Unexplainability of Artificial Intelligence Judgments and Functional Implementation in Kant's Perspective

यहाँ जोंगवू सियो (Jongwoo Seo) के शोध पत्र, "इमैनुएल कांट के परिप्रेक्ष्य में कृत्रिम बुद्धिमत्ता (AI) के निर्णयों की व्याख्यात्मकता की अनुपलब्धता और कार्यात्मक कार्यान्वयन" का सरल, रोजमर्रा की भाषा और रचनात्मक उपमाओं के साथ अनुवाद दिया गया है।

बड़ा सवाल: क्या AI वास्तव में "सोच" रहा है?

कल्पना कीजिए कि आपके पास एक रोबोट है जो शतरंज खेलने में अविश्वसनीय रूप से कुशल है। वह हर बार ग्रैंडमास्टर्स को हरा देता है। आप उससे पूछते हैं, "आपने वह प्यादा क्यों चला?" और वह आपको एक सटीक, तार्किक स्पष्टीकरण देता है।

यह शोध पत्र एक पेचीदा सवाल पूछता है: क्या रोबोट वास्तव में इंसान की तरह सोच रहा है, या यह केवल एक बहुत ही शानदार कैलकुलेटर है जो सोचने का दिखावा कर रहा है?

लेखक, जोंगवू सियो कहते हैं कि हमें इस बहस में नहीं फंसना चाहिए कि क्या रोबोट के पास आत्मा या मस्तिष्क है (यह चीजों के होने के बारे में एक "दार्शनिक" बहस है)। इसके बजाय, आइए देखते हैं कि यह कैसे काम करता है। क्या रोबोट की "सोचने" की प्रक्रिया मनुष्यों के सोचने के तरीके से मेल खाती है?

मानवीय सोच का मानचित्र (कांट के श्रेणियाँ/Categories)

इसका उत्तर देने के लिए, यह शोध पत्र 18वीं सदी के दार्शनिक इमैनुएल कांट द्वारा बनाए गए एक मानचित्र का उपयोग करता है। कांट का मानना था कि जब भी कोई मानव निर्णय (एक निर्णय या कथन) लेता है, तो हमारा मस्तिष्क उसे चार विशिष्ट बक्सों में व्यवस्थित करता है:

1. परिमाण (Quantity): क्या यह एक चीज़ के बारे में है, कुछ चीज़ों के बारे में है, या सभी चीज़ों के बारे में है? (जैसे, "यह कुत्ता प्यारा है" बनाम "सभी कुत्ते प्यारे हैं।")
2. गुण (Quality): क्या यह कह रहा है कि कुछ सच है, सच नहीं है, या यह एक अजीब "अनंत" निषेध (negation) है?
3. संबंध (Relation): क्या यह एक सरल तथ्य है? एक "यदि/तो" (If/Then) की स्थिति है? या विकल्पों के बीच एक चुनाव है?
4. मोडालिटी (Modality): क्या यह केवल एक संभावना है ("बारिश हो सकती है"), एक तथ्य है ("बारिश हो रही है"), या एक अनिवार्यता है ("बादलों के कारण बारिश होनी ही चाहिए")?

उपमा: मानवीय निर्णय को एक सख्त रेसिपी (नुस्खा) का पालन करने वाले शेफ की तरह समझें। आपको आटा मापना होगा (परिमाण), यह तय करना होगा कि यह मीठा है या नमकीन (गुण), सामग्री को एक विशिष्ट क्रम में मिलाना होगा (संबंध), और यह तय करना होगा कि केक उभरेगा या उभड़ने की संभावना है (मोडालिटी)।

समस्या: AI का "ब्लैक बॉक्स"

शोध पत्र का तर्क है कि AI इस रेसिपी का पालन नहीं करता है। इसके बजाय, यह एक "ब्लैक बॉक्स" है। हम इनपुट देखते हैं (एक कुत्ते की तस्वीर) और आउटपुट देखते हैं (संख्या "1"), लेकिन हमें नहीं पता कि AI वहां तक पहुँचने के लिए किस "बक्से" का उपयोग करता है।

