Pragmatics beyond humans: meaning, communication, and LLMs
यह शोध पत्र तर्क देता है कि बड़े भाषा मॉडलों का उद्भव पारंपरिक मानव-केंद्रित ढांचों से परे व्यावहारिकता (प्रैगमैटिक्स) के पुनर्संरचना की आवश्यकता को अनिवार्य बनाता है, और इसके बजाय एक मानव-मशीन संचार दृष्टिकोण प्रस्तावित करता है जो मानवीकरण संबंधी पूर्वाग्रहों को संबोधित करता है, 'रेशनल स्पीच एक्ट' जैसे संभाव्य मॉडलों को अपनाता है, और जनरेटिव एआई इंटरैक्शन में "संदर्भ निराशा" (कॉन्टेक्स्ट फ्रस्ट्रेशन) के विरोधाभास का लेखा-जोखा रखता 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
भाषा केवल व्याकरण के नियमों द्वारा व्यवस्थित शब्दों की एक श्रृंखला मात्र नहीं है। यह एक सामाजिक उपकरण है, लोगों के एक साथ कार्य करने, इरादों को साझा करने और बातचीत के जटिल, अनकहे नियमों को समझने का एक तरीका है। दशकों से, भाषाविदों ने अर्थ कैसे काम करता है, इसका मानचित्र बनाने के लिए इसे तीन परतों में विभाजित करने का प्रयास किया है: वाक्य की संरचना, शब्दों का शाब्दिक अर्थ, और वह संदर्भ जिसमें वे बोले जाते हैं। यह तीसरी परत, जिसे 'प्रैगमैटिक्स' (pragmatics) कहा जाता है, वही है जहाँ मानवीय संचार का वास्तविक जादू होता है। यह एक तथ्य के बयान और एक अनुरोध के बीच का अंतर है, या इस बात पर निर्भर करता है कि कौन बोल रहा है, कब और क्यों, जो एक मजाक और एक अपमान के बीच का अंतर तय करता है। अब, एक नए प्रकार की मशीन ने बातचीत में प्रवेश किया है। लार्ज लैंग्वेज मॉडल्स (Large language models), शक्तिशाली कृत्रिम बुद्धिमत्ता प्रणाली जो निबंध लिख सकती हैं, प्रश्नों के उत्तर दे सकती हैं और बातचीत कर सकती हैं, वैज्ञानिकों को इन पुराने मानचित्रों पर पुनर्विचार करने के लिए मजबूर कर रही हैं। केंद्रीय प्रश्न अब केवल यह नहीं है कि क्या ये मशीनें मानव भाषण की नकल कर सकती हैं, बल्कि यह है कि क्या वे अर्थ के सामाजिक नृत्य को समझती भी हैं, या वे केवल एक अनुक्रम में अगले शब्द की भविष्यवाणी कर रही हैं, बिना उसके पीछे के इरादे को समझे।
विट गोवज़्डियाक (Vít Gvoždiak) नामक एक शोधकर्ता ने इस बात पर बारीकी से नज़र डाली है कि हम इन मशीनों का अध्ययन कैसे करते हैं और उन सिद्धांतों का उपयोग कैसे करते हैं जिनका उपयोग हम उन्हें आंकने के लिए करते हैं। उनका तर्क है कि हमारी वर्तमान विधियाँ त्रुटिपूर्ण हैं क्योंकि वे एक चौकोर खूंटे को गोल छेद में फिट करने की कोशिश करती हैं। लंबे समय से, इन मॉडलों का मूल्यांकन करने का मानक तरीका उन्हें मनुष्यों की तरह व्यवहार करने के लिए मजबूर करना रहा है। शोधकर्ता उनसे ऐसे कार्य करने के लिए कहते हैं जिनमें सामाजिक संकेतों को समझने की आवश्यकता होती है, जैसे माफी को पहचानना या व्यंग्य का पता लगाना, और फिर उनके उत्तरों की तुलना उस व्यक्ति से करते हैं जो एक इंसान होता। यदि मशीन सही उत्तर देती है, तो अक्सर इसे "प्रैग्मैटिक कॉम्पिटेंस" (व्यावहारिक सक्षमता) के लिए सराहा जाता है। यदि यह गलत करती है, तो कहा जाता है कि इसमें समझ की कमी है। गोवज़्डियाक का सुझाव है कि यह दृष्टिकोण भ्रामक है। यह मानता है कि क्योंकि मशीन मानव जैसा पाठ उत्पन्न करती है, इसलिए वह मानव जैसी ही सिद्धांतों पर काम कर रही होगी। लेकिन ये मशीनें मानव नहीं हैं; वे इंटरनेट के विशाल डेटा पर प्रशिक्षित सांख्यिकीय इंजन हैं। उन्हें सत्य या सामाजिक सहयोग की उतनी परवाह नहीं होती जितनी लोगों को होती; उन्हें संभाव्यता (probability) की परवाह होती है। उन्हें यह अनुमान लगाने के लिए डिज़ाइन किया गया है कि अगला शब्द सबसे अधिक संभावित कौन सा होगा, न कि एक साझा वास्तविकता को संप्रेषित करने के लिए।
