On the Definition of Intelligence

तकनीकी सारांश: बुद्धिमत्ता की परिभाषा पर

समस्या विवरण
आर्टिफिशियल जनरल इंटेलिजेंस (AGI) की खोज के लिए एक औपचारिक, परिचालन (operational), और प्रजाति-निरपेक्ष (species-agnostic) परिभाषा की आवश्यकता है। मौजूदा परिभाषाएं महत्वपूर्ण सीमाओं का सामना करती हैं:

• लक्ष्य-उन्मुख परिभाषाएँ: लेग और हटर (Legg and Hutter) जैसी परिभाषाएँ (जो विविध वातावरणों में एजेंट की लक्ष्यों को प्राप्त करने की क्षमता को मापती हैं) उन व्यवहारों को लागू करने में संघर्ष करती हैं जिनमें स्पष्ट वातावरण, रिवॉर्ड सिग्नल, या सुपरिभाषित लक्ष्यों का अभाव होता है (जैसे, जनरेटिव एआई)।
• मानव-केंद्रित और सामयिक परिभाषाएँ: ट्यूरिंग टेस्ट (Turing Test) या एलेन रिच (Elaine Rich) की परिभाषा (एआई के रूप में वे कंप्यूटर करना जो इंसान वर्तमान में बेहतर कर रहे हैं) जैसे दृष्टिकोण या तो मानव-मशीन तुलना तक सीमित हैं या वर्तमान मानवीय श्रेष्ठता पर आधारित सामयिक (temporally contingent) हैं।
• परिचालन संबंधी मुद्दे: मनोवैज्ञानिक परिभाषाएँ (जैसे, वेक्सलर की) गैर-मानवीय प्रणालियों के लिए परिचालन योग्य (operationalize) होने में कठिन हैं।

एक ऐसे एकीकृत ढांचे का अभाव है जो विविध प्रतिमानों (paradigms)—जिसमें सुदृढीकरण शिक्षण (reinforcement learning), जनरेटिव मॉडल, वर्गीकरण (classification), और सादृश्य तर्क (analogical reasoning) शामिल हैं—में जैविक, कृत्रिम और हाइब्रिड प्रणालियों का मूल्यांकन कर सके, बिना अस्पष्ट विवरणों या मानवीय निर्णय पर पूरी तरह निर्भर हुए।

कार्यप्रणाली
यह शोध पत्र जनरेटिव फिडेलिटी (generative fidelity) और इकाई अविभेद्यता (entity indistinguishability) पर आधारित बुद्धिमत्ता की एक परिभाषा प्रस्तावित करता है। कार्यप्रणाली निम्नलिखित औपचारिक संरचनाओं का उपयोग करती है:

1. वैचारिक स्थान और तंतु (Conceptual Space and Fibres):

   • मान लीजिए कि $U$ सभी विचारणीय संस्थाओं (डेटा बिंदु, उत्पाद, क्रियाएं, अवधारणाएं) का ब्रह्मांड है।
   • एक वैचारिक स्थान को एक अधिसंयोजक मैपिंग (surjective mapping) $\Phi: U \to K$ के रूप में परिभाषित किया गया है, जहाँ $K$ अवधारणाओं का सेट है।
   • एक अवधारणा $k \in K$ के लिए, उस अवधारणा का उदाहरण देने वाली संस्थाओं का सेट "फाइबर" $C_k = \Phi^{-1}(k)$ है।

2. $\varepsilon$-अवधारणा बुद्धिमत्ता ($\varepsilon$-Concept Intelligence):

