AI কি গণিতবিদদের প্রতিস্থাপন করবে? সংখ্যাগুলো আশ্চর্যজনক — এবং উত্তরটিও

৫৪% গণিতবিদরা যা করেন তার এখন AI-এর সংস্পর্শে আসে। যদি সেই সংখ্যাটি আপনাকে অবাক করে, পরের সংখ্যাটি আপনাকে আরও বেশি অবাক করবে: তাদের প্রকৃত অটোমেশন ঝুঁকি মাত্র ৩৬%।

সেই ব্যবধান — AI যা স্পর্শ করে এবং AI যা হুমকি দেয় তার মধ্যে — কৃত্রিম বুদ্ধিমত্তার যুগে গণিতের সম্পূর্ণ গল্প। এবং এটি বেশিরভাগ মানুষের প্রত্যাশার গল্প নয়।

AI একটি শক্তিশালী ক্যালকুলেটর, গণিতবিদ নয়

AI গণিতে কী ভালো করে তা দিয়ে শুরু করা যাক। কম্পিউটেশনাল বিশ্লেষণ ও সিমুলেশন ৬৮% অটোমেশনে পৌঁছেছে। [তথ্য] এর মানে মন্টে কার্লো সিমুলেশন চালানো, সংখ্যাগতভাবে ডিফারেনশিয়াল সমীকরণের সিস্টেম সমাধান করা, লক্ষ লক্ষ ক্ষেত্রে অনুমান পরীক্ষা করা — এই কাজগুলো যা একসময় একজন গণিতবিদের সপ্তাহ গ্রাস করত এখন মূলত মেশিন দিয়ে সামলানো যায়।

গবেষণাপত্র লেখা ও ফলাফল উপস্থাপন ৫৫% অটোমেশনে। [তথ্য] AI সাহিত্য পর্যালোচনা খসড়া করতে, LaTeX নথি ফরম্যাট করতে, ভিজুয়ালাইজেশন তৈরি করতে এবং সংশ্লিষ্ট কাজ পরামর্শ দিতে পারে। Semantic Scholar, Elicit এবং সংযুক্ত AI সহায়কের মতো সরঞ্জাম একাডেমিক লেখার যান্ত্রিকতা উল্লেখযোগ্যভাবে দ্রুত করেছে।

কিন্তু এখানেই আকর্ষণীয় হয়। গাণিতিক মডেল ও তত্ত্ব উন্নয়ন — গণিতের প্রকৃত সৃজনশীল হৃদয় — মাত্র ৪২% অটোমেশনে। [তথ্য] AI ডেটায় প্যাটার্ন পরামর্শ দিতে পারে। এটি Lean-এর মতো সিস্টেম ব্যবহার করে প্রমাণ যাচাই করতে পারে। এটি প্রার্থী অনুমানও তৈরি করতে পারে। যা করতে পারে না তা হলো যা একজন গণিতবিদকে গণিতবিদ করে তোলে: এমন একটি কাঠামো দেখা যা কেউ আগে দেখেনি, এমন একটি প্রশ্ন জিজ্ঞাসা করা যা কেউ করেনি।

২০২৪ সালের ফিল্ডস মেডেল কমিটি শীঘ্রই GPT-কে পুরস্কার দেবে না। [মতামত] Hugo Duminil-Copin, June Huh, James Maynard এবং Maryna Viazovska-কে দেওয়া ফিল্ডস মেডেলগুলো সবই গভীর ধারণাগত উদ্ভাবনের কাজ স্বীকার করেছে — গণিতের পূর্বে বিচ্ছিন্ন ক্ষেত্রগুলোর মধ্যে সেতু তৈরি করা, একটি ক্ষেত্রের সমস্যা অন্য ক্ষেত্র থেকে কাঠামো আমদানি করে সমাধান করা যায় তা স্বীকার করা।

একটি ক্ষুদ্র পেশা অতিরিক্ত প্রভাব সহ

মার্কিন যুক্তরাষ্ট্রে মাত্র প্রায় ৩,৫০০ গণিতবিদ নিযুক্ত, $১১২,১১০ মধ্যবর্তী বেতনে উপার্জন করছেন। [তথ্য] এটি BLS ট্র্যাক করা ক্ষুদ্রতম পেশাগুলোর মধ্যে একটি, তবু এর বৌদ্ধিক আউটপুট ক্রিপ্টোগ্রাফি থেকে জলবায়ু মডেলিং থেকে আর্থিক ঝুঁকি ব্যবস্থাপনা পর্যন্ত সবকিছু চালিত করে।

