जहां एल्गोरिदम बनाने से तय नियमों के आधार पर तेज़ी से मैथमेटिकल स्ट्रक्चर, प्रूफ और रॉ डेटा बनाने के लिए बहुत ज़्यादा कंप्यूटिंग पावर का इस्तेमाल होता है, वहीं इंसानी समझ उन आउटपुट को समझने के लिए ज़रूरी इंट्यूशन, कॉन्टेक्स्ट का मतलब और कॉन्सेप्चुअल फ्रेमवर्क देती है, जो मॉडर्न मैथमेटिक्स में गहरे तालमेल को दिखाता है।
सटीक, कंप्यूटर से चलने वाले नियमों और लॉजिकल फ्रेमवर्क का इस्तेमाल करके मैथमेटिकल डेटा, प्रूफ़ या स्ट्रक्चर का ऑटोमेटेड क्रिएशन।
यह एक कॉन्सेप्चुअल प्रोसेस है जिसमें इंसान एब्स्ट्रैक्ट मैथमेटिकल फ़ॉर्मूला और स्ट्रक्चर को मतलब, इंट्यूशन और असल दुनिया का कॉन्टेक्स्ट देते हैं।
| विशेषता | एल्गोरिथमिक जनरेशन | मानव व्याख्या |
|---|---|---|
| कोर तंत्र | नियम-आधारित संगणना और औपचारिक तर्क | वैचारिक अंतर्ज्ञान और संज्ञानात्मक अमूर्तता |
| प्रसंस्करण गति | बहुत ज़्यादा खास; हार्डवेयर क्षमता के साथ स्केल करता है | तुलनात्मक रूप से धीमा; बायोलॉजिकल कॉग्निटिव सीमाओं से घिरा हुआ |
| त्रुटि दर | अपने तय लॉजिकल सिस्टम के अंदर लगभग ज़ीरो | अनदेखी, थकान और कॉग्निटिव बायस का खतरा |
| प्रासंगिक समझ | कोई नहीं; बड़े मतलब या मतलब के बारे में जानकारी की कमी | डीप; सिमेंटिक वैल्यू और रियल-वर्ल्ड रेलिवेंस को समझता है |
| रचनात्मकता और नवाचार | पहले से तय नियमों के कॉम्बिनेटरियल एक्सप्लोरेशन तक सीमित | हाई; पैराडाइम शिफ्ट और नए कॉन्सेप्ट बनाने में सक्षम |
| अस्पष्टता से निपटना | पूरी सटीकता की ज़रूरत होती है; गलत इनपुट के साथ फेल हो जाता है | एडजस्ट करने लायक; साफ़ या अधूरे कॉन्सेप्ट को समझ सकते हैं |
| सत्यापन स्रोत | वाक्यविन्यास शुद्धता और नियतात्मक निष्पादन पथ | सिमेंटिक अलाइनमेंट, पीयर रिव्यू, और सहज स्पष्टता |
कंप्यूटर बड़े-बड़े कॉम्बिनेशन को स्कैन करने में बहुत अच्छे होते हैं, जिन्हें जांचने में इंसानों की पूरी ज़िंदगी लग सकती है। एक एल्गोरिदम कुछ ही मिनटों में अरबों इंटीजर में किसी अंदाज़े के लिए एज केस को लगातार चेक कर सकता है। इस ब्रूट-फोर्स क्षमता में इंसानी गाइडेंस के बिना कोई खास दिशा नहीं होती जो इसे सही मैथमेटिकल क्षेत्र की ओर ले जाए।
एक एल्गोरिदम सभी लॉजिकली एक जैसे स्टेटमेंट को बराबर महत्व देता है, जिसका मतलब है कि यह एक सुंदर, नई थ्योरी को एक मामूली मैथमेटिकल फैक्ट से अलग नहीं कर सकता। इंसान नैचुरली पैटर्न, खूबसूरती और गहरे स्ट्रक्चर ढूंढते हैं। हम नंबरों और इक्वेशन को वैल्यू देते हैं, सही लॉजिकल ऑपरेशन की एक लाइन को गहरी समझ में बदल देते हैं।
