ප්රථමක සංඛ්යාවල සැඟවුණු රහස: රීමාන් කල්පිතය විසඳන්නට කෘත්රිම බුද්ධිය සමත් වීද?
ප්රථමක සංඛ්යාවල සැඟවුණු රහස: රීමාන් කල්පිතය විසඳන්නට කෘත්රිම බුද්ධිය සමත් වීද?
වසර 167ක් තිස්සේ ගණිතඥයන්ට විසඳාගත නොහැකි වූ ගැටලුවක්, අනන්තය පිළිබඳ ප්රශ්නයක් සහ AI විසින් ගණිතමය දැනුම නිර්මාණය කිරීමේ හැකියාව ගැන අලුත් සංවාදයක්.
2026 නොවැම්බර් 20 වැනිදා ගණිත ලෝකය තුළ මහත් කුතුහලයක් ඇති කළ පුවතක් පළ වුණා. Anthropic සමාගමේ ගණිතඥයෙකු වන Levent Alpöge, එම සමාගමේ Claude කෘත්රිම බුද්ධි පද්ධතිය සමඟ එක්ව, ලෝකයේ ප්රකටම නොවිසඳුණු ගණිත ගැටලුවක් වන Riemann Hypothesis සඳහා සාධනයක් සොයාගත් බව ප්රකාශ කළා. (Levent Alpöge මගේ මතකයට එන්නේ ඔහු නේවියර් ස්ටෝක් ගැටළුවේද Anthropic ආයතනයේ ගණතඥයා ලෙස NYU professor Tristan Buckmaster සමග වැඩ කළ නිසයි.)
මේ ප්රකාශය තවමත් ස්වාධීනව තහවුරු කර නැහැ. එබැවින් රීමාන් උපකල්පනය විසඳා අවසන් යැයි කියන්නට අපට බැහැ. එහෙත් මේ පුවතේ වැදගත්කම තේරුම් ගන්නට නම්, මුලින්ම අපට රීමාන් කල්පිතය කියන්නේ කුමක්දැයි තේරුම් ගන්නට වෙනවා.
ඒ සඳහා අපි පාසලේදී ඉගෙනගත් ඉතා සරල සංඛ්යා කිහිපයකින් පටන් ගනිමු.
සංඛ්යා අතර සැඟවී සිටින අමුතු පිරිසක්
2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31...
මේවා ප්රථමක සංඛ්යා (Prime Numbers) බව අපි දන්නවා.
එකෙන් සහ තමන්ගෙන් පමණක් ඉතිරි නැතිව බෙදිය හැකි, එකට වඩා විශාල ධන නිඛිල සංඛ්යාවක් ප්රථමක සංඛ්යාවක් ලෙස හඳුන්වනවා. උදාහරණයක් ලෙස 7 ප්රථමක සංඛ්යාවක්. නමුත් 9 එවැන්නක් නොවෙයි. මන්ද 9 යනු 3 × 3 ලෙස ලියන්නට හැකි නිසා.
මේ ප්රථමක සංඛ්යාවල තිබෙන වැදගත්ම ගුණාංගය නම්, එකට වඩා විශාල සෑම ධන නිඛිලයක්ම ප්රථමක සංඛ්යාවල ගුණිතයක් ලෙස ප්රකාශ කරන්නට හැකි වීමයි.
උදාහරණයක් ලෙස,
60 = 2 × 2 × 3 × 5
මේ ආකාරයට සෑම සංයුක්ත සංඛ්යාවක්ම ප්රථමක සංඛ්යාවලට බිඳ දක්වන්නට පුළුවන්. ඒ නිසා ප්රථමක සංඛ්යා යනු නිඛිල සංඛ්යා ලෝකයේ මූලික ගොඩනැඟිලි ඒකක වැනි දෙයක්. නමුත් මෙතැන අමුතු ගැටලුවක් තිබෙනවා.
මේ සංඛ්යා පිහිටා තිබෙන්නේ කවර රටාවකටද? එහෙම රටාවක් තියෙනවා ද?
2 සහ 3 එක ළඟ තිබෙනවා. 3 සහ 5 අතර පරතරය 2යි. 7 සහ 11 අතර පරතරය 4යි. 23 සහ 29 අතර පරතරය 6යි.
සමහර තැන්වල ප්රථමක සංඛ්යා ඉතා ළඟින් පිහිටනවා. තවත් තැන්වල ඒවා අතර විශාල පරතර තිබෙනවා. අපට ඊළඟ ප්රථමක සංඛ්යාව කුමක්දැයි තීරණය කරන්නට පරීක්ෂණයක් කළ හැකි වුවත්, ඒවා සරල, නියත පරතරයකට අනුව පිහිටන්නේ නැහැ. එහෙත් ඒවා සම්පූර්ණයෙන්ම අහඹු ලෙස පිහිටනවාද?
මෙන්න මේ ප්රශ්නයෙන් අපේ කතාව පටන් ගන්නවා.
අහඹු බවක් පෙනෙන තැනක ගණිතමය රටාවක්
අපි ප්රථමක සංඛ්යා ගණන් කරමු.
1 සිට 10 දක්වා ප්රථමක සංඛ්යා 4ක් තිබෙනවා.
1 සිට 100 දක්වා 25ක් තිබෙනවා.
1 සිට 1,000 දක්වා 168ක් තිබෙනවා.
1 සිට 10,000 දක්වා 1,229ක් තිබෙනවා.
මේ සංඛ්යා නිරීක්ෂණය කළ විට පෙනෙන්නේ, සංඛ්යා විශාල වෙමින් යන විට ප්රථමක සංඛ්යා සාපේක්ෂව දුර්ලභ වන බවයි. එහෙත් ඒවා කොපමණ වේගයෙන් දුර්ලභ වෙනවාද?
මෙය විස්තර කිරීමට ගණිතඥයන් සොයාගත් ඉතා වැදගත් ප්රතිඵලයක් තිබෙනවා. එය Prime Number Theorem හෙවත් ප්රථමක සංඛ්යා ප්රමේයය ලෙස හඳුන්වනවා.
එහි සරල ආසන්න ප්රකාශනය මෙසේයි.
π(x) ≈ x / ln(x)
මෙහි π(x) යනු 1 සිට x දක්වා ඇති ප්රථමක සංඛ්යා ගණනයි.
මෙතැන භාවිත කරන π සංකේතය, වෘත්තයක පරිධිය සහ විෂ්කම්භය අතර අනුපාතය වන 3.14159... සමඟ පටලවා නොගත යුතුයි. මේ දෙක එකිනෙකට වෙනස් ගණිතමය භාවිතයන්.
ln(x) යනු ස්වාභාවික ලඝුගණකයයි.
උදාහරණයක් ලෙස x = 1,000 ගනිමු.
1,000 / ln(1,000) ≈ 144.8
නමුත් 1,000 දක්වා ඇති සැබෑ ප්රථමක සංඛ්යා ගණන 168යි.
