Is it the end of (generative) linguistics as we know it?

बड़ी तस्वीर: पुराना गार्ड बनाम नए खिलाड़ी

कल्पना कीजिए कि भाषा विज्ञान (भाषा कैसे काम करती है इसका अध्ययन) एक उच्च-दांव वाली शतरंज प्रतियोगिता है।

दशकों से, इसके चैंपियन जेनेरेटिव भाषाविद (प्रसिद्ध नोम चोमस्की के नेतृत्व में) रहे हैं। वे मानते हैं कि मानव मस्तिष्क में एक "प्री-इंस्टॉल किया गया भाषा सॉफ्टवेयर" (एक जैविक ब्लूप्रिंट की तरह) होता है जो हमें किसी भी भाषा को तुरंत सीखने की अनुमति देता है। वे खेल के नियमों पर ध्यान केंद्रित करते हैं, और उन सरलतम, सबसे सुंदर निर्देशों के सेट को खोजने की कोशिश करते हैं जो यह समझा सके कि हम जिस तरह से बोलते हैं वह क्यों होता है।

हाल ही में, एक नया चुनौतीकर्ता मैदान में उतरा है: वेरी लार्ज लैंग्वेज मॉडल्स (vLLMs), जैसे कि ChatGPT के पीछे की AI। ये नियम मानने वाले नहीं हैं; ये विशाल सांख्यिकीय इंजन (statistical engines) हैं जो अरबों वाक्यों को पढ़ते हैं और अगले शब्द का अनुमान लगाकर पैटर्न सीखते हैं।

एक शोधकर्ता स्टीवन पियानटाडोसी ने हाल ही में एक धमाका किया: उन्होंने तर्क दिया कि ये AI मॉडल वास्तव में मानव विशेषज्ञों की तुलना में भाषा का वर्णन करने में बेहतर हैं। उनका कहना है कि AI ने खेल को उन लोगों से बेहतर समझ लिया है जिन्होंने नियम बनाए थे।

क्रिस्टियानो चेसी, इस पेपर के लेखक, जेनेरेटिव टीम के पूर्व चैंपियन हैं। वे सहमत हैं कि AI खतरनाक है और उनकी टीम हार रही है। लेकिन वे यह नहीं सोचते कि जेनेरेटिव टीम को छोड़ देना चाहिए। इसके बजाय, वे सोचते हैं कि उन्हें पुराने, धुंधले नियमों के साथ खेलना बंद कर देना चाहिए और खेल के नए, सख्त नियमों के साथ खेलना शुरू करना चाहिए।

---

तीन लेंस: सिद्धांत को कैसे परखें

चेसी कहते हैं कि हमें यह देखने के लिए कि वास्तव में क्या हो रहा है, तीन अलग-अलग प्रकार के चश्मों से भाषा को देखना चाहिए:

1. कंप्यूटेशनल चश्मा (द स्पीडस्टर): "कौन सबसे अधिक डेटा सही ढंग से प्रोसेस कर सकता है?"
   • AI यहाँ जीतता है। यह लाखों वाक्य पढ़ सकता है और व्याकरण को लगभग हर बार सही पाता है।
2. सैद्धांतिक चश्मा (द आर्किटेक्ट): "किसके पास सबसे सरल, सबसे सुंदर ब्लूप्रिंट है?"
   • जेनेरेटिव भाषाविद यहाँ जीतने की उम्मीद करते हैं। वे एक छोटा सा नियम चाहते हैं जो सब कुछ समझा सके। लेकिन चेसी स्वीकार करते हैं कि उनके वर्तमान ब्लूप्रिंट अव्यवस्थित और खामियों से भरे हैं।
3. प्रायोगिक चश्मा (द साइंटिस्ट): "वास्तविक जीवन में मनुष्य जो करते हैं, उससे कौन मेल खाता है?"
   • AI यहाँ बेहतर हो रहा है। यह भविष्यवाणी कर सकता है कि एक इंसान को एक वाक्य पढ़ने में कितना समय लगता है या वे कहाँ भ्रमित होते हैं।

समस्या: जेनेरेटिव भाषाविद केवल "आर्किटेक्ट" चश्मे का उपयोग करके खेल जीतने की कोशिश कर रहे हैं, अन्य दो चश्मों से मिलने वाले डेटा को नजरअंदाज कर रहे हैं। चेसी का कहना है कि यही कारण है कि वे हार रहे हैं।

---

जेनेरेटिव लिंग्विस्टिक्स की दो मुख्य समस्याएँ

चेसी पहचानते हैं कि जेनेरेटिव टीम के साथ तालमेल बिठाने में संघर्ष करने के दो प्रमुख कारण हैं।