BLS ২০৩৪ সাল পর্যন্ত -১% কর্মসংস্থান হ্রাসের পূর্বাভাস দেয়। [তথ্য] এটি মূলত সমতল — বাড়ছে না, ভেঙে পড়ছে না। বাস্তবতা হলো বিশুদ্ধ গণিতবিদের পদগুলো সবসময় বিরল ছিল। গণিতে PhD-এর বেশিরভাগ মানুষ ডেটা বিজ্ঞানী, পরিমাণগত বিশ্লেষক, একচুয়ারি বা অধ্যাপক হিসেবে কাজ করেন।

২০২৮ সালের মধ্যে সামগ্রিক AI এক্সপোজার ৬৮%-এ পৌঁছানোর এবং অটোমেশন ঝুঁকি ৫০%-এ উঠার পূর্বাভাস রয়েছে। [অনুমান] তাত্ত্বিক এক্সপোজার সীমা ৮৯% পর্যন্ত পৌঁছায়। [অনুমান] এই সংখ্যাগুলো একটি পেশাকে প্রতিফলিত করে যা AI-এর সাথে গভীরভাবে জড়িয়ে থাকবে — কিন্তু "জড়িত" মানে "প্রতিস্থাপিত" নয়।

আমি যে প্রতিটি গণিতবিদকে চিনি যারা তাদের কার্যপ্রবাহে AI সরঞ্জাম একীভূত করেছেন তারা অভিজ্ঞতাটি একইভাবে বর্ণনা করেন: তারা কঠিন প্রশ্ন জিজ্ঞাসা করেন, আরও উচ্চাকাঙ্ক্ষী সমস্যা নেন। পেশার মোট আউটপুট বৃদ্ধি পায়।

AI-সহায়তায় গণিত আসলে কেমন দেখায়

২০২৬ সালে একজন কার্যরত গণিতবিদের জন্য, AI সহায়তা নির্দিষ্ট, কংক্রিট উপায়ে দেখা যায়। প্রতীকী গণনা সিস্টেম ইন্টিগ্রেল, ডেরিভেটিভ, সিরিজ সম্প্রসারণ এবং বীজগাণিতিক কার্যকারণ সামলায়। Lean 4-এর মতো আনুষ্ঠানিক যাচাই সিস্টেম গণিতবিদকে প্রমাণের ধাপ ধাপে এনকোড করতে এবং যৌক্তিক ফাঁক পরীক্ষা করতে দেয়।

অনুমান অন্বেষণ হলো যেখানে AI সত্যিকারের সৃজনশীলতা-সংলগ্ন হয়ে ওঠে। বলুন নির্দিষ্ট উপবৃত্তীয় বক্ররেখার বৈশিষ্ট্য তদন্ত করা একজন গণিতবিদ মেশিন লার্নিং সিস্টেম ব্যবহার করে লক্ষ লক্ষ উদাহরণ স্ক্যান করতে এবং প্রমেয় পরামর্শদেওয়া প্যাটার্ন চিহ্নিত করতে পারেন। গণিতবিদ তারপর অনুমানটি যথাযথভাবে প্রণয়ন করেন এবং প্রমাণে কাজ করেন।

নির্দিষ্ট উপক্ষেত্রে, AI গবেষণার পদ্ধতি আরও আক্রমণাত্মকভাবে পরিবর্তন করেছে। কম্পিউটেশনাল সংখ্যা তত্ত্ব, বীজগাণিতিক সংমিশ্রণ, এবং গাণিতিক পদার্থবিজ্ঞানের নির্দিষ্ট শাখাগুলো এখন নিয়মিতভাবে এমন গবেষণাপত্র তৈরি করে যেখানে কেন্দ্রীয় ফলাফল AI-সহায়তায় অন্বেষণের মাধ্যমে আবিষ্কৃত হয়েছিল।

২০২৬ সালে একজন AI-দক্ষ গণিতবিদের একটি সাধারণ গবেষণা সপ্তাহ এইরকম দেখাতে পারে: সোমবার arXiv-এ নতুন প্রিপ্রিন্ট পড়তে ব্যয় হয়। মঙ্গল এবং বুধবার গভীর প্রমাণের কাজ — পেন্সিল, কাগজ, ব্ল্যাকবোর্ড। বৃহস্পতিবার কম্পিউটেশনাল অন্বেষণ। শুক্রবার লেখা এবং সংশোধন। EN কার্যদিবসের তুলনায় মোট উৎপাদনশীলতা লাভ ৩০% থেকে ৮০%-এর মধ্যে।