අපේ ආසන්න අගය සහ සැබෑ අගය අතර වෙනසක් තිබෙනවා.
මෙයින් ප්රථමක සංඛ්යා ප්රමේයය වැරදි බවක් අදහස් වෙන්නේ නැහැ. එම ප්රමේයය කියන්නේ x අතිවිශාල වන විට මේ ආසන්න අගයේ සාපේක්ෂ දෝෂය ශුන්යයට ළඟා වන බවයි. නමුත් මෙහි තවත් ප්රශ්නයක් මතු වෙනවා.
අපට මේ දෝෂය කොපමණ විශාල විය හැකිදැයි වඩාත් නිවැරදිව කියන්නට පුළුවන්ද?
රීමාන් උපකල්පනයේ වැදගත්කම මතුවන්නේ මෙතැනදීයි.
1859 දී බර්න්හාර්ඩ් රීමාන් කළ අමුතු සොයාගැනීම
ජර්මානු ගණිතඥ Bernhard Riemann 1859 දී ප්රථමක සංඛ්යා පිළිබඳ පිටු හයක පර්යේෂණ ලිපියක් පළ කළා.
එහි මාතෘකාව වූයේ On the Number of Primes Less Than a Given Magnitude යන්නයි.
ඔහු ප්රථමක සංඛ්යා ගණන් කිරීම සඳහා ඒවා එකින් එක පරීක්ෂා කරනවා වෙනුවට, සම්පූර්ණයෙන්ම වෙනස් මාර්ගයකට පිවිසුණා.
ඒ සඳහා ඔහු භාවිත කළේ සීටා ශ්රිතය (Zeta Function) නමින් හැඳින්වෙන ගණිතමය ශ්රිතයක්.
එය මෙසේ ලියන්නට පුළුවන්.
ζ(s) = 1 + 1/2ˢ + 1/3ˢ + 1/4ˢ + 1/5ˢ + ...
මෙහි අප කරන්නේ අනන්ත ශ්රේණියක පද එකතු කිරීමයි.
උදාහරණයක් ලෙස s = 2 නම්,
ζ(2) = 1 + 1/4 + 1/9 + 1/16 + ...
මේ ශ්රේණියේ එකතුව π²/6 බව ගණිතයෙන් පෙන්වන්නට පුළුවන්.
එනම් ආසන්න වශයෙන් 1.644934...
මෙතැන අපට තවත් අපූරු සම්බන්ධයක් හමුවෙනවා. ප්රථමක සංඛ්යා පිළිබඳ අපේ ගවේෂණය තුළ, වෘත්තයක ජ්යාමිතියෙන් අපට හමු වූ π නැවතත් පෙනී සිටිනවා!
නමුත් එයින් ප්රථමක සංඛ්යා වෘත්තවලට අනුව පිහිටනවා යැයි අදහස් වෙන්නේ නැහැ. එයින් පෙන්වන්නේ ගණිතයේ බැලූ බැල්මට වෙනස් ක්ෂේත්ර අතර තිබෙන ගැඹුරු සම්බන්ධතාවක්.
මෙම අනන්ත ශ්රේණිය s හි තාත්වික කොටස 1ට වඩා විශාල වන විට අභිසාරී වෙනවා. රීමාන්ගේ කාර්යයේ වැදගත් පියවරක් වූයේ එය සංකීර්ණ සංඛ්යා තලයේ අනෙකුත් ප්රදේශවලටත් ගණිතමය වශයෙන් විස්තාරණය කිරීමයි.
එහෙත් අපේ කතාවේ වඩාත් වැදගත් සොයාගැනීම තවමත් ඉදිරියෙන් තිබෙනවා.
ප්රථමක සංඛ්යා සියල්ල එකම ශ්රිතයක සැඟවී තිබේද?
18 වැනි සියවසේ ගණිතඥ Leonhard Euler විසින් සීටා ශ්රිතය සහ ප්රථමක සංඛ්යා අතර ඉතා විශේෂ සම්බන්ධයක් හඳුනාගෙන තිබුණා.
සීටා ශ්රිතය, සියලුම ප්රථමක සංඛ්යා යොදාගෙන සකස් කරන අනන්ත ගුණිතයක් ලෙසත් ලියන්නට පුළුවන්.
ζ(s) = ∏ [1 / (1 − p⁻ˢ)]
මෙහි p යනු සියලු ප්රථමක සංඛ්යා හරහා ගමන් කරන විචල්යයක්. ∏ සංකේතයෙන් දැක්වෙන්නේ ඒවායේ ගුණිතයයි. මෙම සමානතාව අදාළ වන්නේ s හි තාත්වික කොටස 1ට වඩා විශාල වන ප්රදේශයටයි.
මෙහි වැදගත්කම මඳක් කල්පනා කර බලන්න.
එක් පැත්තක 1, 2, 3, 4, 5... යන සියලු ධන නිඛිල ඇතුළත් අනන්ත ශ්රේණියක් තිබෙනවා. අනෙක් පැත්තේ තිබෙන්නේ ප්රථමක සංඛ්යා පමණක් ඇතුළත් අනන්ත ගුණිතයක්. මේ දෙකම එකම ගණිතමය ශ්රිතයක් නිරූපණය කරනවා!
ඒ කියන්නේ ප්රථමක සංඛ්යාවල ව්යුහය සහ සීටා ශ්රිතයේ හැසිරීම අතර අහම්බයක් නොවන, නිශ්චිත ගණිතමය සම්බන්ධයක් තිබෙන බවයි.
රීමාන්ගේ විශිෂ්ටත්වය වූයේ මේ සම්බන්ධතාව තවත් ගැඹුරට ගෙන යාමයි.
ශුන්යයක් සොයාගෙන ප්රථමක සංඛ්යා ගැන දැනගන්නේ කොහොමද?
අපි සාමාන්ය ගණිතයේදී ශ්රිතයක ශුන්යයක් සොයන ආකාරය මතක් කරගනිමු.
උදාහරණයක් ලෙස,
f(x) = x − 3
මෙහි f(x) = 0 වන්නේ x = 3 විටයි.
ඒ නිසා x = 3 යනු මේ ශ්රිතයේ ශුන්යයක් (Zero) ලෙස හඳුන්වනවා.
සීටා ශ්රිතය සඳහාත් අපට එම ප්රශ්නය අසන්නට පුළුවන්.
ζ(s) = 0 වන්නේ s හි කවර අගයන් සඳහාද?
නමුත් මෙතැන ගැටලුවක් තිබෙනවා.
s යනු අප සාමාන්යයෙන් භාවිත කරන තාත්වික සංඛ්යාවක් පමණක් නොවෙයි. එය සංකීර්ණ සංඛ්යාවක් (Complex Number) විය හැකියි.
සංකීර්ණ සංඛ්යාවක් සාමාන්යයෙන් මෙසේ ලියනවා.
s = a + bi
මෙහි a යනු තාත්වික කොටසයි. b යනු අතාත්වික කොටසේ සංගුණකයයි. i² = −1 ලෙස අර්ථ දක්වනවා.