1. "धुंधला ब्लूप्रिंट" समस्या (फॉर्मलाइजेशन)

कल्पना कीजिए कि एक जेनेरेटिव भाषाविद घर बनाने के तरीके को समझाने की कोशिश कर रहा है। वे कहते हैं, "आपको बस ईंटों को खूबसूरती से जोड़ना है।"

• AI कहता है: "मेरे पास सटीक माप, कोण और लोड-बेयरिंग गणनाओं के साथ एक 3D ब्लूप्रिंट है। मैं बिना गिरे दस लाख घर बना सकता हूँ।"
• भाषाविद कहता है: "लेकिन मेरा तरीका अधिक 'प्राकृतिक' है!"

चेसी का तर्क है कि जेनेरेटिव भाषाविद बहुत अस्पष्ट रहे हैं। वे "मर्ज" (Merge) नामक एक जादुई ऑपरेशन के बारे में बात करते हैं (जिसका अर्थ केवल शब्दों को आपस में जोड़ना है) लेकिन उन्होंने यह नहीं लिखा कि यह वास्तव में कैसे काम करता है। क्योंकि उन्होंने कोड नहीं लिखा है, इसलिए वे यह साबित नहीं कर सकते कि उनका सिद्धांत सबसे सरल या सबसे अच्छा है। वे कविता के साथ घर का वर्णन कर रहे हैं, जबकि AI गणित के साथ इसे बना रहा है।

समाधान: भाषाविदों को अपने सिद्धांतों को कंप्यूटर कोड की तरह लिखना होगा। यदि वे इसे सटीक रूप से नहीं लिख सकते, तो वे इसे सिद्ध नहीं कर सकते कि यह काम करता है।

2. "कालीन के नीचे धूल" की समस्या (इवैल्यूएशन)

कल्पना कीजिए कि एक छात्र परीक्षा दे रहा है।

• AI 10,000 सवालों की परीक्षा देता है। वह 85% सही करता है।
• भाषाविद 10 सवालों की परीक्षा देता है। वह 100% सही करता है।
• भाषाविद कहता है: "देखो, मैं बेहतर हूँ! बाकी 9,990 सवाल बहुत कठिन या अजीब हैं। मैं उन्हें नजरअंदाज कर रहा हूँ।"

चेसी इसे "डस्ट अंडर द कार्पेट प्रिंसिपल" (कालीन के नीचे धूल का सिद्धांत) कहते हैं। जब जेनेरेटिव सिद्धांत किसी विशिष्ट, कठिन वाक्य (जैसे एक जटिल आइलैंड कंस्ट्रेंट) पर विफल होता है, तो वे अक्सर कहते हैं, "ओह, वह एक प्रदर्शन त्रुटि (performance error) है, न कि व्याकरण की त्रुटि," और उसे कालीन के नीचे झाड़ू मारकर छिपा देते हैं।

AI चीजों को कालीन के नीचे नहीं छिपाता। वह हर वाक्य को हल करने की कोशिश करता है, यहाँ तक कि अजीब वाक्यों को भी। चेसी का तर्क है कि यदि आप जानना चाहते हैं कि वास्तव में भाषा को कौन समझता है, तो आपको पूरे कालीन पर परीक्षण करना होगा, न कि केवल साफ पैच पर।

---

"पवर्टी ऑफ स्टिमुलस" (उद्दीपन की कमी) की बहस

यह जेनेरेटिव लिंग्विस्टिक्स का मूल तर्क है: "बच्चे बहुत जल्दी और बहुत कम डेटा के साथ भाषा सीख लेते हैं। उनके मस्तिष्क में एक प्री-इंस्टॉल किया गया 'भाषा चिप' होना चाहिए।"

AI इसका उत्तर देता है: "नहीं! बच्चे लाखों शब्द सुनते हैं। यदि आप एक AI को लाखों शब्द देते हैं, तो वह भी नियमों को सीख लेता है!"

चेसी कहते हैं:

• AI इस बात पर सही है कि वे डेटा से सीख सकते हैं।
• लेकिन, AI वर्तमान में बहुत "बड़ा" (bloated) है। इसे वह सीखने के लिए जो एक बच्चा सीखता है, अरबों पैरामीटर्स (मानसिक कनेक्शन) की आवश्यकता होती है।
• यदि AI केवल सब कुछ याद कर रहा है, तो यह इस बारे में वास्तविक सिद्धांत नहीं है कि मस्तिष्क कैसे काम करता है।
• निर्णय: "पवर्टी ऑफ स्टिमुलस" का तर्क अभी भी जीवित है, लेकिन जेनेरेटिव भाषाविदों को यह साबित करने की आवश्यकता है कि उनका "छोटा मस्तिष्क" सिद्धांत AI के "विशाल मस्तिष्क" सिद्धांत की तुलना में अधिक कुशल है। अभी, AI कच्चे प्रदर्शन (raw performance) में जीत रहा है, लेकिन यदि भाषाविद अपने सिद्धांतों को ठीक कर लेते हैं, तो वे दक्षता (efficiency) पर जीत सकते हैं।

---

"मर्ज" ऑपरेशन: क्या यह बहुत सरल है?

