25 জন ফিল্ডস মেডেল বিজয়ী একটি যৌথ বিবৃতি প্রকাশ করেছেন, যেখানে তারা AI বিকাশকারী কোম্পানি এবং গণিত সম্প্রদায়ের মধ্যে "লক্ষ্যের গুরুতর পার্থক্যের" কথা সরাসরি উল্লেখ করেছেন। নথিটি 2026 সালের 11 সেপ্টেম্বর Le Monde এবং টেরেন্স টাও-এর ব্লগে প্রকাশিত হয়েছে; স্বাক্ষরকারীদের মধ্যে রয়েছেন পিয়ের ডেলিন, পিটার শোলজে, মারিনা ভিয়াজোভস্কা, মঞ্জুল ভার্গব, ইউ ডেং এবং আরও অনেকে। হাজার হাজার এজেন্ট এবং লক্ষ লক্ষ বার্তার সাহায্যে মাত্র 88 ঘণ্টায় নেভিয়ার-স্টোকস সমস্যার সমাধানের বিষয়ে OpenAI-এর সাম্প্রতিক ঘোষণার প্রেক্ষাপটে এই বিবৃতিটি এসেছে।
অভিযোগের মূল বিষয়টি AI-এর সমস্যা সমাধান করা নয়, বরং এটি ঠিক কীভাবে ঘটছে এবং এর মাধ্যমে কোন মূল্যবোধগুলোকে প্রচার করা হচ্ছে তা নিয়ে। গণিত ঐতিহ্যগতভাবে কেবল সমাধানের সত্যতাকেই নয়, বরং কাঠামোর অনুধাবন, নতুন অবদানের স্বাতন্ত্র্য রক্ষা, পুঙ্খানুপুঙ্খ যাচাইকরণ, সঠিক উদ্ধৃতি এবং চিন্তাভাবনার জন্য প্রয়োজনীয় সময়কে গুরুত্ব দেয়। অন্যদিকে, কোম্পানিগুলো গতি এবং জনসমক্ষে বেঞ্চমার্ক প্রদর্শনের ওপর ভিত্তি করে অপ্টিমাইজ করে: একটি মডেল যত দ্রুত কোনো পরিচিত সমস্যার "সমাধান" করে, বিনিয়োগকারী এবং ব্যবহারকারীদের কাছে তার মূল্যায়ন তত বেশি হয়। মেডেল বিজয়ীদের মতে, এই ধরনের ত্বরান্বিত প্রক্রিয়া নতুন ধারণার জন্য "উর্বর ভূমি" ধ্বংস করে এবং শিক্ষার্থী ও নতুন চিন্তাধারা গড়ে তোলার প্রক্রিয়াকে বাধাগ্রস্ত করে।
পদ্ধতিগতভাবে, এই বিবৃতিটি বাস্তব ঘটনার পর্যবেক্ষণের ওপর ভিত্তি করে তৈরি। গণিতবিদরা লক্ষ্য করেছেন যে, AI সিস্টেমগুলো প্রায়শই পূর্ণাঙ্গ লিখিত ব্যাখ্যা ছাড়াই, প্রকৃত নতুনত্বকে আলাদা না করে এবং পূর্ববর্তী কাজগুলোকে বিবেচনায় না নিয়েই সমাধান প্রদান করে। এটি সরাসরি সেই সাম্প্রতিক বিতর্কগুলোর সাথে সম্পর্কিত যেখানে অভিযোগ করা হয়েছে যে OpenAI অন্য ল্যাবরেটরির মডেলের সাহায্যে প্রাপ্ত ফলাফলগুলো যথাযথ কৃতিত্ব না দিয়েই ব্যবহার করেছে। ঐতিহ্যগত গাণিতিক প্রক্রিয়ার বিপরীতে, যেখানে একটি প্রমাণ পিয়ার-রিভিউ এবং সম্প্রদায়ের আলোচনার মধ্য দিয়ে যায়, সেখানে যান্ত্রিক পদ্ধতি এই ধরনের প্রতিফলনের জন্য খুব কম সুযোগ রাখে।
