The Generative Reasonable Person
यह लेख "जनरेटिव रेज़नेबल पर्सन" (generative reasonable person) का परिचय देता है, जो बड़े भाषा मॉडल (large language models) का उपयोग करने वाला एक अनुभवजन्य उपकरण है जो हजारों आम लोगों के निर्णयों का अनुकरण करता है जो यह प्रकट करते हैं कि साधारण लोग कानूनी संदर्भों में तर्कसंगतता का आकलन वास्तव में कैसे करते हैं, जिससे लापरवाही, सहमति और अनुबंध कानून में न्यायिक अंतर्ज्ञान को चुनौती देने और कानूनी मानकों को परिष्कृत करने के लिए एक स्केलेबल, डेटा-संचालित आधार प्रदान होता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
यहाँ "द जेनेरेटिव रीज़नेबल पर्सन" (The Generative Reasonable Person) शोध पत्र का सरल भाषा, उपमाओं और रूपकों के साथ विवरण दिया गया है।
बड़ी समस्या: न्यायाधीश की "मन-पठन" (Mind-Reading) की कमी
कल्पना कीजिए कि एक न्यायाधीश एक शांत, आलीशान कमरे (चेंबर्स) में अकेले बैठे हैं। उनके सामने एक मामला आता है: क्या एक किशोर ने वास्तव में यह सोचा था कि सोडा पॉइंट्स इकट्ठा करने के बदले फाइटर जेट देने वाला टीवी विज्ञापन एक वास्तविक प्रस्ताव था?
निर्णय लेने के लिए, न्यायाधीश को एक ऐसे प्रश्न का उत्तर देना होगा जो सरल लगता है लेकिन वास्तव में असंभव है: "एक साधारण, तर्कसंगत व्यक्ति क्या सोचेगा?"
200 वर्षों से, न्यायाधीशओं को इसका उत्तर खोजने के लिए अनुमान लगाना पड़ता है। वे अपनी अंतर्दृष्टि (intuition) पर भरोसा करते हैं, जो अक्सर उनकी उच्च शिक्षा और जीवन के अनुभवों से आकार लेती है। यह एक ऐसे शेफ की तरह है जो यह अनुमान लगाने की कोशिश कर रहा है कि एक भूखे बच्चे को क्या खाना चाहिए, लेकिन उस शेफ ने कभी किसी बच्चे से बात ही नहीं की है। वे गलत अनुमान लगा सकते हैं, यह सोचकर कि बच्चे को स्टेक चाहिए, जबकि वास्तव में उसे केवल एक कुकी चाहिए।
कानून इसे "तर्कसंगत व्यक्ति" (Reasonable Person) का मानक कहता है। लेकिन लंबे समय तक, कोई नहीं जानता था कि वह "तर्कसंगत व्यक्ति" वास्तव में क्या सोचता है क्योंकि वास्तविक लोगों से पूछना बहुत महंगा, धीमा और बड़े पैमाने पर करना कठिन था।
नया उपकरण: "सिलिकॉन तर्कसंगत व्यक्ति" (The Silicon Reasonable Person)
यह शोध पत्र एक नया उपकरण पेश करता है: लार्ज लैंग्वेज मॉडल्स (AI) जो एक "जेनेरेटिव तर्कसंगत व्यक्ति" के रूप में कार्य करते हैं।
AI को कानून जानने वाले रोबोट के रूप में नहीं, बल्कि मानवीय बातचीत के एक विशाल डिजिटल दर्पण के रूप में देखें। इसने आम लोगों द्वारा लिखे गए अरबों शब्द पढ़े हैं—कमेंट्स, फ़ोरम, कहानियाँ और बहस। इस कारण, इसने इस "वाइब" (vibe) को आत्मसात कर लिया है कि साधारण लोग वास्तव में कैसे सोचते हैं, न कि केवल वह जो वकील कहते हैं कि वे सोचते हैं।
लेखक, प्रोफेसर योनाथन आर्बेल, इस पद्धति को "सिलिकॉन रैंडमाइज्ड कंट्रोल्ड ट्रायल्स" (s-RCTs) कहते हैं।