जेनेरेटिव भाषाविद मानते हैं कि मस्तिष्क एक सरल ऑपरेशन का उपयोग करके वाक्य बनाता है: मर्ज (Merge) (दो चीजों को लेना और उन्हें आपस में जोड़ना)। उनका मानना है कि यह इतना सरल है कि यह एक छोटी सी आनुवंशिक उत्परिवर्तन (genetic mutation) से विकसित हो सकता है।

चेसी एक कंप्यूटर वैज्ञानिक (टोमासो पोगियो) से पूछते हैं: "क्या यह 'मर्ज' ऑपरेशन वास्तविक है?"
वैज्ञानिक उत्तर देते हैं: "नहीं, यह बहुत सरल है। यह समझ में नहीं आता।"

चेसी को एहसास होता है कि भाषाविद एक महत्वपूर्ण तथ्य को अनदेखा कर रहे हैं: समय।

• भाषाविद का दृष्टिकोण: हम अपने दिमाग में पूरा वाक्य स्ट्रक्चर पहले बनाते हैं, फिर हम बोलते हैं।
• वास्तविकता: हम शब्द-दर-शब्द, वास्तविक समय में वाक्य बनाते हैं। हम विचार पूरा होने से पहले ही बोलना शुरू कर देते हैं।

वर्तमान "मर्ज" सिद्धांत इस वास्तविक समय के, चरण-दर-चरण निर्माण को ध्यान में नहीं रखता है। यह वाक्य निर्माण के बारे में एक अधूरा विचार है। जेनेरेटिव सिद्धांत इस "स्टेप-बाय-स्टेप" निर्माण को संभालने में वर्तमान सिद्धांतों की तुलना में काफी पीछे हैं। AI मॉडल, आश्चर्यजनक रूप से, इस "स्टेप-बाय-स्टेप" निर्माण को बहुत बेहतर तरीके से संभालते हैं।

---

निष्कर्ष: युद्ध का आह्वान

चेसी एक चेतावनी और एक चुनौती के साथ समाप्त करते हैं।

चेतावनी: यदि जेनेरेटिव भाषाविद नहीं बदले, तो वे अप्रासंगिक हो जाएंगे। वे उन लोगों की तरह होंगे जो बहस करते रहते हैं कि "घोड़े का आदर्श आकार क्या है" जबकि बाकी सब कार चला रहे हैं। वे किनारे पर बैठकर, बिखरे हुए डेटा पर हंस रहे हैं, जबकि AI और प्रयोगात्मक वैज्ञानिक वास्तव में कार चला रहे हैं।

चुनौती:

1. कालीन के नीचे धूल झाड़ना बंद करें। अपने सिद्धांतों का परीक्षण सभी डेटा पर करें, जिसमें बिखरा हुआ और भ्रमित करने वाला हिस्सा भी शामिल हो।
2. कोड लिखें। अपने सिद्धांतों को इतना सटीक बनाएं कि कंप्यूटर द्वारा उनका परीक्षण किया जा सके।
3. परीक्षण साझा करें। एक मानक "परीक्षा" (जैसे SyntaxGym) बनाएं जिसे हर सिद्धांत को पास करना ही होगा।

यदि जेनेरेटिव भाषाविद ऐसा कर सकते हैं, तो वे अभी भी जीत सकते हैं। वे दिखा सकते हैं कि उनका "छोटा, कुशल मस्तिष्क" सिद्धांत AI के "विशाल, भारी स्मृति वाले" सिद्धांत से बेहतर है। लेकिन यदि वे ऐसा नहीं करते हैं, तो चेसी को डर है कि यह वास्तव में जेनेरेटिव लिंग्विस्टिक्स का अंत हो सकता है।

संक्षेप में: AI वर्तमान में भाषा का सबसे अच्छा "वर्णनकर्ता" (describer) है, लेकिन यह मानव मन के काम करने के तरीके का सबसे अच्छा "व्याख्याता" (explainer) नहीं हो सकता है। मानव मन विशेष है, यह साबित करने के लिए, भाषाविदों को अनुमान लगाना बंद करना होगा और बेहतर, परीक्षण योग्य मॉडल बनाना होगा।