গণিতে কম্পিউটেশনাল টুলের সমন্বয়ের পূর্ববর্তী পদ্ধতির তুলনায় বর্তমান পরিস্থিতি এর ব্যাপকতা এবং বাণিজ্যিক চাপের কারণে ভিন্ন। আগে কম্পিউটারগুলো যাচাইকরণ বা পাল্টা উদাহরণ খোঁজার জন্য ব্যবহৃত হতো, কিন্তু রেকর্ড সময়ের মধ্যে পরিচিত সমস্যাগুলোর ব্যাপক হারে "সমাধান" তৈরির জন্য নয়। DeepMind বা Anthropic-এর মতো ল্যাবরেটরিগুলোর সমান্তরাল প্রচেষ্টাগুলোও বেঞ্চমার্কের ওপর গুরুত্ব দেয়, তবে OpenAI সাম্প্রতিক সপ্তাহগুলোতে Millennium Prize Problems-এ "সাফল্যের" আখ্যানটি সবচেয়ে আক্রমণাত্মকভাবে প্রচার করছে। এটি এমন এক প্রতিযোগিতামূলক গতিশীলতা তৈরি করে যেখানে বোঝার গভীরতার চেয়ে গতিই প্রধান সুবিধা হয়ে দাঁড়ায়।
এই ক্ষেত্রের জন্য এর ফলাফলগুলো স্পষ্ট: যদি সম্প্রদায় অগ্রগতির প্রধান উপায় হিসেবে যান্ত্রিক সমাধানের ওপর নির্ভর করতে শুরু করে, তবে ধীরগতির কিন্তু মৌলিক কাজের সুযোগ কমে যাবে। শিক্ষার্থী এবং তরুণ গবেষকরা গভীর অধ্যয়নের অনুপ্রেরণা হারিয়ে ফেলতে পারেন, কারণ "উত্তর" ইতিমধ্যেই উন্মুক্তভাবে পাওয়া যাচ্ছে। তাছাড়া, লেখকত্ব এবং দায়বদ্ধতা অস্পষ্ট হয়ে যাওয়ার ঝুঁকি তৈরি হয় — যদি হাজার হাজার খণ্ডাংশ থেকে একটি AI-প্রমাণ তৈরি করা হয়, তবে সেখানে কোনো ভুলের জন্য কে দায়ী থাকবে?
বিবৃতিটি গণিতে AI-এর উপযোগিতাকে অস্বীকার করে না, তবে মিথস্ক্রিয়ার নিয়মগুলো নিয়ে জরুরি আলোচনার প্রয়োজনীয়তার ওপর জোর দেয়। মেডেল বিজয়ীরা গণিত সম্প্রদায়, বিকাশকারী এবং সামগ্রিকভাবে সমাজকে এমন একটি ব্যবস্থা গড়ে তোলার আহ্বান জানিয়েছেন যা ধারণাগত বোঝাপড়া এবং সঠিক উদ্ধৃতির গুরুত্ব রক্ষা করবে। এই ধরনের ব্যবস্থা ছাড়া লক্ষ্যের এই পার্থক্য কেবল বাড়তেই থাকবে, যা শুধু গণিতকেই নয়, বরং বুদ্ধিবৃত্তিক শ্রমের অন্যান্য ক্ষেত্রকেও প্রভাবিত করবে।
একটি মূল প্রশ্ন যা এখনো অমীমাংসিত: গণিতবিদদের সম্প্রদায় কি AI বিকাশকারীদের ওপর তাদের যাচাইকরণ এবং লেখকত্বের মানদণ্ড চাপিয়ে দিতে সক্ষম হবে, নাকি বাণিজ্যিক যুক্তিই শেষ পর্যন্ত মৌলিক বিজ্ঞানে "প্রগতি" বলতে কী বোঝায় তা নতুন করে সংজ্ঞায়িত করবে।