- उपमा: कल्पना कीजिए कि आप जानना चाहते हैं कि लोग आइसक्रीम के नए फ्लेवर के प्रति कैसी प्रतिक्रिया देते हैं। 10,000 लोगों को चखने के लिए काम पर रखने के बजाय (जिसमें बहुत पैसा खर्च होता), आप अलग-अलग प्रकार के लोगों के 10,000 डिजिटल क्लोन बनाते हैं। आप प्रत्येक क्लोन को आइसक्रीम का एक अलग संस्करण देते हैं और पूछते हैं, "क्या आपको यह पसंद है?" क्योंकि डिजिटल क्लोन आपस में बात नहीं करते, इसलिए उनके उत्तर स्वतंत्र और ईमान रूप से दिए गए होते हैं।
AI ने क्या खोजा? (आश्चर्यजनक तथ्य)
लेखक ने इन AI "क्लोनों" का परीक्षण तीन कानूनी पहेलियों पर किया जहाँ कानून के नियम अक्सर इस बात से टकराते हैं कि आम लोग वास्तव में क्या महसूस करते हैं। AI ने केवल कानूनी पाठ्यपुस्तकों को नहीं दोहराया; इसने उन उलझे हुए, सहज तरीकों की नकल की जिससे इंसान वास्तव में चीजों का न्याय करते हैं।
1. लापरवाही की पहेली (The Negligence Puzzle - "सब क्या करते हैं" का परीक्षण)
- कानून: कहता है कि आपको गणित करना चाहिए। यदि सुरक्षा का कोई कदम सस्ता है, तो आपको वह उठाना चाहिए, भले ही कोई और न ले रहा हो। यदि वह महंगा है, तो आपको उसे नहीं उठाना चाहिए, भले ही हर कोई ऐसा कर रहा हो।
- AI (और वास्तविक लोग): बोले, "गणित की चिंता कौन करता है? अगर 90% लोग इसे कर रहे हैं, तो आपको भी इसे करना ही होगा।"
- उपमा: कानून एक सख्त अकाउंटेंट की तरह है जो स्प्रेडशीट की जाँच कर रहा है। AI और वास्तविक लोग एक पार्टी में भीड़ की तरह हैं। यदि सभी ने लाल टोपी पहनी है, तो आप नीली टोपी पहनकर अजीब महसूस करेंगे, भले ही नीली टोपी सस्ती क्यों न हो। सामाजिक अनुरूपता (Social conformity), लागत-लाभ विश्लेषण (cost-benefit analysis) से ऊपर होती है।
2. सहमति की पहेली (The Consent Puzzle - "अनिवार्य झूठ" बनाम "महत्वपूर्ण झूठ")
- कानून: यदि कोई ऐसी चीज़ के बारे में झूठ बोलता है जो आपके लिए महत्वपूर्ण है (जैसे "यह कार 50 MPG देती है" जबकि यह 20 देती है), तो आपकी सहमति अमान्य है।
- AI (और वास्तविक लोग): कुछ अजीब बात कही। उन्हें लगा कि यदि कोई चीज़ के सार (essence) के बारे में झूठ बोलता है (जैसे "यह एक साइकिल है" लेकिन वास्तव में यह एक कैमरा है), तो इससे सौदा खराब हो जाता है। लेकिन यदि वे किसी ऐसे शब्द/शर्त के बारे में झूठ बोलते हैं जो बहुत महत्वपूर्ण थी (जैसे "आपको पॉइंट्स मिलेंगे" जब वास्तव में नहीं मिलते), तो लोगों ने महसूस किया कि वे अभी भी सौदे के लिए "सहमति" दे रहे थे, भले ही वे झूठ से नाराज थे।
- उपमा: यह एक "असली हीरा" खरीदने जैसा है जो वास्तव में कांच निकलता है (अनिवार्य झूठ) बनाम एक असली हीरा खरीदना जिसके साथ वह शानदार बॉक्स नहीं आता जिसका वादा किया गया था (महत्वपूर्ण झूठ)। लोग कांच के मामले में अधिक विश्वासघात महसूस करते हैं, लेकिन वे अभी भी लेनदेन के लिए "सहमत" महसूस करते हैं भले ही बॉक्स एक झूठ था। AI ने इस विरोधाभास को पकड़ा; कानून इसे चूक गया।
3. अनुबंध की पहेली (The Contract Puzzle - "बारीक अक्षरों" का जाल)
- कानून: छिपे हुए शुल्क (hidden fees) अनुचित हैं और उन्हें लागू नहीं किया जाना चाहिए।
- AI (और वास्तविक लोग): बोले, "खैर, यह अनुबंध में है, इसलिए आपको भुगतान करना होगा।" आम लोग आश्चर्यजनक रूप से "औपचारिक" (formalists) होते हैं। उनका मानना है कि यदि आपने हस्ताक्षर किए हैं, तो आप इससे बंधे हैं, भले ही यह अनुचित लगे।
