کو پورا کرتی ہے کہ نہیں، اور Lean میں فارمولا بند کردہ مفروضہ کیا پیپر اور Clay کے سرکاری عنوان کے بالکل مطابق ہے؟

اوپن اے آئی نے 28 اگست سے ایک نیا اندر کا ماڈل تربیت دینا شروع کر دیا ہے۔ کمپنی نے نام، پیرامیٹرز کی تعداد اور تربیت کے طریقہ کار کا اعلان نہیں کیا، صرف اس بات کا اشارہ کیا ہے کہ اس کی ریاضی کی صلاحیت میں کھچڑی اضافہ ہوا ہے اور یہ “GPT‑6 Astra سے کافی زیادہ طاقتور” ہے۔

1 ستمبر کو، OpenAI نے اس بات کی اطلاع میں سنی کہ دو ملینیم مسائل کے حل میں اہم ترقی ہو سکتی ہے، اس لیے اس نے فیصلہ کیا کہ نیا ماڈل سبھی حل نہ ہوچکے ملینیم مسائل اور کچھ نسبتاً آسان متعلقہ مسائل کو ایک ساتھ حل کرنے کی کوشش کرے۔

ایجینٹ کیمیا انٹرنیٹ کی کیشڈ نسخہ پڑھ سکتا ہے، کوڈ چلا سکتا ہے، اور کئی ایسے گروہوں میں تقسیم کیا جا سکتا ہے جو باہمی طور پر مکالمہ کر سکتے ہیں۔ مختلف گروہ ای، بی راستوں کے لیے ہمیشہ چکنے ثبوت کا مطالعہ کرتے ہیں، اور سی، ڈی راستوں کے ذریعے سینٹر کی تعمیر کرتے ہیں۔

سسٹم نے ایک متعلقہ سوال پر پہلے ترقی حاصل کی۔ تقریباً 100 ایجنٹس نے تقریباً 50 گھنٹے چلائے، جس سے بے باہری طاقت والے تین ماپی ایولر مساوات میں عجیب نقطہ کی موجودگی کا ثبوت ملا۔ ایولر مساوات کو نیوٹن–اسٹوکس مساوات کا لزکہ ہٹا دیے جانے والے ورژن کے طور پر سمجھا جا سکتا ہے۔

اس کے بعد، محققین نے نیویئر–سٹاکس کو سب سے زیادہ وعدہ خیز سمجھا اور دیگر مسائل پر لگائے گئے وسائل کو منتقل کر دیا، ایولر مساوات کے نتائج نئے ایجینٹ کو فراہم کیے اور عمل کے دوران مزید تربیت یافتہ نئی ماڈل کی نسخے شامل کیں۔

کئی گروہ مختلف منصوبوں کا جائزہ لیتے رہے۔ اوپن اے آئی نے کوڈیکس کا استعمال کرتے ہوئے ہر گروہ کی طرف سے حاصل کیے گئے مؤثر درمیانی نتائج کو ترتیب دیا اور ان معلومات کو دوسرے گروہوں کے ساتھ شیئر کیا۔ آخرکار، متعلقہ ایجینٹس نے 5 ستمبر کو نیویر–اسٹوکس نتائج حاصل کیے، جو پہلے ایجینٹس کے شروع ہونے کے تقریباً 88 گھنٹے بعد تھا۔

اس کے بعد، GPT‑6 Astra نے 17 گھنٹے صرف کر کے دلیل کو Lean فارملائزڈ ثبوت میں تبدیل اور تصدیق کیا۔

نیویئر–اسٹوکس پروجیکٹ نے تقریباً 2.7 ملین ایجینٹ پیغامات پیدا کیے اور تقریباً 130 ارب آؤٹ پٹ ٹوکن استعمال کیے؛ اگر اس کے ساتھ ساتھ ایک ساتھ کی جانے والی دیگر ریاضی کی مسائل کو بھی شامل کیا جائے، تو کل 4.9 ملین پیغامات اور تقریباً 300 ارب آؤٹ پٹ ٹوکن ہوں گے۔ اوپن اے آئی کے تحقیقی ہدایت کار مارک چین اور سیباستین بوبک نے دونوں کہا کہ کمپوٹیشنل لاگت ملینوں امریکی ڈالر تک پہنچ گئی، لیکن انہوں نے حقیقی جی پی یو کی تعداد اور اندر کی لاگت کی تفصیلات شائع نہیں کیں۔

لین ایک فارمل پرواف ٹول ہے۔ جب تک ریاضی کا مسئلہ اور استعمال کیے جانے والے فرضیات درست طریقے سے لکھے جائیں، لین ہر قدم کی جانچ کرتا ہے کہ کیا وہ پچھلے قدم سے سختی سے نکلا ہے، جس سے دستی ثبوت میں عام طور پر نظر انداز کیے جانے والے منطقی کوچھوٹوں سے بچا جا سکتا ہے۔