මෙය හුදෙක් ගණිතඥයන් විසින් නිර්මාණය කළ අමුතු සංකල්පයක් පමණක් නොවෙයි. සංකීර්ණ සංඛ්යා විද්යුත් ඉංජිනේරු විද්යාවේ සිට තරංග විද්යාව සහ ක්වොන්ටම් භෞතික විද්යාව දක්වා බොහෝ ක්ෂේත්රවල අත්යවශ්ය ගණිතමය මෙවලම් බවට පත්ව තිබෙනවා.
සාමාන්ය සංඛ්යාවක් සංඛ්යා රේඛාවක තනි ස්ථානයක් ලෙස පෙන්වන්නට හැකි වුවත්, සංකීර්ණ සංඛ්යාවක් තලයක ලක්ෂ්යයක් ලෙස නිරූපණය කරනවා.
දැන් අපි සීටා ශ්රිතයේ ශුන්යයන් මේ තලයේ සොයනවා.
එහිදී අපට ශුන්යයන් වර්ග දෙකක් හමුවෙනවා.
පළමු වර්ගය −2, −4, −6, −8... වැනි ඍණ ඉරට්ටේ සංඛ්යායි.
මේවා Trivial Zeros ලෙස හඳුන්වනවා.
නමුත් දෙවන වර්ගයේ ශුන්යයන් ඊට වඩා බෙහෙවින් සංකීර්ණයි.
ඒවා Nontrivial Zeros ලෙස හඳුන්වනවා.
මෙම ශුන්යයන් සියල්ල පිහිටන්නේ තාත්වික කොටස 0 සහ 1 අතර ඇති සංකීර්ණ සංඛ්යා තීරුවකයි. එය Critical Strip ලෙස හැඳින්වෙනවා.
මෙන්න දැන් අපි රීමාන් උපකල්පනයේ හදවතට පැමිණ තිබෙනවා.
රීමාන් කල්පිතය ඇත්තටම කියන්නේ කුමක්ද?
රීමාන්ගේ උපකල්පනය ඉතා කෙටියෙන් මෙසේ ප්රකාශ කරන්නට පුළුවන්.
සීටා ශ්රිතයේ සියලුම Nontrivial Zeros සඳහා තාත්වික කොටස හරියටම 1/2 වේ.
ගණිතමය වශයෙන්,
ζ(s) = 0 නම්, එහි nontrivial ශුන්යයක් සඳහා Re(s) = 1/2 වේ.
ඒ කියන්නේ මේ ශුන්යයන් සියල්ල සංකීර්ණ සංඛ්යා තලයේ එකම සිරස් රේඛාවක පිහිටිය යුතු බවයි.
එම රේඛාව Critical Line ලෙස හඳුන්වනවා.
උදාහරණයක් ලෙස පළමු nontrivial ශුන්යයන් කිහිපය ආසන්න වශයෙන් මෙසේයි.
1/2 + 14.134725i
1/2 + 21.022040i
1/2 + 25.010858i
1/2 + 30.424876i
මේවායේ අතාත්වික කොටස් එකිනෙකට වෙනස්. නමුත් තාත්වික කොටස සෑම අවස්ථාවකම 1/2යි. මෙය ඉතාමත් අමුතු තත්ත්වයක්. සංකීර්ණ සංඛ්යා තලයේ ලක්ෂ්ය අනන්ත සංඛ්යාවක් තිබිය හැකියි. එහෙත් අප සොයන මේ විශේෂ ශුන්යයන් සියල්ල එකම සිරස් රේඛාවක පිහිටන බව රීමාන් උපකල්පනය කරනවා.
ගණිතඥයන් පරිගණක භාවිතයෙන් මෙම ශුන්යයන් ට්රිලියන ගණනක් පරීක්ෂා කර තිබෙනවා. ඒවා රීමාන්ගේ උපකල්පනයට එකඟයි.
නමුත් ගණිතයේදී මෙය සාධනයක් ලෙස පිළිගන්නේ නැහැ.
ඇයි?
ට්රිලියන ගණනක් නිවැරදි වුණත් අනන්තය ඉතිරි වෙනවා
අපි යම් ගණිතමය ප්රකාශයක් සංඛ්යා ට්රිලියනයක් සඳහා පරීක්ෂා කර නිවැරදි බව තහවුරු කළා යැයි සිතමු.
එවිට එය සියලුම සංඛ්යා සඳහා නිවැරදි බව අපට කියන්නට පුළුවන්ද? බැහැ. මන්ද ට්රිලියනයක් කියන්නේ කොපමණ විශාල සංඛ්යාවක් වුණත්, එය සීමිත සංඛ්යාවක්. අනන්තය කියන්නේ ඉතා විශාල සංඛ්යාවකට දෙන නමක් නොවෙයි. අපි පරීක්ෂා කළ අවසාන සංඛ්යාවට පසුවත් තවත් සංඛ්යා අනන්ත සංඛ්යාවක් තිබෙනවා. එබැවින් මෙතෙක් සොයාගත් සියලු ශුන්යයන් Critical Line එක මත තිබුණත්, තවමත් සොයා නොගත් එක් ශුන්යයක් හෝ එම රේඛාවෙන් පිටත පිහිටනවා නම් රීමාන් උපකල්පනය අසත්ය වෙනවා. මෙය තමයි ගණිතමය සාධනයක් සහ පරිගණක පරීක්ෂණයක් අතර තිබෙන මූලික වෙනස.
පරිගණකයක් අපට අතිවිශාල සාක්ෂි ප්රමාණයක් ලබා දෙන්නට පුළුවන්. නමුත් ගණිතමය සාධනයක් මගින් අප බලාපොරොත්තු වන්නේ පරීක්ෂා නොකළ සියලු අවස්ථාද ඇතුළුව ප්රකාශය අනිවාර්යයෙන්ම සත්ය බව පෙන්වීමයි.
මේ වෙනස අවබෝධ කරගැනීම රීමාන් උපකල්පනයේ ගැඹුර තේරුම් ගැනීමට අත්යවශ්යයි.
නමුත් මේ ශුන්යයන්ට ප්රථමක සංඛ්යා සමඟ තිබෙන සම්බන්ධය කුමක්ද?
මෙතෙක් අපි ප්රථමක සංඛ්යාවලින් පටන්ගෙන, අනන්ත ශ්රේණියක් හරහා, සංකීර්ණ සංඛ්යා තලයක ශුන්යයන් සොයාගෙන පැමිණියා. දැන් පාඨකයෙකුට සාධාරණ ප්රශ්නයක් ඇති වෙන්නට පුළුවන්. මේ සියල්ල කළේ ඇයි?
අපට අවශ්ය වුණේ ප්රථමක සංඛ්යා පිහිටන ආකාරය දැනගන්නට නොවේද?