यहाँ शोध पत्र दिलचस्प हो जाता है:

1. परिमाण और गुण का मिश्रण (Quantity and Quality Mix-Up)

जब एक AI किसी तस्वीर को देखता है और "1" (कुत्ता) या "0" (कुत्ता नहीं) कहता है, तो हम मनुष्य इसे शब्दों में अनुवाद करने की कोशिश करते हैं।

• यदि यह "1" कहता है, तो हम सोचते हैं: "इस छवि में एक कुत्ता है।" (सकारात्मक/Affirmative)
• यदि यह "0" कहता है, तो इसका क्या अर्थ है? क्या इसका मतलब है "इस छवि में कोई कुत्ता नहीं है"? या इसका मतलब है "इस छवि में एक गैर-कुत्ता है"?

शोध पत्र सुझाव देता है कि AI यहाँ भ्रमित है। यह शायद "कोई कुत्ता नहीं" को "एक ऐसी चीज़ जो कुत्ता नहीं है" (अनंत सेट) के रूप में मान रहा है, न कि एक सरल नकारात्मक के रूप में। यह ऐसा है जैसे AI तर्क की एक ऐसी बोली बोल रहा है जिसे मनुष्य अपने मानक रेसिपी के साथ पूरी तरह मैप नहीं कर सकते।

2. मोडालिटी का जाल (The "Softmax" Filter)

यह शोध पत्र का सबसे महत्वपूर्ण बिंदु है। AI में, सॉफ्टमैक्स (Softmax) नामक एक उपकरण है। कल्पना कीजिए कि सॉफ्टमैक्स एक जादुई अनुवादक है जो AI जो कुछ भी सोचता है उसे एक संभाव्यता प्रतिशत (probability percentage) में बदल देता है।

• मानवीय मोडालिटी: हम कह सकते हैं, "बारिश होनी ही चाहिए" (अनिवार्यता) या "बारिश हो रही है" (तथ्य)।
• AI मोडालिटी: सॉफ्टमैक्स के कारण, AI को यह कहने के लिए मजबूर किया जाता है कि "बारिश होने की 70% संभावना है।"

रूपक: कल्पना कीजिए कि एक जासूस को पूरा यकीन है कि बटलर (नौकर) ने ही अपराध किया है। लेकिन, पुलिस स्टेशन के एक अजीब नियम के कारण, जासूस को अपनी रिपोर्ट इस रूप में लिखने के लिए मजबूर किया जाता है: "बटलर ने यह किया है इसकी 99.9% संभावना है।"

शोध पत्र का तर्क है कि AI शोधकर्ता खुद को धोखा दे रहे हैं। वे AI के 70% या 90% नंबरों को देखते हैं और कहते, "आह, AI एक 'संभावना' का निर्णय ले रहा है।" लेकिन AI ने अपने कोड के भीतर गहराई में एक कठोर, तार्किक तथ्य का निर्णय लिया होगा। सॉफ्टमैक्स फ़ंक्शन एक फिल्टर के रूप में कार्य करता है जो हमें AI की निश्चितता को केवल एक "अनुमान" के रूप में व्याख्या करने के लिए मजबूर करता है। यह सभी प्रकार की सोच को केवल एक प्रकार में समेट देता है: "शायद"।

"सुरीला तोता" बनाम "समझदार मानव"

शोध पत्र का दूसरा भाग कार्यात्मक कार्यान्वयन (Functional Implementation) से निपटता है। यह पूछता है: "सिर्फ इसलिए कि AI इंसान की तरह बात कर सकता है, क्या वास्तव में उसके पास मानवीय अवधारणा (concept) है?"