OpenAI نے جو کوڈ لائبریری شائع کی ہے، اس میں لامحدود فضا اور دورانیہ فضا دونوں کے نتائج دیے گئے ہیں، اور ان کی الگ سے تعمیر اور ثبوت کی جانچ کے لیے ہدایات بھی فراہم کی گئی ہیں۔ اس سے باہر کے ماہرین کو صرف کمپنی کے پریس ریلیز پر اعتماد کرنے کے بجائے کوڈ کو عملی طور پر چلایا جا سکتا ہے۔

لیان انسان کے لیے فیصلہ نہیں کرے گا کہ "آپ نے جو سوال درج کیا ہے وہ اصل سوال ہے یا نہیں"۔

محققین کو اب بھی تصدیق کرنے کی ضرورت ہے کہ فارملائزڈ ورژن اصل دعوے کو کمزور نہیں کر رہا، اور ایسی فرضیات شامل نہیں کر رہا جو موجود نہیں ہیں، اور کاغذ میں متعین کردہ اشیاء Lean کی تعریفوں کے مطابق ہیں، اور فارملائزڈ کوڈ نے سب سے اہم ریاضیاتی نتائج کو پہلے ہی اصول کے طور پر نہیں سمجھا ہے۔ کوانتا نے بھی اشارہ کیا ہے کہ انسانی جائزہ میں ایک ایسا مرحلہ ضروری ہے جس میں یہ تصدیق کی جائے کہ Lean ثبوت کا بیان منطقی طور پر ریاضیدانوں کے حل کرنے کے لیے حقیقی طور پر مراد مسئلے کے برابر ہے۔

کلے اب بھی نیویئر–سٹوکس کو حل نہ ہونے والے مسائل میں فہرست بند کر رہا ہے۔ اس کے قواعد کے مطابق، ایک امیدوار حل کو کم از کم دو سال تک عالمی ریاضی دانوں کی سخت جانچ کے لیے اہل پبلیکیشن میں شائع کیا جانا چاہیے اور اس کے بعد ہی اسے باقاعدہ تصدیق کے لیے شامل کیا جائے گا۔

اوپنای آئی کہتی ہے کہ وہ ایک ملین امریکی ڈالر کا انعام نہیں مانگے گی۔ چاہے انعام مانگا جائے یا نہیں، ریاضی کا نتیجہ اب بھی اسی قسم کی مساوی جانچ سے گزرنے کا حقدار ہے۔

یہ نتیجہ AI نے خالی سے ایجاد نہیں کیا ہے۔

سپینش ریاضی دان ڈیگو کورڈوبا اور لوئس مارٹینیز-زوروہ نے سالوں تک لامحدود طبقات کے ورٹیکس کے ذریعے فلڈ سینگولارٹیز کا مطالعہ کیا ہے۔ ان کا بنیادی خیال لامحدود طبقات کی تعمیر ہے جن میں سے ہر ایک خود میں سینگولارٹی نہیں ہوتی، اور پھر بڑے پیمانے پر اسٹرین کو چھوٹے پیمانے پر ورٹیکس کو بڑھانے کے لیے استعمال کیا جاتا ہے، جس سے "لامحدود کیسکیڈ" بن جاتا ہے۔

انہوں نے پہلے ہی کچھ متعلقہ مساوات میں منفرد نقاط پیدا کر لیے تھے، لیکن مجموعی طور پر باہری طاقت ناکافی طور پر چکنی نہیں تھی، اس لیے اس نے ملینیم مسئلے کے شرائط کو پورا نہیں کیا۔

اوپن اے آئی کے مقالے نے اس تحقیقی راستے کو حوالہ دیا ہے، جس میں ارتعاشی نبضوں، حرکت کے انتقال اور مرحلہ وار خطاء درستگی شامل کی گئی ہے تاکہ نتیجہ میں باہری طاقت پر سMOOTH رہے۔ کلے کے افسانوی عنوان کے ریاضی دان چارلز فیفر مین نے کوونٹا کو بتایا کہ کورڈوبا اور مارٹینیز-زوروہ اس تحقیق کے تاریخ میں اہم کردار رکھتے ہیں۔