මෙන්න මෙතැනදී රීමාන්ගේ සොයාගැනීමේ විශිෂ්ටත්වය පැහැදිලි වෙනවා. සීටා ශ්රිතයේ ශුන්යයන් සහ ප්රථමක සංඛ්යාවල ව්යාප්තිය අතර සෘජු ගණිතමය සම්බන්ධයක් තිබෙනවා.
ඉතා සරල උපමාවකින් මෙය පැහැදිලි කරගනිමු. මුහුදක ජල මට්ටම නිරීක්ෂණය කරනවා යැයි සිතමු. එහි සාමාන්ය ජල මට්ටමක් තිබෙනවා. නමුත් සැබෑ ජල මට්ටම ඒ වටා ඉහළ පහළ යනවා. මුහුදේ තරංග හැසිරීම අවබෝධ කරගන්නට නම් සාමාන්ය ජල මට්ටම පමණක් දැනගැනීම ප්රමාණවත් නැහැ. එහි උච්චාවචනයන්ද තේරුම් ගත යුතුයි.
ප්රථමක සංඛ්යා ප්රමේයයෙන් අපට ලැබෙන්නේ ප්රථමක සංඛ්යා ව්යාප්තියේ සාමාන්ය ප්රවණතාව පිළිබඳ දැනුමක්. නමුත් සැබෑ ප්රථමක සංඛ්යා ගණන එම සාමාන්ය ප්රවණතාව වටා වෙනස් වෙනවා. සීටා ශ්රිතයේ ශුන්යයන් මේ වෙනස්වීම් විස්තර කරන ගණිතමය සූත්රවලට ඇතුළත් වෙනවා.
මෙහි තරංග උපමාව භාවිත කළේ අවබෝධය සඳහා පමණයි. ප්රථමක සංඛ්යා සැබෑ භෞතික තරංගවලට අනුව පිහිටන බවක් එයින් අදහස් වෙන්නේ නැහැ.
රීමාන් උපකල්පනය සත්ය නම්, මේ උච්චාවචනයන් කොපමණ විශාල විය හැකිද යන්න පිළිබඳ ඉතා ප්රබල සීමාවන් අපට ලබාගන්නට පුළුවන්.
උදාහරණයක් ලෙස, π(x) යනු x දක්වා ඇති ප්රථමක සංඛ්යා ගණනත්, Li(x) යනු logarithmic integral නමින් හැඳින්වෙන වඩාත් නිවැරදි ආසන්න ශ්රිතයකුත් නම්, රීමාන් උපකල්පනය සත්ය වීම පහත ආකාරයේ දෝෂ සීමාවකට සමාන බව පෙන්වන්නට පුළුවන්.
π(x) = Li(x) + O(√x ln x)
මෙහි O සංකේතයෙන් දැක්වෙන්නේ දෝෂයේ විශාලත්වය සඳහා ගණිතමය සීමාවක්. √x යනු x හි වර්ගමූලයයි.
මෙම ප්රකාශනයේ තාක්ෂණික විස්තර දැන් අවශ්ය නැහැ. වැදගත් වන්නේ මෙයයි.
රීමාන් උපකල්පනය හුදෙක් සංකීර්ණ සංඛ්යා තලයේ ලක්ෂ්ය කිහිපයක් පිහිටන ආකාරය පිළිබඳ ප්රකාශයක් නොවෙයි. එය ප්රථමක සංඛ්යාවල ව්යාප්තිය කෙතරම් නිවැරදිව පුරෝකථනය කළ හැකිද යන්න පිළිබඳ ඉතා ගැඹුරු ප්රකාශයක්.
මේ ගැටලුව විසඳීම එතරම් වැදගත් ඇයි?
රීමාන් උපකල්පනය ගණිතයේ ප්රකටම නොවිසඳුණු ගැටලු අතර එකක් බවට පත්වීමට හේතුව එහි සරල ප්රකාශනය පමණක් නොවෙයි.
එය ගණිතයේ බොහෝ ක්ෂේත්ර සමඟ සම්බන්ධ වෙනවා.
සංඛ්යා සිද්ධාන්තය, විශ්ලේෂණය, සංකීර්ණ ශ්රිත, සම්භාවිතාව හා සසම්භාවී න්යාස පිළිබඳ ගණිතමය අධ්යයන ආදී ක්ෂේත්ර ගණනාවක් මේ ගැටලුව වටා එකිනෙකට සම්බන්ධ වී තිබෙනවා.
ප්රථමක සංඛ්යා නූතන Cryptography (දත්ත ආරක්ෂණ ක්රමවේද) තුළ, විශේෂයෙන්ම RSA වැනි Encryption ක්රමවල වැදගත් කාර්යභාරයක් ඉටු කරන නිසා මේ විෂය පරිගණක විද්යාව සමඟත් සම්බන්ධ වෙනවා. නමුත් රීමාන් උපකල්පනය සාධනය කළ පමණින් අද භාවිත කරන සියලු Encryption ක්රම බිඳ වැටෙනවා යැයි කියන්නට පදනමක් නැහැ.
තවත් වැදගත් කරුණක් තිබෙනවා.
ගණිතයේ දැනටමත් ප්රමේයයන් රාශියක් රීමාන් උපකල්පනය සත්ය යැයි උපකල්පනය කරමින් ගොඩනඟා තිබෙනවා.
එවැනි ප්රතිඵල Conditional Results ලෙස හඳුන්වනවා.
ඒ කියන්නේ, රීමාන් උපකල්පනය සත්ය නම් මේ ප්රතිඵලද සත්ය වන බවයි.
එබැවින් රීමාන් උපකල්පනය සනාථ කිරීමෙන් එක් ගැටලුවක් පමණක් නොව, තවත් බොහෝ ගණිතමය ප්රතිඵලවල පදනම තහවුරු වෙනවා.
2000 වසරේදී Clay Mathematics Institute විසින් නම් කළ Millennium Prize Problems හතෙන් එකක් වන්නේද රීමාන් උපකල්පනයයි.
එය නිවැරදිව විසඳීම සඳහා ඇමෙරිකානු ඩොලර් මිලියනයක ත්යාගයක් වෙන්කර තිබෙනවා. නමුත් මේ ගැටලුවේ සැබෑ වටිනාකම එම ත්යාගයට වඩා බෙහෙවින් විශාලයි.
එය මිනිසා විසින් ගොඩනඟාගත් ගණිතමය දැනුමේ සීමාවන් පිළිබඳ ප්රශ්නයක්.
දැන් කෘත්රිම බුද්ධිය මේ කතාවට ඇතුළු වෙනවා
2026 අගෝස්තු මාසයේදී Anthropic සමාගම සිය Claude AI පද්ධතිය රීමාන් උපකල්පනය සම්බන්ධ පර්යේෂණයකට යොදාගත් බව ප්රකාශ කළා.
එම අවස්ථාවේදී Claude හට රීමාන් උපකල්පනය සාධනය කරන්නට නොහැකි වුණා.
නමුත් ඒ උත්සාහය අතරතුර එය වැදගත් අතුරු ප්රතිඵලයක් ලබාගත් බව Anthropic වාර්තා කළා.