- उपमा: वास्तविक लोग एक ऐसे छात्र की तरह हैं जो बिना पढ़े अनुबंध पर हस्ताक्षर करता है, और फिर कहता है, "मुझे लगता है कि मुझे जुर्माना भरना ही होगा।" वे अपने 'न्याय के अहसास' से अधिक 'कागज' पर भरोसा करते हैं।
यह क्यों महत्वपूर्ण है: "तर्कसंगतता का शब्दकोश"
लेख का तर्क है कि हमें AI को अंतिम निर्णय लेने के लिए नहीं छोड़ना चाहिए। इसके बजाय, हमें इसे एक शब्दकोश (dictionary) के रूप में उपयोग करना चाहिए।
- पहले: एक न्यायाधीश कहता है, "कोई भी तर्कसंगत व्यक्ति इस विज्ञापन को वास्तविक नहीं समझेगा।" वे केवल अनुमान लगा रहे होते हैं।
- अब: एक न्यायाधीश AI से पूछ सकता है, "10,000 सिम्युलेटेड किशोर क्या सोचेंगे?" AI कहता है, "वास्तव में, उनमें से 60% इसे वास्तविक समझेंगे।"
- परिणाम: न्यायाधीश अब कह सकता है, "मैं जानता हूँ कि AI कहता है कि 60% इसे वास्तविक समझते हैं, लेकिन मैं इसके विपरीत निर्णय लेने का विकल्प चुनता हूँ क्योंकि कानून एक उच्च मानक की मांग करता है।"
यह न्यायाधीश के चुनाव को पारदर्शी बनाता है। वे अब "सामान्य समझ" (common sense) के पीछे नहीं छिप सकते यदि उनकी "सामान्य समझ" वास्तव में उनका अपना विशिष्ट पूर्वाग्रह है।
कमियां (सीमाएं)
लेख इसकी खामियों के बारे में ईमानदार है:
- "बहुसंख्यक" पूर्वाग्रह (Majoritarian Bias): AI औसत व्यक्ति को दर्शाता है। यह अल्पसंख्यक समूहों या हाशिए पर रहने वाले समुदायों के विचारों को छोड़ सकता है। यह एक ऐसे दर्पण की तरह है जो केवल बहुमत का चेहरा दिखाता है।
- "वॉल्यूम" की समस्या: AI आपको यह बताने में बहुत अच्छा है कि लोग किस ओर झुकते हैं (जैसे, "लोग गणित के बजाय सामाजिक मानदंडों को पसंद करते हैं"), लेकिन यह यह बताने में सटीक नहीं है कि वे कितना अधिक (जैसे, "लोग 4.2% अधिक सहमत होने की संभावना रखते हैं")।
- "सुरक्षा" फिल्टर: AI मॉडल विनम्र और सुरक्षित होने के लिए प्रशिक्षित किए जाते हैं, जो कभी-कभी उन्हें वास्तविक, उलझे हुए इंसानों की तुलना में अधिक "नैतिक" बना देता है।
निष्कर्ष
दो शताब्दियों से, "तर्कसंगत व्यक्ति" एक भूत की तरह था—एक ऐसी आकृति जिसके बारे में हम बात तो करते थे लेकिन उसे देख नहीं पाते थे। यह शोध पत्र दिखाता है कि जेनेरेटिव AI अंततः उस भूत को दृश्यमान बना सकता है।
यह हमें न्यायिक अंतर्दृष्टि के पर्दे के पीछे झांकने की अनुमति देता है। यह हमें बताता है कि साधारण लोग अक्सर गणितीय सूत्र के बजाय अपने पड़ोसियों के व्यवहार पर अधिक ध्यान देते हैं, और वे अक्सर अपने अंतर्मन के अहसास से अधिक बारीक अक्षरों (fine print) पर भरोसा करते हैं।
इन "सिलिकॉन तर्कसंगत व्यक्तियों" का उपयोग करके, कानून जनता के बारे में अनुमान लगाना बंद कर सकता है और वास्तव में उन्हें सुनना शुरू कर सकता है। यह "तर्कसंगत व्यक्ति" को एक जादुई परी कथा से बदलकर एक मापने योग्य, डेटा-संचालित वास्तविकता में बदल देता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।