اس لیے، یہ کہنا کہ OpenAI نے مکمل طور پر ثابت کر دیا کہ AI نے 88 گھنٹے تک خود سوچا اور ایسا مسئلہ حل کر لیا جسے انسان کبھی نہیں چھوا، بہت سادہ ہوگا۔ زیادہ درست تفصیل یہ ہے کہ نئے ماڈل نے پہلے سے موجود انسانی تحقیق کے راستوں، ٹیم کی ہدایت، بے شمار متوازی تلاش اور فارملاائزڈ ٹولز کے مشترکہ بنیاد پر طویل عرصے سے باقی رہنے والا اہم مرحلہ مکمل کیا۔

تنازع میں نیو یارک یونیورسٹی کے ریاضی دان ترستان بک ماسٹر اور Anthropic کے محقق لینٹ ایلپوگ شامل ہیں۔ دونوں نے کہا کہ یہ ایک ذاتی تعاون ہے، Anthropic کا کوئی سرکاری منصوبہ نہیں۔

انہوں نے کورڈوبا اور مارٹینیز-زورو کے کام پر مبنی، ساتھ ہی کلاڈ، کوڈیکس، جی پی ٹی‑5.6 سول اور اسٹرا کے استعمال کے ساتھ تحقیق کی۔ 15 اگست کو، دونوں نے گھسٹی ہوئی باہری طاقتوں والے آئلر مساوات کے نتائج حاصل کیے، اور 22 اگست تک لین تصدیق مکمل کر لی؛ اصل منصوبہ تھا کہ ماڈل کے ذریعہ تخلیق کردہ ثبوت کو انسانوں کے لیے زیادہ قابل فہم تحقیقی مقالے میں ترتیب دینے میں کئی ہفتے لگائے جائیں۔

بکماسٹر نے کہا کہ خبر کے پہلے ہی لیک ہونے کے بعد، انہیں 7 ستمبر کو تحقیق کو جلدی سے شائع کرنا پڑا۔ انہوں نے صاف طور پر تسلیم کیا کہ اس وقت دونوں نے نیویئر–سٹوکس ملینیم مسئلہ مکمل طور پر حل نہیں کیا تھا، بلکہ صرف آئیلر مساوات اور دیگر متعلقہ نظاموں کے نتائج حاصل کیے تھے۔

لیکن اس کا خیال ہے کہ "بیرونی طاقتوں کو ہموار کرکے سینگولرٹی بنانا" ایک کافی نایاب راستہ ہے، اور OpenAI نے صرف اس بات کے بعد، جب انہیں ان کی کامیابی کے بارے میں افواہیں سنائی دیں، اسی سمت میں بڑے پیمانے پر وسائل لگانے شروع کیے۔ چونکہ ان دونوں نے پچھلے سال کے دوران اپنے مسودوں اور تحقیقی عمل کو Codex میں ڈالا ہے، اس لیے وہ پوچھ رہے ہیں کہ OpenAI کا نیا ماڈل ان مواد سے ملاقات یا تربیت تو نہیں ہوئی۔

اوپنای آئی کا کہنا ہے کہ تحقیق کار اور ایجینٹ نے ایک دوسرے کے پریزنٹیشن سے پہلے اپنے ثبوت نہیں دیکھے، اور اس مسئلے کو حل کرنے کے لیے کسی بھی خاص صارف کے ڈیٹا تک رسائی نہیں حاصل کی۔ کمپنی نے یہ بھی تسلیم کیا ہے کہ ہو سکتا ہے کہ دونوں کے مصنوعات استعمال کرنے سے پیدا ہونے والے مخفی ڈیٹا نے ماڈل میں بہتری میں حصہ لیا ہو، حالانکہ اس کا احتمال بہت کم ہے۔

یہ دونوں دعوے بالکل متصادم نہیں ہیں: مسئلہ حل کرنے کے عمل میں کسی نجی خاکہ کو ب безپوس طور پر نہ پڑھنا، اس بات کا ثبوت نہیں کہ یہ خاکہ پہلے کے ڈیٹا پر عمل کرنے کے ذریعے ماڈل کو متاثر نہیں کیا گیا۔ لیکن اب تک کوئی عوامی ثبوت موجود نہیں ہے جو یہ ثابت کرے کہ ایسا اثر واقعی ہوا ہے، اور ماڈل کے آخری پیدا کردہ ثبوت کے بنیاد پر تربیت کا مخصوص ذریعہ بھی واپس نہیں لایا جا سکتا۔

بعد میں تنازع نامزدگی اور مواصلات کے عمل تک پھیل گیا۔ بکماسٹر نے الزام لگایا کہ سیباستین بیوبیک نے اسے OpenAI کے دوبارہ لکھے گئے ثبوت کا مرکزی مصنف مقرر کرنے کی پیشکش کی تھی، لیکن چونکہ الپوگے Anthropic میں کام کرتے ہیں، اس لیے وہ ان کو شامل ہونے نہیں چاہتے تھے؛ اور انہوں نے اپنے کیریئر کو ختم کرنے کی بات کر کے اس پر دباؤ ڈالا۔