   • एक इनपुट संस्थाओं के मल्टीसेट $S \subseteq U$ को देखते हुए जो अवधारणा $C_k$ से संबंधित है, एक एजेंट तब बुद्धिमान है यदि वह संस्थाओं का एक सेट $\hat{S}$ उत्पन्न कर सकता है जो उसी अवधारणा का उदाहरण देता हो।
   • विभेदक (Distinguishers): फंक्शनों का एक परिवार $F = \{f: U \to [0, 1]\}$ $S$ और $\hat{S}$ के बीच समानता का परीक्षण करने के लिए विभेदक के रूप में कार्य करता है।
   • स्कोरिंग: एक स्कोरिंग फंक्शन $\sigma$ एक सेट पर विभेडकों के आउटपुट को एकत्रित करता है।
   • मीट्रिक: बुद्धिमत्ता मीट्रिक को सभी विभेडकों पर मूल सेट और उत्पन्न सेट के बीच स्कोर के अंतर के सुप्रीमम (supremum) के रूप में परिभाषित किया गया है:
     $$\Delta^\sigma_F(S, \hat{S}) = \sup_{f \in F} |\sigma(\{f(x) : x \in S\}) - \sigma(\{f(x') : x' \in \hat{S}\})|$$
   • परिभाषा: एक एजेंट अवधारणा $k$ के संबंध में $\varepsilon$-बुद्धिमान है यदि $\Delta^\sigma_F(S, \hat{S}) \le \varepsilon$ हो। इसका तात्पर्य है कि उत्पन्न संस्थाएं किसी भी स्वीकार्य विभेडक $F$ में मूल संस्थाओं से $\varepsilon$ सहिष्णुता (tolerance) के भीतर अविभेद्य हैं।

3. गतिशील ढांचा (Dynamic Framework):

   • शोध पत्र सिनक्रोनिक क्षमता (Synchronic Capability) (समय $t$ पर निश्चित अवधारणाओं के सेट के लिए कम-$\varepsilon$ संस्थाओं को उत्पन्न करने की व्यापकता) और डायक्रोनिक क्षमता (Diachronic Capability) (एक अवधारणा सेट से दूसरे में दक्षता स्थानांतरित करने की क्षमता, जो प्रभावी रूप से सीखने/अनुकूलन को मापता है) के बीच अंतर करता है।

प्रमुख योगदान

• एकीकृत औपचारिक परिभाषा: यह पत्र एक एकल गणितीय ढांचे ( $\varepsilon$-concept intelligence) प्रदान करता है जो विविध एआई प्रतिमानों को समाहित करता है। यह बुद्धिमत्ता को केवल अमूर्त मैपिंग या लक्ष्य अधिकतमकरण के रूप में नहीं, बल्कि मौलिक रूप से एक दी गई अवधारणा के अनुरूप नई संस्थाओं के निर्माण के रूप में देखता है।
• मौजूदा बेंचमार्क का एकीकरण: लेखक यह प्रदर्शित करते हैं कि स्थापित बुद्धिमत्ता परीक्षण उनके ढांचे के विशेष मामले हैं:
  • ट्यूरिंग टेस्ट: तब उत्पन्न होता है जब फाइबर मानव भाषा की प्रतिक्रियाएं होती हैं और विभेडकर मानव निर्णायक होते हैं।
  • C-टेस्ट: तब उत्पन्न होते हैं जब फाइबर विशिष्ट लेविन कॉम्प्लेक्सिटी (Levin complexity) वाले अनुक्रम होते हैं और विभेडकर अद्वितीय न्यूनतम स्पष्टीकरण को सत्यापित करते हैं।
  • लेग-हटर बुद्धिमत्ता: तब उत्पन्न होती है जब फाइबर वातावरण में अपेक्षित पुरस्कार को अधिकतम करने वाले व्यवहार अनुक्रम होते हैं।
• बुद्धिमत्ता, सीखना और चेतना का पृथक्करण:
  • इस परिभाषा के लिए चेतना की आवश्यकता नहीं है; एक नियतात्मक सॉल्वर (deterministic solver) बिना चेतना के उच्च $\varepsilon$-बुद्धिमत्ता प्रदर्शित कर सकता है।
  • इस परिभाषा के लिए सीखने की क्षमता का सख्ती से पालन आवश्यक नहीं है; एक स्थिर प्रणाली जो एक अवधारणा के लिए लगातार सही आउटपुट उत्पन्न करती है, उस डोमेन में बुद्धिमान है, हालांकि सीखना डायक्रोनिक क्षमता (समय के साथ $\varepsilon$ में परिवर्तन) से संबंधित है।
• परिचालन मानदंड: यह परिभाषा तीन वांछनीय गुणों को पूरा करती है:
  • परिचालन योग्य (Operational): दृश्यमान आउटपुट और अविभेद्यता के माध्यम से मापने योग्य।
  • असत्य सिद्ध करने योग्य (Falsifiable): ऐसी प्रणालियाँ जो अवधारणा से विचलित आउटपुट उत्पन्न करती हैं, उन्हें कम बुद्धिमत्ता वाली पहचानित किया जाता है।
  • सामान्यीकरण योग्य (Generalizable): मानव-केंद्रित पूर्वाग्रह के बिना मनुष्यों, मशीनों और जैविक प्रणालियों के लिए लागू।