প্রকৃত হুমকি AI নয় — AI ভুলে বোঝা

গণিতবিদদের সবচেয়ে বড় ঝুঁকি এই নয় যে AI তাদের চিন্তাকে প্রতিস্থাপন করবে। এটি হলো প্রতিষ্ঠানগুলো ভুলভাবে মনে করতে পারে এটি পারে। [মতামত] একজন বিশ্ববিদ্যালয় প্রশাসক যিনি "৬৮% অটোমেশন" দেখেন তিনি সিদ্ধান্ত নিতে পারেন যে দুই গণিতবিদ তিনজনের কাজ করতে পারেন। এটি ডেটার একটি বিপর্যয়মূলক ভুল পঠন হবে। প্রমাণ যাচাই ও সিমুলেশন দ্রুততর করতে AI ব্যবহারকারী একজন গণিতবিদ আরও গণিত তৈরি করেন, কম নয়। উৎপাদনশীলতার লাভের ভিত্তিতে পদ কাটা ভালো মাইক্রোস্কোপ পাওয়ার কারণে আপনার অর্ধেক R&D বিভাগ বরখাস্ত করার মতো হবে।

যে গণিতবিদরা সফল হবেন তারা AI সরঞ্জাম সৃজনশীল প্রক্রিয়া বিসর্জন না দিয়ে গবেষণা কার্যপ্রবাহে একীভূত করবেন। আপনার কাজ পরীক্ষা করতে AI ব্যবহার করুন। অনুমানের চারপাশে কম্পিউটেশনাল ল্যান্ডস্কেপ অন্বেষণ করতে ব্যবহার করুন। একাডেমিক প্রকাশনার বিরক্তিকর ফর্ম্যাটিং ও সাহিত্য ব্যবস্থাপনা সামলাতে ব্যবহার করুন। কিন্তু চিন্তাকে আপনার রাখুন।

একটি প্রজন্মগত বিভাজনও নেভিগেট করতে হবে। গণিতবিদরা যারা ২০২০-এর আগে তাদের প্রশিক্ষণ সম্পন্ন করেছিলেন তাদের প্রায়ই ঐতিহ্যগত পদ্ধতিতে নির্মিত ক্যারিয়ারে AI সাক্ষরতা পুনরায় ঢালাই করতে হয়। যারা এখন ক্ষেত্রে প্রবেশ করছেন তাদের তাদের মৌলিক পদ্ধতিগত ভাণ্ডারের অংশ হিসেবে আনুষ্ঠানিক যাচাই সিস্টেম, কম্পিউটেশনাল বীজগণিত প্যাকেজ এবং মেশিন লার্নিং টুলকিটে দক্ষ হবেন বলে প্রত্যাশিত।

আপনার ক্যারিয়ারের জন্য এর অর্থ কী

আপনি যদি গণিত অধ্যয়ন করছেন বা গণিতবিদ হিসেবে কাজ করছেন, আপনার ক্ষেত্রটি উচ্চ এক্সপোজার সংখ্যা সত্ত্বেও সবচেয়ে AI-প্রতিরোধী বৌদ্ধিক পেশাগুলোর মধ্যে একটি। এক্সপোজার বাস্তব — আপনি প্রতিদিন AI ব্যবহার করবেন। প্রতিস্থাপন ঝুঁকি কম — কারণ আপনি প্রকৃতপক্ষে যা করেন তা বর্তমান বা নিকট-ভবিষ্যৎ AI সিস্টেম দ্বারা স্বয়ংক্রিয় করা যায় না।

৪২%-এ যা দৃঢ়ভাবে মানবিক থাকে তার দিকে মনোযোগ দিন: মৌলিক তত্ত্ব, সৃজনশীল মডেলিং, এবং গভীর গাণিতিক স্বজ্ঞার ধরন যা কোনো ডেটাসেট প্রতিলিপি করতে পারে না। প্রমাণ পরীক্ষার জন্য আনুষ্ঠানিক যাচাই সিস্টেম, অনুমান অন্বেষণের জন্য কম্পিউটেশনাল বীজগণিত প্যাকেজ, প্রকাশনা পাইপলাইনের জন্য আধুনিক রেফারেন্স ম্যানেজার এবং AI-সহায়তায় লেখার সরঞ্জামে বিনিয়োগ করুন।

ডিসার্টেশন দিকনির্দেশনা বেছে নেওয়া স্নাতক শিক্ষার্থীদের জন্য, কৌশলগত পদক্ষেপ হলো এমন সমস্যার দিকে যেখানে AI একটি দরকারী সহযোগী কিন্তু কেন্দ্রীয় ধারণামূলক কাজ করতে পারে না। গভীর আন্তঃক্ষেত্র সংযোগ প্রয়োজন এমন সমস্যা, সত্যিকারের নতুন গাণিতিক কাঠামো জড়িত সমস্যা।