आजकल के प्रूफ़ इतने कॉम्प्लेक्स हो गए हैं कि वे कभी-कभी इंसानी वर्किंग मेमोरी की लिमिट से भी आगे निकल जाते हैं, यहीं पर ऑटोमेटेड वेरिफ़िकेशन काम आता है। फिर भी, जब कोई मशीन किसी बड़े प्रूफ़ के हर स्टेप को वेरिफ़ाई करती है, तो यह समझाने के लिए कि प्रूफ़ असल में हमें क्या सिखाता है, इंसानी इंटरप्रिटेशन की ज़रूरत होती है। उस कॉग्निटिव ब्रेकडाउन के बिना, बनाया गया प्रूफ़ वेरिफ़ाइड लेकिन बिना रोशनी वाले डेटा का एक ब्लैक बॉक्स बनकर रह जाता है।
एल्गोरिदमिक जेनरेशन दिए गए नियमों और एक्सिओम्स की सीमाओं के अंदर ही काम करता है। यह उन नियमों के अंदर अचानक कॉम्बिनेशन ढूंढ सकता है, लेकिन यह खुद से पूरी तरह से नए मैथमेटिकल फ्रेमवर्क नहीं बना सकता, जैसे फिजिक्स की समस्याओं को हल करने के लिए कैलकुलस बनाना। इंसानी मैथमैटिशियन अलग-अलग डिसिप्लिन को जोड़ते हैं, और मैथ की पूरी तरह से नई ब्रांच बनाने के लिए असल दुनिया की एनालॉजी का इस्तेमाल करते हैं।
ऑटोमेटेड थ्योरम प्रूवर पूरी तरह से इंसानी मैथमैटिशियन की जगह ले लेंगे।
हालांकि एल्गोरिदम बहुत ज़्यादा सटीकता से स्टेप्स को वेरिफ़ाई करते हैं, लेकिन वे यह नहीं चुनते कि कौन सी प्रॉब्लम सॉल्व करने लायक हैं। इंसानों को अभी भी अंदरूनी अंदाज़े लगाने होते हैं, शुरुआती एक्सिओम को डिफाइन करना होता है, और नतीजों के बड़े महत्व को समझना होता है।
इंसानी मैथमेटिकल इंट्यूशन बस एक इनएफिशिएंट, अनफॉर्मलाइज्ड एल्गोरिदम है।
इंसानी सोच-विचार के तरीके एनालॉजिकल रीज़निंग, विज़ुअल मेटाफ़र और असल दुनिया के फ़िज़िकल अनुभवों पर निर्भर करते हैं, जो डिजिटल, स्टेप-बाय-स्टेप कैलकुलेशन से असल में अलग होते हैं। इंट्यूशन हमें फ़ॉर्मल स्टेप-बाय-स्टेप लॉजिक के आने से बहुत पहले ही सही नतीजे पर पहुँचने में मदद करता है।
कंप्यूटर से बने सबूत लोगों के लिए पूरी तरह से समझ से बाहर हैं।
हालांकि रॉ मशीन प्रूफ़ में कोड की लाखों लाइनें हो सकती हैं, लेकिन मॉडर्न टूल्स को मैथमैटिशियन के साथ काम करने के लिए डिज़ाइन किया गया है। इंसान इन प्रूफ़ को मॉड्यूलर, पढ़ने लायक हिस्सों में एक्टिवली स्ट्रक्चर करते हैं, जिससे मशीन कोड वापस हाई-लेवल कॉन्सेप्चुअल समझ में बदल जाता है।
एल्गोरिदम स्वतंत्र रूप से गणित के बिल्कुल नए क्षेत्रों की खोज कर सकते हैं।
कंप्यूटर किसी बने-बनाए सिस्टम में हैरान करने वाले पैटर्न या उलटे उदाहरण खोज सकते हैं, लेकिन वे नए तरीके बनाने के लिए ज़रूरी सोच में बदलाव नहीं देख पाते। एक नया फील्ड बनाने के लिए मौजूदा सिस्टम से बाहर कुछ समझना ज़रूरी है, जो सिर्फ़ इंसानी समझ से ही हो सकता है।