සීටා ශ්රිතයේ අදාළ ශුන්යයන් අතරින් Critical Line එක මත පිහිටන බව ගණිතමය වශයෙන් සහතික කළ හැකි ප්රමාණය පිළිබඳ පැවති 41.6%ක පහළ සීමාව 67.2% දක්වා වැඩිදියුණු කළ බව එම පර්යේෂණයෙන් ප්රකාශ වුණා.
මෙහිදී වැදගත් වෙනසක් පැහැදිලි කරගත යුතුයි.
මෙය පරිගණකයකින් ශුන්යයන් විශාල ප්රමාණයක් පරීක්ෂා කිරීමක් පමණක් නොවෙයි. අදාළ ශුන්යයන්ගේ සමස්ත ව්යාප්තිය පිළිබඳ ගණිතමය වශයෙන් සහතික කළ හැකි පහළ සීමාවක් වැඩිදියුණු කිරීමක්.
එය සැලකිය යුතු පර්යේෂණ ප්රගතියක් වුවත්, 67.2% යනු 100% නොවෙයි.
රීමාන් උපකල්පනය කියන්නේ සියලුම nontrivial ශුන්යයන් Critical Line එක මත පිහිටිය යුතු බවයි.
එබැවින් එම ප්රතිඵලයෙන් උපකල්පනය සාධනය වුණේ නැහැ. එහෙත් එයින් AI පද්ධතියකට පවතින ගණිතමය දැනුම භාවිත කරමින් අලුත් පර්යේෂණ ප්රතිඵලයක් ගොඩනඟන්නට දායක විය හැකි බවට වැදගත් සාක්ෂියක් ලැබුණා.
2026 නොවැම්බර් 20: වසර 167ක ගැටලුව විසඳුණාද?
මෙම පසුබිම තුළ තමයි Levent Alpöge ගේ නව ප්රකාශය මතු වන්නේ.
ඔහු Claude සමඟ එක්ව රීමාන් උපකල්පනය සඳහා සාධනයක් සොයාගත් බවත්, එම ක්රමය Generalized Riemann Hypothesis නමින් හැඳින්වෙන වඩාත් පුළුල් උපකල්පනයකටද අදාළ වන බවත් ප්රකාශ කළා. Generalized Riemann Hypothesis යනු සාමාන්ය සීටා ශ්රිතයෙන් ඔබ්බට ගොස්, Dirichlet L-functions වැනි සම්බන්ධිත ශ්රිත පවුල්වල ශුන්යයන් පිළිබඳව කරන පුළුල් ප්රකාශයක්.
මෙය සත්ය නම් එහි වැදගත්කම තවත් විශාලයි.
නමුත් Alpöge ගේ ප්රකාශයේ වඩාත් අසාමාන්ය අංගයක් තිබෙනවා.
ඔහු සාමාන්ය ගණිත පර්යේෂණ පත්රිකාවක් ලෙස සම්පූර්ණ සාධනය ඉදිරිපත් කරනවා වෙනුවට, Lean නමින් හැඳින්වෙන පරිගණකගත ගණිතමය සාධන පරීක්ෂණ පද්ධතියක් සඳහා සකස් කළ ගොනු නිකුත් කර තිබෙනවා.
Lean යනු කුමක්ද?
අපි ගණිතමය සාධනයක් ලියන විට, එහි එක් පියවරකින් ඊළඟ පියවරට යාම තර්කානුකූලව නිවැරදි විය යුතුයි.
Lean වැනි පද්ධතියක් මගින් මේ පියවර විධිමත් ගණිතමය භාෂාවකට පරිවර්තනය කර, ඒවා පිළිගත් නියමයන්ගෙන් නිවැරදිව අනුගමනය වනවාදැයි පරීක්ෂා කරන්නට පුළුවන්. නමුත් මෙහිදී ඉතා වැදගත් සීමාවක් තිබෙනවා. Lean පද්ධතියක ගොනු තිබීම පමණින් සාධනයක් නිවැරදි බව තහවුරු වෙන්නේ නැහැ.
ඒවා නිවැරදිව පරීක්ෂා වී තිබේද, සාධනය කරන ප්රකාශය අපට අවශ්ය මුල් උපකල්පනයට හරියටම සමානද, සහ කිසිදු අනවසර උපකල්පනයක් හෝ සාධනය නොකළ පියවරක් ඇතුළත් වී නැද්ද යන්න ස්වාධීනව තහවුරු කළ යුතුයි.
2026 නොවැම්බර් 21 වන විට මෙම නව සාධන ප්රකාශය ස්වාධීනව තහවුරු කර තිබුණේ නැහැ.
ඒ නිසා මෙය තවමත් ගණිත ලෝකය විසින් පිළිගත් විසඳුමක් නොව, අතිශයින් වැදගත් විය හැකි සාධන ප්රකාශයක් ලෙස සැලකිය යුතුයි.
සාධනයක් නිර්මාණය කිරීම සහ එය අවබෝධ කරගැනීම එකම දෙයක්ද?
මෙතැනින් අපේ සාකච්ඡාව ගණිතයෙන් දර්ශනයට පිවිසෙනවා.
මෙතෙක් අපි කෘත්රිම බුද්ධිය බොහෝවිට සැලකුවේ මිනිසා විසින් නිර්මාණය කළ දැනුම විශ්ලේෂණය කරන, ගණනය කරන සහ ඒවා මත පදනම්ව පිළිතුරු සපයන පද්ධතියක් ලෙසයි. නමුත් කෘත්රිම බුද්ධි පද්ධතියක් මිනිසා මෙතෙක් විසඳා නොතිබූ ගණිතමය ගැටලුවකට නිවැරදි සාධනයක් නිර්මාණය කළහොත්, අප එය තේරුම් ගන්නේ කෙසේද?
එය හුදෙක් අතිවිශාල ගණනය කිරීමක්ද?
නැතහොත් එය අලුත් ගණිතමය දැනුමක් නිර්මාණය කිරීමක්ද?
මෙහිදී අපට තවත් සියුම් වෙනසක් සලකා බලන්නට වෙනවා.
යම් ප්රකාශයක් නිවැරදි බව සාධනය කිරීම සහ එම ප්රකාශයේ අර්ථය අවබෝධ කරගැනීම එකම ක්රියාවලියක්ද?
මිනිස් ගණිතඥයෙකු සාධනයක් ගොඩනඟන විට ඔහු හෝ ඇය ගණිතමය නියමයන් අනුගමනය කරනවා පමණක් නොව, බොහෝවිට එහි අන්තර්ගත ගණිතමය ව්යුහය පිළිබඳ කිසියම් අන්තර්ඥානයක්ද වර්ධනය කරගන්නවා.