পেশাটি ক্ষুদ্র, পারিশ্রমিক সিনিয়র পদে যাওয়াদের জন্য ভালো, এবং কাজটি অস্তিত্বশীল সবচেয়ে বুদ্ধিবৃত্তিকভাবে সন্তুষ্টিজনকগুলোর মধ্যে। AI পদ্ধতি পরিবর্তন করে কিন্তু আহ্বানের মৌলিক প্রকৃতি নয়।

গণিতবিদদের বিস্তারিত অটোমেশন ডেটা দেখুন

---

_এই বিশ্লেষণ অ্যান্থ্রপিকের ২০২৬ সালের অর্থনৈতিক প্রভাব গবেষণা এবং BLS পেশাগত অভিক্ষেপ ২০২৪-২০৩৪ এর ডেটার উপর ভিত্তি করে AI-সহায়তায় তৈরি।_

AI-সহায়তায় গণিতের কংক্রিট উদাহরণ

একজন কার্যরত গণিতবিদের জন্য ২০২৬ সালে, AI সহায়তা নির্দিষ্ট, কংক্রিট উপায়ে দেখা যায়। প্রতীকী গণনা সিস্টেম ইন্টিগ্রেল, ডেরিভেটিভ এবং বীজগাণিতিক কার্যকারণ সামলায়। Lean 4-এর মতো আনুষ্ঠানিক যাচাই সিস্টেম গণিতবিদকে প্রমাণের ধাপ ধাপে এনকোড করতে এবং যৌক্তিক ফাঁক পরীক্ষা করতে দেয়। Mathlib লাইব্রেরিতে স্নাতক ও প্রারম্ভিক স্নাতকোত্তর গণিতের উল্লেখযোগ্য অংশের আনুষ্ঠানিক যাচাই রয়েছে, যা গবেষণার সীমানার দিকে সক্রিয় সম্প্রসারণ সহ।

অনুমান অন্বেষণ হলো যেখানে AI সত্যিকারের সৃজনশীলতা-সংলগ্ন হয়ে ওঠে। একজন গণিতবিদ নির্দিষ্ট উপবৃত্তীয় বক্ররেখার বৈশিষ্ট্য তদন্ত করতে মেশিন লার্নিং সিস্টেম ব্যবহার করে লক্ষ লক্ষ উদাহরণ স্ক্যান করতে এবং প্রমেয় পরামর্শদেওয়া প্যাটার্ন চিহ্নিত করতে পারেন। গণিতবিদ তারপর অনুমানটি যথাযথভাবে প্রণয়ন করেন এবং প্রমাণে কাজ করেন। কম্পিউটেশনাল সংখ্যা তত্ত্ব, বীজগাণিতিক সংমিশ্রণ, এবং গাণিতিক পদার্থবিজ্ঞানের নির্দিষ্ট শাখাগুলো এখন নিয়মিতভাবে এমন গবেষণাপত্র তৈরি করে যেখানে কেন্দ্রীয় ফলাফল AI-সহায়তায় অন্বেষণের মাধ্যমে আবিষ্কৃত হয়েছিল এবং তারপর মানব-নেতৃত্বাধীন বিশ্লেষণাত্মক কাজের মাধ্যমে প্রমাণিত হয়েছিল। সেই বিভাজন — AI প্যাটার্ন খোঁজে, মানুষ ব্যাখ্যা করে কেন প্যাটার্নটি সত্য হতে হবে — হলো AI-যুগে গাণিতিক গবেষণার সারাংশ।

AI-সহায়তা গণিতের কংক্রিট উদাহরণ

গণিতবিদরা ইতিমধ্যে AI সরঞ্জাম তাদের কাজে একীভূত করছেন। SageMath, Mathematica এবং Wolfram Alpha দীর্ঘদিন ধরে কম্পিউটেশনাল গণিতে ব্যবহৃত হচ্ছে। নতুন প্রজন্মের AI সরঞ্জাম — GPT-o1, Claude সহ বিভিন্ন মডেল — এখন গাণিতিক যুক্তিতর্কে উল্লেখযোগ্য ক্ষমতা দেখাচ্ছে। [তথ্য]