परिणाम और सैद्धांतिक निहितार्थ
शोध पत्र कोई नया प्रयोगात्मक डेटा प्रस्तुत नहीं करता है बल्कि एक सैद्धांतिक व्युत्पत्ति और तार्किक निरंतरता जाँच प्रदान करता है:

• जनरेटिव फिडेलिटी: ढांचा यह प्रतिपादित करता है कि बुद्धिमत्ता एक अवधारणा के अनुरूप संस्थाओं को उत्पन्न करने की क्षमता है, भले ही वे संस्थाएं अमूर्त हों (जैसे, "परिवहन" के उदाहरण के रूप में घोड़े को देखते हुए कार उत्पन्न करना)।
• सुरक्षा और डेटा गुणवत्ता: लेखक तर्क देते हैं कि चूंकि बुद्धिमत्ता एक अवधारणा के प्रति फिडेलिटी (fidelity) द्वारा परिभाषित है, इसलिए आउटपुट की सुरक्षा और विश्वसनीयता सीधे प्रशिक्षण डेटा (प्रारंभिक संस्थाओं $S$) की गुणवत्ता द्वारा निर्धारित होती है। हानिकारक आउटपुट को कम करने के लिए स्रोत पर ही सुरक्षा-अनुपालन वाली सिंथेटिक डेटा को क्यूरेट करना प्राथमिक विधि के रूप में प्रस्तुत किया गया है।
• सामान्यीकरण: ढांचा अनदेखी अवधारणाओं के लिए सामान्यीकरण का समर्थन करता है। यदि एक नई अवधारणा स्थान $K_B$ को एक ज्ञात स्थान $K_A$ में एक पूर्ण, निष्ठावान और अनिवार्य रूप से अधिसंयोजक फलनटोर (essentially surjective functor) के माध्यम से एम्बेड किया जा सकता है, तो बुद्धिमत्ता सीमाएं (distinguishers) स्थानांतरित की जा सकती हैं, जो सैद्धांतिक रूप से सिस्टम को अनदेखी समस्याओं को संभालने की अनुमति देती है।

महत्व और दावे
शोध पत्र जैविक, कृत्रिम और हाइब्रिड प्रणालियों की तुलना करने के लिए एक "एकल पैमाना" प्रदान करने का दावा करता है। इसका महत्व निम्नलिखित में निहित है:

1. प्रतिमान परिवर्तन: लक्ष्य-उन्मुख या कार्य-विशिष्ट परिभाषाओं से जनरेटिव फिडेलिटी मॉडल की ओर बढ़ना।
2. AGI की नींव: एक ऐसी आधारभूत परिभाषा प्रदान करना जो विविध प्रतिमानों (RL, LLMs, सादृश्य तर्क) को समाहित करने के लिए पर्याप्त सामान्य है और साथ ही परीक्षण योग्य भी है।
3. भावी दिशाएँ: लेखक सुझाव देते हैं कि इस ढांचे को कैटेगरी थ्योरी (Category Theory) का उपयोग करके और परिष्कृत किया जा सकता है, जहाँ अवधारणाएं ऑब्जेक्ट्स हैं और सामान्यीकरण को फलनटर्स (functors) के रूप में मॉडल किया जाता है। उन्होंने यह भी उल्लेख किया कि आगामी कार्य इसे निर्देशित समानता क्षेत्रों (directed similarity fields) और जनरेटिव ऑपरेटर्स पर आधारित एक गणितीय ढांचे में विस्तारित करेगा।

लेखक एक विनम्र रुख बनाए रखते हैं, इसे भविष्य के परिशोधन और अनुभवजन्य सत्यापन के लिए एक "न्यूनतम और मौलिक परिभाषा" के रूप में प्रस्तुत करते हैं, न कि एक अंतिम, व्यापक सिद्धांत के रूप में।