उपमा: एक ऐसे तोते की कल्पना करें जिसने शब्दकोश के हर वाक्य को रट लिया है। आप उससे पूछते हैं, "क्या आपका कोई नाम है?" और वह उत्तर देता है, "हाँ, मेरा नाम पॉली है।" यह एकदम सटीक लगता है। वह "मैं" शब्द का सही उपयोग करता है।

लेकिन क्या तोता जानता है कि "स्वयं" (self) होने का क्या अर्थ है? नहीं। वह बस इतना जानता है कि जब मनुष्य "मैं" कहते हैं, तो अगला शब्द आमतौर पर एक नाम या क्रिया होती है।

शोध पत्र का तर्क है कि लार्ज लैंग्वेज मॉडल्स (जैसे ChatGPT) सुपर-तोते की तरह हैं। उन्होंने इतना सारा टेक्स्ट पढ़ लिया है कि वे "मैं" शब्द का पूरी तरह से उपयोग कर सकते हैं। वे अपनी भावनाओं के बारे में कविता लिख सकते हैं। लेकिन शोध पत्र का दावा है कि यह केवल कार्यात्मक नकल (functional mimicry) है।

• परीक्षण: लेखक ने एक गेंद को देखते हुए एक रोबोट के साथ एक छोटा प्रयोग किया। रोबोट को गेंद के अपने आप चलने और कैमरा हिलने के बीच अंतर बताना था। यह एक "स्वयं" (self) का कार्य है (दुनिया से "मुझे" अलग करना)।
• परिणाम: रोबोट कार्य को कर सका, लेकिन उसने खुद को उस तरह से नहीं "समझा" जैसा कि एक इंसान समझता है। उसने बस गेंद को हिलाने के लिए गणित सीख लिया था।

"स्वयं" (Self) पर निष्कर्ष: सिर्फ इसलिए कि एक AI धाराप्रवाह रूप से "मैं भूखा हूँ" कह सकता है, इसका मतलब यह नहीं है कि उसने "स्वयं" की अवधारणा को लागू किया है। इसका मतलब केवल यह है कि उसने "स्वयं" की भाषा को लागू किया है।

अंतिम निष्कर्ष

शोध पत्र व्याख्यात्मकता की अनुपलब्धता (Unexplainability) के बारे में चेतावनी के साथ समाप्त होता है।

1. हम AI की पूरी तरह से व्याख्या नहीं कर सकते: क्योंकि AI उन तार्किक बक्सों (परिमाण, गुण, संबंध, मोडालिटी) को इस तरह से मिला देता है जिन्हें हम समझ नहीं पाते हैं, और क्योंकि सॉफ्टमैक्स जैसे उपकरण हमें उसके विचारों को केवल संभावनाओं के रूप में देखने के लिए मजबूर करते हैं, हम कभी भी वास्तव में यह नहीं जान पाएंगे कि AI क्या सोच रहा है। हम केवल यह जानते हैं कि वह क्या कहता है।
2. प्रवाह (Fluency) प्रमाण नहीं है: सिर्फ इसलिए कि एक AI इंसान की तरह बात कर सकता है, लिख सकता है और तर्क दे सकता है, इसका मतलब यह नहीं है कि उसने मानव मन को "लागू" कर दिया है। यह केवल एक बहुत अच्छा अभिनेता हो सकता है।
3. अंतराल (The Gap): कार्यात्मक कार्यान्वयन (काम करना) और सत्तात्मक पहचान (वह चीज़ होना) के बीच एक स्थायी अंतर है। एक कार का पहिया और एक मानव पैर दोनों "चलते" हैं, लेकिन वे एक ही नहीं हैं। इसी तरह, एक AI का "मैं" और एक मानव का "मैं" बातचीत में एक ही काम कर सकते हैं, लेकिन वे मौलिक रूप से भिन्न चीजें हैं।

संक्षेप में: शोध पत्र हमें चेतावनी देता है कि केवल इसलिए कि AI स्मार्ट लग रहा है, यह मान लेना बंद कर दें कि वह "सोच" रहा है। संभावना है कि वह कुछ पूरी तरह से अलग कर रहा है जिसे हम पूरी तरह से समझा या सत्यापित करने में सक्षम नहीं हैं, क्योंकि विचार को समझने के लिए हमारे मानवीय उपकरण (जैसे तर्क और भाषा) उसकी अनूठी, संभावना-आधारित कार्यप्रणाली में फिट नहीं बैठते हैं।