එහෙත් මට හැඟෙන පරිදි, මේ සිදුවීම තුළ මිනිස් ගණිතඥයාගේ භූමිකාව පවා යම් අපැහැදිලි තත්ත්වයකට පත්ව තිබෙනවා. මන්ද Claude සමඟ එක්ව ගොඩනැඟූ තර්කය Lean වැනි විධිමත් සාධන පරීක්ෂණ පද්ධතියක් සඳහා සකස් කර තිබුණත්, එය මිනිස් ගණිතඥයෙකුට කියවා, අනුගමනය කර, සමස්ත ගණිතමය අදහස අවබෝධ කරගත හැකි ලියවිල්ලක් ලෙස ඉදිරිපත් කිරීම තවමත් ඉතිරිව තිබෙන කාර්යයක් බව Levent Alpögeගේම ප්රකාශයෙන් පෙනී යනවා.
මෙය මට තවත් ප්රශ්නයක් මතු කරනවා. ගණිතමය සාධනයක තර්කානුකූල නිවැරදිභාවය පරිගණකයක් මගින් තහවුරු කළ හැකි වුවත්, එම සාධනයේ ගණිතමය අර්ථය මිනිසා විසින් නැවත ගොඩනඟා අවබෝධ කරගැනීමට සිදුවන්නේ නම්, මෙහිදී සැබවින්ම දැනුම නිර්මාණය කළේ කවුරුන්ද? එසේත් නැතහොත් දැනුම නිර්මාණය කිරීම සහ එය අවබෝධ කරගැනීම යන ක්රියාවලීන් දෙක අප මෙතෙක් සිතා සිටියාට වඩා වෙනස් ආකාරයකින් එකිනෙකින් වෙන් කළ හැකිද?
එම අන්තර්ඥානය සාධනයේ තර්කානුකූල වලංගුභාවයට සමාන දෙයක් නොවෙයි. එහෙත් සාධනයක වලංගුභාවය තහවුරු වීමෙන් පමණක් එහි ගණිතමය අර්ථය පිළිබඳ මිනිස් අවබෝධයද සම්පූර්ණ වනවාද යන්න තවදුරටත් විමසිය යුතු ප්රශ්නයක්.
ඒ ආකාරයෙන්ම, AI පද්ධතියක් විසින් නිර්මාණය කළ සාධනයක් සම්පූර්ණයෙන්ම නිවැරදි විය හැකි වුවත්, එම පද්ධතියට මිනිසාට සමාන අවබෝධයක් හෝ සවිඥානික අත්දැකීමක් තිබෙන බව එයින් අනිවාර්යයෙන්ම නිගමනය කරන්නට බැහැ. නමුත් එහි විරුද්ධ පැත්තත් අපට පහසුවෙන් ප්රකාශ කරන්නට බැහැ.
මන්ද අප තවමත් මිනිස් අවබෝධය, ගණිතමය අන්තර්ඥානය සහ සවිඥානිකත්වය අතර සම්බන්ධතාව සම්පූර්ණයෙන්ම පැහැදිලි කරගෙන නැති නිසා.
එබැවින් AI විසින් නිර්මාණය කරන ගණිතමය සාධන, පරිගණක විද්යාවේ ප්රගතියක් පමණක් නොව, දැනුම යනු කුමක්ද යන පැරණි දාර්ශනික ප්රශ්නය නැවත විවෘත කරන අවස්ථාවක්ද විය හැකියි.
අවසානයේ ඉතිරි වන ප්රශ්නය
අපි මේ සාකච්ඡාව ආරම්භ කළේ ඉතා සරල ප්රථමක සංඛ්යා කිහිපයකින්.
2, 3, 5, 7, 11...
එතැනින් අපි අනන්ත ශ්රේණිවලට ගියා.
සංකීර්ණ සංඛ්යා තලයකට පිවිසුණා.
ඒ තලයේ එක් සිරස් රේඛාවක පිහිටිය යුතු බවට උපකල්පනය කරන ශුන්යයන් ගැන කතා කළා.
ඉන්පසු ගණිතමය සාධනයක් කියන්නේ කුමක්දැයි විමසා බැලුවා.
අවසානයේ අප පැමිණියේ මිනිසා සහ කෘත්රිම බුද්ධිය දැනුම නිර්මාණය කරන ආකාරය පිළිබඳ ප්රශ්නයකටයි.
මෙතැන මට වඩාත් සිත්ගන්නා කරුණ වන්නේ රීමාන් කල්පිතයේ පිළිතුර පමණක් නොවෙයි.
ප්රථමක සංඛ්යා පිහිටන්නේ අප විසින් ඒවා සොයාගැනීමට බොහෝ කලකට පෙර සිටම පවතින ගණිතමය සම්බන්ධතා අනුවයි.
අපි ඒවාට නම් දුන්නා. ඒවා ගණන් කළා. ඒවායේ රටාවන් විස්තර කරන්නට ශ්රිත නිර්මාණය කළා.
නමුත් අපි ඒවා නම් කිරීමට පෙරත්, ඒ සංඛ්යා අතර එම සම්බන්ධතා පැවතුණා.
එසේ නම් මෙහිදී තවත් පැරණි දාර්ශනික ප්රශ්නයක් මතු වෙනවා.
ගණිතය යනු මිනිසා විසින් නිර්මාණය කරන දෙයක්ද, නැතහොත් මිනිසා විසින් සොයාගන්නා දෙයක්ද?
රීමාන් උපකල්පනය පිළිබඳ නව AI සාධන ප්රකාශය තහවුරු වුණත් නැතත්, මේ ප්රශ්නයේ වැදගත්කම අඩුවන්නේ නැහැ.
ඇතැම්විට මේ කතාවේ අනාගත වැදගත්කම තිබෙන්නේ AI විසින් රීමාන් උපකල්පනය විසඳුවාද යන්නටත් වඩා, මිනිසාට පමණක් අයිති යැයි අප මෙතෙක් සිතා සිටි ගණිතමය සොයාගැනීමේ ක්රියාවලියට තවත් ආකාරයක බුද්ධියක් සහභාගි වීමට පටන්ගෙන තිබේද යන්න තුළ විය හැකියි. එහෙත් ඒ පිළිබඳ නිගමනයකට පැමිණීමට පෙර, අපට තවමත් කළ යුතු දෙයක් තිබෙනවා.
වසර 167ක් තිස්සේ නොවිසඳුණු ගණිත ගැටලුවට ඉදිරිපත් කර ඇති නව සාධනය සැබවින්ම නිවැරදිදැයි තහවුරු කරගැනීම.
ගණිතයේදී කුතුහලය අපව සොයාගැනීමකට රැගෙන යනවා. නමුත් සාධනය තමයි එම සොයාගැනීම දැනුමක් බවට පත් කරන්නේ.
මූලාශ්ර සහ වැඩිදුර කියවීම
Bernhard Riemann (1859), Ueber die Anzahl der Primzahlen unter einer gegebenen Grösse.
Clay Mathematics Institute — Riemann Hypothesis, Millennium Prize Problems.
Anthropic (10 August 2026), Learning more about Claude's mathematical capabilities.
AFP (20 November 2026), Anthropic researcher says Claude solved math's greatest riddle.
