GPT-5 प्रो ने हाल ही में गणित की दो अलग-अलग और बेहद कठिन समस्याओं को हल किया है, जो अमूर्त तर्क के एक शक्तिशाली नए स्तर को दर्शाता है। ये सिर्फ़ चालाकी भरी तरकीबें नहीं हैं; एक समाधान IMO-स्तर के बेंचमार्क को चुनौती देता है, जबकि दूसरा सूचना सिद्धांत में एक लंबे समय से चली आ रही धारणा को गलत साबित करता है।
यह ध्यान देने योग्य है कि इसके शीर्ष प्रतिस्पर्धियों, जैसे गूगल का जेमिनी 2.5 प्रो "डीप थिंक" मोड में और एंथ्रोपिक का क्लॉड 4.5+, का अभी तक इन विशेष समस्याओं पर सार्वजनिक रूप से परीक्षण नहीं किया गया है।
यहाँ जो हुआ है उसका एक सरल विवरण दिया गया है।
1. बीजगणित की पहेली: यू त्सुमुरा की 554वीं समस्या
यह क्या है? यह यू त्सुमुरा के संग्रह से एक समस्या है, जिसका कठिनाई स्तर लगभग अंतर्राष्ट्रीय गणितीय ओलंपियाड (IMO) के बराबर है। इसमें यह साबित करना है कि एक विशेष गणितीय समूह, जो अपने दो जनरेटरों को नियंत्रित करने वाले नियमों द्वारा परिभाषित है, "तुच्छ" (trivial) है (यानी यह सबसे सरल संभव समूह है)। इसकी संक्षिप्त शब्दावली के कारण, यह यह परखने के लिए एक बेंचमार्क बन गया है कि क्या कोई AI उच्च-स्तरीय गणितीय तर्क क्षमताओं तक पहुँच गया है।
GPT-5 प्रो ने क्या किया? यह इस समस्या को हल करने वाला पहला AI मॉडल बन गया। मॉडल का परीक्षण करने वाले स्वतंत्र गणितज्ञों के अनुसार, GPT-5 प्रो ने बिना किसी इंटरनेट एक्सेस के सिर्फ़ 15 मिनट में एक पूरा प्रमाण तैयार कर दिया।
यह क्यों मायने रखता है: यह प्रगति का एक सीधा मापक है। बस कुछ महीने पहले, "No LLM Solved Yu Tsumura’s 554th Problem" शीर्षक वाले एक शोध पत्र में यह तर्क दिया गया था कि मौजूदा मॉडलों में ऐसे कार्यों के लिए क्षमता की कमी है। GPT-5 प्रो की सफलता AI की तर्क क्षमताओं में अविश्वसनीय रूप से तीव्र गति से हो रही प्रगति को दर्शाती है।
2. सूचना सिद्धांत में बड़ी सफलता: बहुमत अनुकूलता को गलत साबित करना
यह क्या है? यह समस्या, जिसे "NICD-with-erasures majority optimality" के नाम से जाना जाता है, सूचना सिद्धांत से संबंधित है। कल्पना कीजिए कि दो लोगों को एक ही सिग्नल के खराब संस्करण मिलते हैं। वे दोनों अपने अधूरे डेटा के आधार पर एक फ़ंक्शन का अनुमान लगाने की कोशिश करते हैं, जिसका लक्ष्य इस संभावना को अधिकतम करना है कि वे दोनों एक ही चीज़ का अनुमान लगाएँ। लंबे समय तक, विशेषज्ञ यह मानते थे कि सबसे अच्छी रणनीति "मेजॉरिटी फ़ंक्शन" (अनिवार्य रूप से, डेटा बिंदुओं के बीच एक लोकतांत्रिक वोट) थी।
GPT-5 प्रो ने क्या किया? इसने इस लंबे समय से चली आ रही धारणा को गलत साबित कर दिया। सबसे अच्छे फ़ंक्शन को हल करने के बजाय, GPT-5 प्रो ने एक विशिष्ट प्रति-उदाहरण खोजा—एक अलग फ़ंक्शन जो कुछ शर्तों के तहत बहुमत के नियम से थोड़ा, लेकिन निश्चित रूप से बेहतर प्रदर्शन करता है।
यहाँ एक विशिष्ट सेटअप (p=0.4, n=5) के लिए मिला प्रति-उदाहरण है:
f(x) = sign(x_1 - 3x_2 + x_3 - x_4 + 3x_5)
इस फ़ंक्शन ने 0.43024 का स्कोर हासिल किया, जो सबसे अच्छे मेजॉरिटी फ़ंक्शन के स्कोर 0.42904 से बेहतर था।
यह क्यों मायने रखता है: यह एक मूलभूत समस्या है जिसके विशाल व्यावहारिक अनुप्रयोग हैं। सिग्नल रिकवरी के लिए इष्टतम फ़ंक्शन खोजना सीधे तौर पर डेटा स्टोरेज, संचार चैनलों और डेटा रिकवरी के लिए त्रुटि-सुधार कोड को डिज़ाइन करने के तरीके को प्रभावित करता है। पुरानी धारणा को गलत साबित करके, GPT-5 प्रो ने इस क्षेत्र में अनुसंधान के लिए एक नया अध्याय खोल दिया है।