একজন সংখ্যা তত্ত্বের গণিতবিদ এখন এমন কংক্রিট উদাহরণ খুঁজে বের করার জন্য AI ব্যবহার করতে পারেন যা একটি অনুমানকে সমর্থন বা খণ্ডন করে, যা আগে ঘণ্টার পর ঘণ্টা হাতে-কলমে গণনা নিত। একজন টপোলজিস্ট জটিল মেনিফোল্ডের বৈশিষ্ট্য অন্বেষণ করতে AI সিমুলেশন ব্যবহার করতে পারেন। এটি গবেষণার ক্ষমতা সরিয়ে নেয় না — এটি প্রসারিত করে।

শিল্প-একাডেমিক সংযোগস্থলের ক্রমবর্ধমান সুযোগ

AI যুগে গণিতবিদদের জন্য সবচেয়ে বড় সুযোগ সম্ভবত শিল্প এবং একাডেমিয়ার সীমানায়। টেক কোম্পানি, ফিনান্সিয়াল ফার্ম, ফার্মাসিউটিক্যাল সংস্থা এবং সরকারি গবেষণা পরিষদ সবাই গণিতবিদ খুঁজছে যারা AI সিস্টেম ডিজাইন, যাচাই এবং ব্যাখ্যা করতে পারে। [অনুমান] গণিত PhD-এর মজুরি প্রিমিয়াম AI-চালিত শিল্পগুলিতে বৃদ্ধি পাচ্ছে।

যারা পরিশুদ্ধ গণিতে থাকতে চান তাদের জন্য বার্তা হলো: AI সরঞ্জাম আপনার গবেষণা ক্ষমতা বাড়ানোর হাতিয়ার, প্রতিস্থাপনের হুমকি নয়। যারা প্রয়োগকৃত পথ বিবেচনা করছেন তাদের জন্য, AI-চালিত শিল্পে গণিতিক দক্ষতার চাহিদা কখনো এত বেশি ছিল না।

গণিতবিদদের বিস্তারিত অটোমেশন ডেটা দেখুন

গণিতবিদের প্রাতিষ্ঠানিক ভূমিকা এবং ভবিষ্যৎ

গণিতবিদের পেশাগত পরিচয় পরিবর্তন হচ্ছে। একসময় গবেষণাগারে একাকী কাজের ছবি ছিল, এখন সফল গণিতবিদরা আন্তঃবিভাগীয় দলে কাজ করছেন — ডেটা বিজ্ঞানী, কম্পিউটার বিজ্ঞানী এবং ডোমেন বিশেষজ্ঞদের সাথে। [তথ্য] এই সহযোগিতামূলক মডেল AI যুগে আরও গুরুত্বপূর্ণ হচ্ছে কারণ গণিতবিদরা এমন ভূমিকায় আসছেন যেখানে তারা AI সিস্টেমের গাণিতিক ভিত্তি ব্যাখ্যা করতে এবং বৈধতা দিতে পারেন।

ন্যাশনাল সায়েন্স ফাউন্ডেশন এবং ডিফেন্স অ্যাডভান্সড রিসার্চ প্রজেক্টস এজেন্সি (DARPA) উভয়ই AI নির্ভরযোগ্যতা গবেষণায় বিনিয়োগ করছে যেখানে গণিতবিদদের কেন্দ্রীয় ভূমিকা রয়েছে। AI সিস্টেমগুলির নিরাপত্তা এবং নির্ভরযোগ্যতা নিশ্চিত করার জন্য কঠোর গাণিতিক ভিত্তি — অ্যালগরিদমিক ফেয়ারনেস, মেশিন লার্নিং তত্ত্ব, ক্রিপ্টোগ্রাফিক যাচাই — এই চাহিদাগুলো বাড়ছে। [অনুমান]

যারা এই পথ নেন তাদের জন্য বার্তা: আপনার গাণিতিক দক্ষতা AI যুগে হ্রাস পাচ্ছে না — মূল্য পরিবর্তন হচ্ছে। যারা কম্পিউটেশনাল সিস্টেমগুলি কীভাবে কাজ করে তার গাণিতিক বোঝাপড়া এনে AI ডোমেনে যোগ দিতে পারেন, তারা দুটি ক্ষেত্রে মূল্যবান: গণিতের সঠিকতা এবং AI-এর ব্যবহারিক প্রয়োগ।

গণিতের বিশুদ্ধতা এবং প্রায়োগিক প্রাসঙ্গিকতার মধ্যে সেতুবন্ধনকারী হওয়ার সুযোগ আগের চেয়ে বেশি। AI সিস্টেম ডিজাইন এবং যাচাইয়ে গণিতবিদরা ক্রমশ কেন্দ্রীয় ভূমিকা পালন করছেন।