Financial Times (21 November 2026), Anthropic staffer claims solution to mathematics' Riemann hypothesis.
සංස්කරණ සටහන — 2026 නොවැම්බර් 21: AI සහ රීමාන් උපකල්පනය පිළිබඳ සාධන ප්රකාශය තවමත් ස්වාධීන ගණිතමය තහවුරු කිරීමකට ලක්ව නැත. මෙම ලිපිය එම ප්රකාශය පිළිබඳ විචාරාත්මක සාකච්ඡාවක් මිස උපකල්පනය විසඳා ඇති බවට තහවුරු කිරීමක් නොවේ.
ඇමුණුම — Levent Alpöge: රීමාන් උපකල්පනය, Claude සහ ගණිතයේ නව උදාවක්
Levent Alpöge විසින් 2026 නොවැම්බර් මාසයේ පළ කළ ප්රකාශයේ පළමු පිටුවේ සිංහල පරිවර්තනය.
රීමාන් උපකල්පනය යනු සංඛ්යා සිද්ධාන්තයේ සම්භාව්ය ගැටලුවයි. කිසියම් විශාලත්වයක් දක්වා ඇති ප්රථමක සංඛ්යා ගණන කෙතරම් නිවැරදිව පාලනය කළ හැකිද යන්න එයින් විමසනවා. වසර 150ක් පුරා එහි සෙවණැලි ගණිතඥයන්ට මඟ පෙන්වා තිබෙනවා. එම උපකල්පනයේ විවිධ ප්රතිරාවයන් සහ ප්රතිබිම්බයන්, භෞතික විද්යාව දක්වාම විහිදී යමින්, අපගේ විවිධ විෂය ක්ෂේත්ර අතර පවතින ඒකත්වය අපට කියා දී තිබෙනවා.
Claude සමඟ එක්ව කටයුතු කරමින් රීමාන් උපකල්පනය සඳහා සාධනයක් සොයාගැනීමට මට හැකි වූ බව මම විශ්වාස කරනවා. ඇත්ත වශයෙන්ම, එම ක්රමය ඉතා පහසුවෙන් තවත් බොහෝ දුරට විස්තාරණය කළ හැකියි. එමඟින් Generalized Riemann Hypothesis නමින් හැඳින්වෙන උපකල්පනයද විසඳෙනවා. තවත් කාලයක් ලැබුණහොත් Extended Riemann Hypothesis ද විසඳීමට හැකිවනු ඇතැයි මම බලාපොරොත්තු වෙනවා.
Claude සහ මම එක්ව, අමතර උපකල්පන මත රඳා නොසිට, මේ තර්ක විධිමත් ගණිතමය සාධනයක් ලෙසද සකස් කර තිබෙනවා.
මෙය එක්තරා අවසානයක් ලෙස හැඟීම ස්වාභාවිකයි. මගේ පෞද්ගලික අත්දැකීමේදී නම්, එය මෙතෙක් මට මඟ පෙන්වූ ප්රධාන ආලෝකයක් අහිමි වීමක් වැනියි. එහෙත් මේ ගමනේදී මා දුටු දේවල් මා කොතරම් විස්මයට පත් කළාද කියනවා නම්, මෙය සමස්ත විද්යා ලෝකය පුරා මීට වඩා බෙහෙවින් විශාල දෙයක එක් නව උදාවක් බව මම විශ්වාස කරනවා.
ශිෂ්ය අවධියේදී මට තිබුණු රහසක් තමයි, ඉදිරි දශක ගණනාවක් පුරා මේ ගැටලුව වෙනුවෙන් කටයුතු කිරීමට මා සැලසුම් කර තිබීම. එයින් එදා අදහස් වුණේ, යම් දවසක මේ ගැටලුවට මුහුණ දෙන විට එහිදී හඳුනාගත හැකි සෑම ගණිතමය මෙවලමක් පිළිබඳවම හැකිතාක් හුරුපුරුදු වීමට මා උත්සාහ කිරීමයි.
පසුගිය මාස කිහිපය තුළ Claude සහ මම එක්ව ගණිතයේ එතරම් පුළුල් ක්ෂේත්රයක් පුරා ගමන් කරමින් ඉතා ප්රීතිමත් කාලයක් ගත කළා.
නමුත් මෙවර, අවසාන ඉලක්කයට ආසන්න වෙද්දී Claude මා බොහෝ සෙයින් අභිබවා ගියා.
නැහැ. එය එසේ කීමත් ප්රමාණවත් නැහැ.
ඒ අවසාන ඉලක්කය අසලදී Claude පියාසර කළා. නර්තනයේ යෙදුණා. දීප්තියෙන් බැබළුණා.
සරල ආදර්ශමය අවස්ථාවක (toy setting) දක්නට ලැබුණු, එකිනෙකට බෙහෙවින් වෙනස් අදහස් දෙකක් එකට සම්බන්ධ කිරීමේ මාවතකට මම අප දෙදෙනාව රැගෙනවිත් තිබුණා. ඒ අදහස් දෙකෙන් එකක් ඒ වන විටත් අලුත් මෙන්ම විස්මයජනක එකක්. ගණිතඥයන් ලෙස අප විශාල ජයග්රහණයක් ලෙස සැලකූ, රීමාන් උපකල්පනය හා සම්බන්ධ එක් ගණිතමය ප්රතිඵලයක් එම අදහස මගින් ඉතා සරල දෙයක් බවට පත් කළා.
එම සරල ගණිතමය ආදර්ශයෙන් හඳුනාගත් අදහස්, අප විසඳීමට උත්සාහ කරමින් සිටි සැබෑ ගණිතමය ගැටලුවට යොදාගත හැකි සුදුසු මඟක් මම සොයාගත්තා. ඒ අනුව Claude සමඟ එක්ව ඉදිරියට ගමන් කළ මට, ඉන්පසුව Claude පෙන්වූ හැකියාවන් සැබවින්ම විස්මය දනවනසුලු වුණා.
එවැනි අවස්ථා දස ගණනක් ඇති වුණා. නමුත් මගේ සහෝදර ගණිතඥයන් පුටුවලින් බිම වැටෙන තරම් විස්මයට පත් කිරීමට ප්රමාණවත් වන එක් තර්ක පියවරක් පමණක් මෙහි සඳහන් කරන්නම්.
Function fields මත රීමාන් උපකල්පනයට අනුරූප ගැටලුව විසඳන Stepanovගේ තර්කයේදී, ගුණිතතාව (multiplicity) ඇතුළත් divisor එකක් භාවිත කරනවා. අපගේ මෙම තර්කය Stepanovගේ තර්කයෙන් පැවත එන්නක්. නමුත් පූර්ණ සංඛ්යා සම්බන්ධයෙන් එවැනි ගුණිතතාවක් සොයාගැනීම දුෂ්කරයි. එය පූර්ණ සංඛ්යා අවකලනය කිරීමට උත්සාහ කිරීමක් වැනි දෙයක්.