जब आपको बहुत सारे डेटासेट को अच्छी तरह वेरिफ़ाई करना हो, मुश्किल प्रूफ़ चेक करने हों, या बहुत बड़े कॉम्बिनेटरियल स्पेस को पूरी सटीकता के साथ एक्सप्लोर करना हो, तो एल्गोरिद्मिक जेनरेशन चुनें। जब आपको डेटा के पीछे का असली मतलब पता लगाना हो, नए मैथमेटिकल कॉन्सेप्ट बनाने हों, या एब्सट्रैक्ट लॉजिक को असल दुनिया के एप्लीकेशन से जोड़ना हो, तो इंसानी इंटरप्रिटेशन पर भरोसा करें।
असल में, अरिथमेटिक और जियोमेट्रिक सीक्वेंस नंबरों की लिस्ट को बढ़ाने या घटाने के दो अलग-अलग तरीके हैं। एक अरिथमेटिक सीक्वेंस जोड़ने या घटाने से एक जैसी, सीधी रफ़्तार से बदलता है, जबकि एक जियोमेट्रिक सीक्वेंस गुणा या भाग से तेज़ी से बढ़ता या घटता है।
पैटर्न को समझना एक खास मैथमेटिकल स्किल है, लेकिन आप नंबर या शेप में से क्या इस्तेमाल करते हैं, इस पर निर्भर करते हुए तरीका काफी बदल जाता है। जहाँ अरिथमेटिक प्रोग्रेशन लगातार आने वाले टर्म के बीच एक फिक्स्ड, बिना बदलने वाले न्यूमेरिकल अंतर पर निर्भर करते हैं, वहीं विज़ुअल सीक्वेंस बदलते ज्योमेट्रिक प्रॉपर्टी, रंग या अरेंजमेंट का इस्तेमाल करते हैं। दोनों को समझने से एब्स्ट्रैक्ट अलजेब्रिक फ़ॉर्मूला और आसान स्पेशल रीजनिंग के बीच के अंतर को कम करने में मदद मिलती है।
अरिथमेटिक मीन हर डेटा पॉइंट को फ़ाइनल एवरेज में बराबर योगदान देने वाला मानता है, जबकि वेटेड मीन अलग-अलग वैल्यू को खास लेवल का महत्व देता है। इस अंतर को समझना सिंपल क्लास एवरेज कैलकुलेट करने से लेकर कॉम्प्लेक्स फ़ाइनेंशियल पोर्टफ़ोलियो तय करने तक, हर चीज़ के लिए ज़रूरी है, जहाँ कुछ एसेट दूसरों की तुलना में ज़्यादा ज़रूरी होते हैं।
जहां लैटिट्यूड-लॉन्गीट्यूड सिस्टम, पृथ्वी के इक्वेटर और प्राइम मेरिडियन से जुड़े दो परपेंडिकुलर एंगुलर मेज़रमेंट का इस्तेमाल करके थ्री-डाइमेंशनल स्फेरिकल सरफेस पर लोकेशन मैप करते हैं, वहीं पोलर कोऑर्डिनेट सिस्टम एक सेंट्रल स्टार्टिंग रे से मापे गए सिंगल एंगल के साथ एक स्ट्रेट-लाइन रेडियल डिस्टेंस का इस्तेमाल करके एक फ्लैट टू-डाइमेंशनल प्लेन पर पोजीशन बताते हैं।
यह तुलना अभाज्य और संयुक्त संख्याओं की परिभाषाओं, गुणों, उदाहरणों और अंतरों को स्पष्ट करती है, जो प्राकृतिक संख्याओं की दो मूलभूत श्रेणियां हैं। यह बताता है कि उन्हें कैसे पहचाना जाता है, वे गुणनखंडन में कैसे व्यवहार करते हैं, और बुनियादी संख्या सिद्धांत में उन्हें पहचानने का महत्व क्यों है।