بوبیک نے الپوگے کو اپنی آئیلر کے مساوات کے مقالے سے نکالنے کی درخواست کرنے سے انکار کیا۔ انہوں نے وضاحت کی کہ متعلقہ بحث اوپن اے آئی کے نیویر–سٹوکس ثبوت کو دوبارہ لکھنے کے لیے بکمنسٹر کو شامل کرنے پر مرکوز تھی، اور مقابلہ کرنے والی کمپنی کے ملازمین کو اوپن اے آئی کے اندر کے ماڈل کے نتائج پر نام لکھنے سے مفاد کا تصادم پیدا ہو سکتا ہے۔ بوبیک نے کیریئر کے حوالے سے استعمال کی گئی زبان کے لیے معافی مانگی، جسے وہ انتہائی نا مناسب قرار دیتے ہیں، لیکن یہ تهدید نہیں تھی۔

双方 کی بات چیت کے سیاق و سباق اور اصل نیت کی وضاحت اب بھی مختلف ہے، اور موجودہ عوامی ذرائع کافی نہیں ہیں کہ یہ فیصلہ کیا جا سکے کہ کون سا ورژن مکمل اور درست ہے۔

سنتی ریاضی کے نتائج عام طور پر کاغذات کے مسودوں، ای میلز، لیکچرز اور پری پرنٹس کے ذریعے نسبتاً واضح وقت کی ترتیب بنائی جا سکتی ہیں۔ AI کے شامل ہونے کے بعد، تحقیقی راستے پرومپٹس، ماڈل وزن، ایجنٹ پیغامات، تربیتی ڈیٹا، کوڈ ریپوزٹریز اور کمپنی کے اندر تجرباتی ریکارڈز میں بکھر گئے ہیں۔

ایک ریاضیدان ممکنہ طور پر اہم خیال پیش کر سکتا ہے، جسے ماڈل ثبوت میں توسیع دے دے؛ دوسرا ماڈل اناڈیمائزڈ تربیتی ڈیٹا میں متعلقہ اشارے جمع کر سکتا ہے؛ اس کے بعد تحقیقی ٹیم لاکھوں پیغامات اور ہزاروں ایجینٹس کے ذریعے مکمل نتائج تلاش کرتی ہے۔ آخری پیپر Lean کے ذریعے تصدیق کیا جا سکتا ہے، لیکن Lean صرف یہ جواب دے سکتا ہے کہ "ثبوت درست ہے یا نہیں"، نہ کہ "خیال اصل میں کہاں سے آیا"۔

اس واقعہ سے یہ بھی ظاہر ہوتا ہے کہ بڑے پیمانے پر متوازی استدلال اب ایک نئی سائنسی ڈیوائس بن رہا ہے۔ OpenAI نے ایک ڈائیلاگ سے جواب حاصل کرنے کی بجائے، ملاین امریکی ڈالر کا خرچہ کیا تاکہ مختلف ایجینٹس متعدد ناکام راستوں کا جائزہ لے سکیں، اور پھر مستقل طور پر فلٹر کریں، مجموعہ کریں اور وسائل کو دوبارہ تقسیم کریں۔

یہ ایک اچانک خیال آنے والے AI ریاضیدان کے بجائے ایک زبان ماڈل سے چلنے والی مجازی تحقیقی ادارے کے قریب ہے۔

اگر ثبوت جانچ کا مقابلہ کر لے تو یہ AI کے ذریعہ تکمیل کیا گیا اہم ترین ریاضیاتی نتیجہ ہوگا، اور اس سے پیش رفت ماڈلز کا اب تک کے متن کو منظم کرنے اور موجودہ ثبوت کو فارمیل کرنے کے مرحلے سے آگے بڑھ کر انسانوں نے ابھی تک مکمل نہیں کیے گئے اصل تحقیق میں شامل ہونے کا مطلب ہوگا۔

لیکن اس کامیابی سے پیدا ہونے والے سوالات بھی بہت اہم ہیں: جب تحقیقی عمل بند ماڈلز، غیر قابل جانچ ٹریننگ ڈیٹا اور عام ماہرین کے لیے قابل رسائی نہ ہونے والے کمپیوٹیشنل سائز پر منحصر ہو، تو باہر کے لوگ نتائج کی تکرار کیسے کریں، غیر من公开 کام کو کیسے محفوظ رکھیں، اور اکادمک سفارشات کیسے تقسیم کریں — موجودہ نظام کے پاس ابھی تک کوئی بالغ جواب نہیں ہے۔