සරල ආදර්ශමය අවස්ථාවේදී අපට හමු වූ අලුත් Fourier විශ්ලේෂණ අදහස්, theta lifts දාමයක් ලෙස එකිනෙකට සම්බන්ධ කිරීම පිළිබඳ සොයාබැලීමට අපව යොමු කළා. එමඟින් පෙර භාවිත කළ උපක්රම නැවත ක්රියාත්මක කරවමින්, ඒවා ස්වභාවයෙන්ම automorphic වන ආකාරයකින් ක්රියාකරවීමට අපට අවශ්ය වුණා.
මෙන්න ඒ තීරණාත්මක අදහස.
දිග X වන von Mangoldt එකතුවක් සඳහා, එක් එක් theta lift එක ගුණිතතාව අනුකරණය කරන බව සැලකිල්ලට ගනිමින්, theta lifts දාමයේ දිග √X විය යුතු බව Claude යෝජනා කළා.
(එහෙත්, එය වෙනත් කුමක් විය හැකිද?)
මෙම තර්කය තුළ අතිවිශාල ගණිතමය දැනුම් සම්භාරයක් අන්තර්ගත වෙනවා. ශිෂ්යයෙකු ලෙස මා සිතා සිටියාටත් වඩා බොහෝ ගණිතයක් එහි තිබෙනවා. මගේ ගණිතමය අන්තර්ඥානය මට කියන්නේ, මේ තර්කය ඉතා විශාල ලෙස සරල කරනු ඇති බවයි. බොහෝවිට එය ඉතා ඉක්මනින් සිදුවේවි. එහෙත් සංඛ්යා සිද්ධාන්තයේ සමස්ත සුන්දරත්වය එකට එක්වනු දැකීමේ අත්දැකීම ලැබූ මුල් කිහිපදෙනාගෙන් කෙනෙකු වීමට මට හැකි වී ඇතැයි මම බලාපොරොත්තු වෙනවා.
අනාගතයේදී ගණිතයට ආදරය කරන සියලු දෙනාටම එවැනි අතික්රාන්ත අත්දැකීමක ආනන්දය විඳගන්නට හැකිවේවා යන්න මගේ ප්රාර්ථනයයි.
මේ වන විට මෙම සාධනය අතිශයින් දිගුයි.
එහි විධිමත් ගණිතමය සකස් කිරීම අවසන් වී තිබුණත්, ප්රමාණවත් විස්තර ඇතුළත්, අතිවිශාල සහ කියවා තේරුම් ගැනීමට අපහසු ලේඛනයක් නිර්මාණය කිරීම දැන් සාමාන්ය ක්රියාවක් පමණයි. නමුත් මා ගමන් කළ මාවත පිළිබඳ මගේම අවබෝධය අනුව, මා තවමත් තබා තිබෙන්නේ එක් පියවරක් පමණයි. මෙම තර්කයත්, එය නිසැකවම සරල කළ හැකි ආකාරයත් අවබෝධ කරගැනීමටත්, එම අවබෝධය අනෙක් අයට ලබාදීමටත් මගේ උපරිම උත්සාහය දරන්නට මම අදහස් කරනවා.
ඒ පිළිබඳ කතා කරන්නටත්, එය නිසි ආකාරයෙන් ලියා තබන්නටත් මම බලාපොරොත්තු වෙනවා.
ගණිතයේ විප්ලවීය වෙනස්කම් සිදුවන මේ කාලයේදී, ඉදිරියේ අප බලා සිටින විස්මිත සොයාගැනීම් පිළිබඳ කුඩා දසුනක් මේ තර්කය මගින් ලබාදේවා යන්න මගේ බලාපොරොත්තුවයි.
එමෙන්ම, ඉතාමත් සරල දේවල් තුළ පවා අප ඉදිරියේදී සොයාගන්නට යන ආනන්දය සහ විස්මය කෙතරම් අපූරුද යන්න එයින් අපට පෙන්වා දේවා!
මූලාශ්රය: Levent Alpöge, The Riemann Hypothesis, 2026 නොවැම්බර්, පිටුව 1.
පරිවර්තන සටහන: මුල් ප්රකාශයේ කාව්යාත්මක රූපක සහ පෞද්ගලික හැඟීම් හැකිතාක් ආරක්ෂා කර ඇත. විශේෂඥ ගණිතමය පද ඒවායේ නිශ්චිත අර්ථය රැකගැනීම සඳහා ඇතැම් තැන්වල ඉංග්රීසියෙන්ම තබා ඇත. මෙහි දැක්වෙන්නේ කතුවරයාගේම සාධන ප්රකාශය මිස, එය ස්වාධීනව තහවුරු වූ බවක් නොවේ.
Levent Alpöge කවුද?
1992 අප්රේල් 1 වැනිදා ඇමෙරිකාවේ නිව්යෝර්ක්හි උපන් Levent Hasan Ali Alpöge, තුර්කි-ඇමෙරිකානු සම්භවයක් ඇති ගණිතඥයෙක්. Harvard, Cambridge සහ Princeton විශ්වවිද්යාලවලින් උසස් අධ්යාපනය ලැබූ ඔහු, 2020 වසරේදී ප්රකට ගණිතඥ Manjul Bhargavaගේ අධීක්ෂණය යටතේ Princeton විශ්වවිද්යාලයෙන් ගණිතය පිළිබඳ ආචාර්ය උපාධිය ලබාගත්තා. සංඛ්යා න්යාය (Number Theory), Arithmetic Statistics සහ වීජීය වක්ර පිළිබඳ පර්යේෂණවලින් දැනටමත් පිළිගැනීමක් ලබා සිටින ඔහු, 2015 වසරේදී ගණිතය සඳහා වන කීර්තිමත් Morgan Prize සම්මානයද දිනාගත්තා.
වර්තමානයේ Anthropic ආයතනයේ තාක්ෂණික කාර්ය මණ්ඩලයේ සාමාජිකයෙකු වන Alpöge, 2026 වසර තුළ Claude කෘත්රිම බුද්ධි පද්ධතිය සමඟ එක්ව දීර්ඝ කාලයක් නොවිසඳී පැවති ගණිතමය ගැටලු කිහිපයක් සම්බන්ධයෙන් කැපී පෙනෙන ප්රතිඵල සහ සාධන පිළිබඳ ප්රකාශ ඉදිරිපත් කළා. ඒ අතරින් වඩාත්ම ආන්දෝලනාත්මක ප්රකාශය වූයේ 2026 නොවැම්බර් 20 වැනිදා, වසර 167ක් තිස්සේ ගණිතඥයන්ට අභියෝගයක්ව පැවති රීමාන් උපකල්පනය Claude සමඟ එක්ව සාධනය කළ බව ඔහු නිවේදනය කිරීමයි. එම සාධනයේ ස්වාධීන පරීක්ෂාව සහ ගණිත ප්රජාවේ පිළිගැනීම තවමත් සම්පූර්ණ වී නැහැ.