यह शोध पत्र प्रस्तावित करता है कि हम इन मशीनों को मानवीय श्रेणियों में फिट करने की कोशिश करना बंद करें और इसके बजाय उनके साथ हमारे अनूठे तरीके से बातचीत करने के तरीके को देखें। गोवज़्डियाक 'ह्यूमन-मशीन कम्युनिकेशन' (मानव-मशीन संचार) नामक एक नया ढांचा सुझाते हैं। यह दृष्टिकोण पहचानता है कि जब कोई व्यक्ति चैटबॉट से बात करता है, तो वह केवल एक उपकरण से बात नहीं कर रहा होता, न ही वह एक व्यक्ति से बात कर रहा होता है। वे एक हाइब्रिड (मिश्रित) स्थान में होते जहाँ दोनों पक्ष बातचीत को उन तरीकों से आकार देते हैं जो पहले कभी अस्तित्व में नहीं थे। मशीन आदेशों की निष्क्रिय प्राप्तकर्ता नहीं है, और मनुष्य केवल एक उपयोगकर्ता नहीं है। वे एक नए प्रकार के संवाद के सह-षड्यंत्रकारी हैं। लेखक बताते हैं कि वर्तमान शोध का एक बड़ा हिस्सा "प्रतिस्थापनवाद" (substitutionalism) की समस्या से ग्रस्त है। यह तब होता है जब वैज्ञानिक एक विशिष्ट मॉडल, या अंग्रेजी जैसी एक विशिष्ट भाषा से प्राप्त परिणामों को लेते हैं, और मान लेते हैं कि यह सभी कृत्रिम बुद्धिमत्ता और सभी मानव भाषाओं पर लागू होता है। इससे भी सूक्ष्म रूप से, शोधकर्ता अक्सर एक बातचीत में मानव प्रतिभागी को मशीन से बदल देते हैं, यह मानते हुए कि मशीन एक व्यक्ति का स्थान ले सकती है। यह उन्हें इस बात के प्रति अंधा बना देता है कि मनुष्य वास्तव में मशीन से बात करते समय अपने व्यवहार को कैसे बदलते हैं। लोग अलग तरह से बोलना शुरू कर रहे हैं, ऐसे वाक्यांशों और संरचनाओं का उपयोग कर रहे हैं जो एआई (AI) की नकल करते हैं, जिससे एक फीडबैक लूप बन जाता है जहाँ मशीन उतनी ही मनुष्य को प्रभावित करती है जितना मनुष्य मशीन को प्रभावित करता है।
इस शोध पत्र की सबसे उल्लेखनीय खोजों में से एक "कॉन्टेक्स्ट फ्रस्ट्रेशन" (संदर्भ संबंधी हताशा) की अवधारणा है। मानव बातचीत में, संदर्भ वह साझा पृष्ठभूमि ज्ञान है जो हमें एक-दूसरे को समझने में सक्षम बनाता है। यदि मैं कहता हूँ "यहाँ ठंड है," तो आप जानते हैं कि मैं आपसे खिड़की बंद करने के लिए कह रहा हूँ। मशीन के साथ, यह साझा पृष्ठभूमि गायब है। मशीन का कोई व्यक्तिगत इतिहास, कोई भौतिक शरीर और कोई वास्तविक दुनिया का अनुभव नहीं होता। मशीन को समझाने के लिए, मनुष्यों को अतिरिक्त काम करने के लिए मजबूर होना पड़ता है। उन्हें लंबे, विस्तृत प्रॉम्प्ट लिखने पड़ते हैं, यह स्पष्ट रूप से निर्दिष्ट करते हुए कि मशीन को क्या नाटक करना चाहिए, परिवेश क्या है, और बातचीत का लक्ष्य क्या है। यह 'प्रॉम्प्ट इंजीनियरिंग' के रूप में ज्ञात एक घटना है। विडंबना यह है कि जबकि तकनीक अधिक से अधिक जानकारी को संसाधित करने में बेहतर हो रही है—लंबी बातचीत को याद रखना और बड़े दस्तावेज़ों को पढ़ना—मानव उपयोगकर्ता अधिक निराश महसूस करता है। मशीन की विशाल मात्रा में डेटा को संभालने की क्षमता ने साझा समझ की समस्या को हल नहीं किया है; इसने मानव और मशीन के संदर्भ के बीच के अंतर को और अधिक चौड़ा कर दिया है। उपयोगकर्ता लगातार मशीन के लिए संदर्भ का पुल बनाने की कोशिश करता है, केवल यह देखने के लिए कि मशीन की समझ अभी भी मौलिक रूप से उनकी अपनी समझ से भिन्न है।
शोध पत्र निष्कर्ष निकालता है कि हमें यह पूछना बंद करना चाहिए कि क्या मशीनें मानव बन सकती हैं और यह पूछना शुरू करना चाहिए कि वे कैसे अलग हैं। भाषा के पुराने सिद्धांत, जो मानव-से-मानव बातचीत के लिए बनाए गए थे, अब जो हो रहा है उसे समझाने के लिए पर्याप्त नहीं हैं। हमें नए तरीकों के सोचने की आवश्यकता है जो मशीन की अद्वितीय प्रकृति को स्वीकार करते हों। मशीन को उस परीक्षण के आधार पर आंकने के बजाय जो एक व्यक्ति के लिए बनाया गया है, हमें उन अद्वितीय, हाइब्रिड बातचीत का अध्ययन करना चाहिए जो लोगों और मशीनों के बीच होती हैं। ये अंतःक्रियाएं अर्थ के नए रूप, नए सामाजिक नियम और नई चुनौतियां पैदा कर रही हैं। लेखक का सुझाव है कि भाषा अध्ययन का भविष्य इस साझेदारी को समझने में निहित है, जहाँ मनुष्य और मशीनें लगातार एक-दूसरे के अनुकूल हो रहे हैं, एक साझा स्थान बना रहे हैं जो पूरी तरह से मानव भी नहीं है और पूरी तरह से यांत्रिक भी नहीं है, बल्कि कुछ बिल्कुल नया है। लक्ष्य मशीन को हमारे जैसा बनाना नहीं है, बल्कि यह समझना है कि उसकी उपस्थिति में हम कैसे बदल रहे हैं।
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।