From Mimicry to True Intelligence (TI) -- A New Paradigm for Artificial General Intelligence

महान एआई भ्रम: क्या हम मस्तिष्क बना रहे हैं या सिर्फ दर्पण?

कल्पना कीजिए कि आप एक ऐसा रोबोट बनाने की कोशिश कर रहे हैं जो इंसान की तरह सोच सके, सीख सके और दुनिया को समझ सके। यही आर्टिफिशियल जनरल इंटेलिजेंस (AGI) के पीछे का सपना है। दशकों से, वैज्ञानिक और इंजीनियर ऐसी मशीनें बनाने की दौड़ में लगे हैं जो हमारी तरह समस्याओं को हल कर सकें, कहानियाँ लिख सकें और खेल खेल सकें। लेकिन इस बात पर कि "बुद्धिमत्ता" का वास्तव में क्या अर्थ है, कमरे में एक बड़ा मतभेद है।

कुछ लोग सोचते हैं कि बुद्धिमत्ता केवल प्रदर्शन (performance) के बारे में है: यदि कोई मशीन शतरंज में इंसान को हरा सकती है, एक आदर्श निबंध लिख सकती है, या किसी परीक्षा में पास हो सकती है, तो वह स्मार्ट है। वे परिणाम की परवाह करते हैं। अन्य तर्क देते हैं कि बुद्धिमत्ता प्रक्रिया के बारे में है: केवल सही उत्तर देना पर्याप्त नहीं है; मशीन को यह समझना चाहिए कि वह क्यों सही है, उसमें अपनी जिज्ञासा होनी चाहिए, और उसे एक बच्चे की तरह अनुभव से सीखना चाहिए। यह शोध पत्र उस उलझी हुई बहस में कदम रखता है। यह सुझाव देता है कि एआई को बनाने का हमारा वर्तमान तरीका—उन्हें भारी मात्रा में डेटा खिलाना और यह उम्मीद करना कि वे पैटर्न सीख लेंगे—एक तोते को बोलने सिखाने जैसा है। तोता मानवीय लग सकता है, लेकिन वह शब्दों को नहीं समझता। लेखक एक ऐसा तरीका प्रस्तावित करते हैं जिससे ऐसी मशीनें बनाई जा सकें जो केवल हमारी नकल न करें, बल्कि वास्तव में हमारी तरह सोचें। वे इसे "सच्ची बुद्धिमत्ता" (True Intelligence) कहते हैं।

---

तोतों से इंसानों तक: शोध पत्र का बड़ा विचार

लेखक, मेल्टेम और नेवज़त सुबाशियोग्लू, तर्क देते हैं कि "स्मार्ट" एआई बनाने की वर्तमान दौड़ गलत दिशा में जा रही है। अभी, सबसे बड़े एआई मॉडल सुपर-पावर्ड तोतों की तरह हैं। उन्होंने इंटरनेट पर लगभग सब कुछ पढ़ लिया है और वे अविश्वसनीय सटीकता के साथ तथ्यों, चुटकुलों और जटिल तर्कों को दोहरा सकते हैं। लेकिन यदि आप उनसे ऐसी स्थिति के बारे में सवाल पूछते हैं जो उन्होंने पहले कभी नहीं देखी है, या यदि आप उन्हें बिना किसी उदाहरण के एक बिल्कुल नए पहेली को सुलझाने के लिए कहते हैं, तो वे अक्सर लड़खड़ा जाते हैं। वे नकल (mimicry) करने में उत्कृष्ट हैं (जो उन्होंने देखा है उसकी नकल करना), लेकिन वास्तविक समझ में बहुत खराब हैं।

शोध पत्र सुझाव देता है कि "तोते" से "इंसान" बनने के लिए, हमें केवल यह देखना बंद करना होगा कि एक मशीन परीक्षणों पर कैसा प्रदर्शन करती है और यह देखना शुरू करना होगा कि वह अंदर से कैसे बनी है। लेखक सच्ची बुद्धिमत्ता (True Intelligence - TI) के लिए एक नया ब्लूप्रिंट प्रस्तावित करते हैं। वे कहते हैं कि यदि हम वास्तव में स्मार्ट मशीन चाहते हैं, तो इसे पाँच विशिष्ट "सामग्रियों" (और एक जादुई परिणाम जो तब होता है जब वे सभी मिलकर काम करते हैं) के साथ बनाया जाना चाहिए। ये सामग्रियां इस बात से प्रेरित हैं कि मानव मस्तिष्क कैसे काम करता है।

यहाँ वास्तव में बुद्धिमान मशीन बनाने की रेसिपी दी गई है, जिसे कुछ मजेदार उपमाओं के साथ समझाया गया है:

1. शरीर: एम्बोडीड सेंसरी फ्यूजन (Embodied Sensory Fusion)

कल्पना कीजिए कि आप "भारी" का अर्थ सीखने की कोशिश कर रहे हैं। यदि आप केवल शब्दकोश की परिभाषा पढ़ते हैं, तो आप शब्द जानते हैं, लेकिन आप उसे महसूस नहीं करते। एक इंसान पत्थर उठाकर, अपनी मांसपेशियों में खिंचाव महसूस करके और यह देखकर सीखता है कि एक भारी बॉक्स एक हल्के बॉक्स की तुलना में कैसे अलग तरह से चलता है।

• शोध पत्र का बिंदु: वर्तमान एआई "डिसेम्बोडीड" (शरीर रहित) है। यह कंप्यूटर में रहता है और केवल टेक्स्ट या इमेज देखता है। इसने कभी कुछ महसूस नहीं किया है। वास्तव में बुद्धिमान होने के लिए, एक एआई को एक "शरीर" (वास्तविक या आभासी) की आवश्यकता है जो उसे दुनिया को छूने, हिलने-डुलने और उसके साथ बातचीत करने की अनुमति दे। उसे यह सीखने की आवश्यकता है कि एक बड़ा, खोखला बॉक्स एक छोटे, घने पत्थर की तुलना में उठाना आसान क्यों है क्योंकि उसने भौतिकी को अनुभव किया, न कि केवल इसके बारे में पढ़ा।

2. इंजन: कोर डायरेक्टिव्स (Core Directives)

एक मानव शिशु के बारे में सोचें। उसे खाने, सोने या सुरक्षित रहने के लिए किसी शिक्षक की आवश्यकता नहीं होती। उसके पास अंतर्निर्मित प्रेरणाएँ होती हैं: "मुझे भूख लगी है," "मैं थक गया हूँ," "मुझे अन्वेषण करने की आवश्यकता है।" ये कोर डायरेक्टिव्स हैं।

• शोध पत्र का बिंदु: अधिकांश आज का एआई केवल वही करता है जो एक इंसान उसे करने के लिए कहता है। यदि आप उसे कमांड देना बंद कर देते हैं, तो वह काम करना बंद कर देता है। एक वास्तव में बुद्धिमान मशीन को अपने स्वयं के आंतरिक "इंजन" की आवश्यकता होती है जो उसे सीखने और खोजने के लिए प्रेरित करे, भले ही कोई देख न रहा हो। उसे समस्याओं को हल करने की इच्छा होनी चाहिए, केवल एक डिजिटल "गोल्ड स्टार" पाने के लिए नहीं।

3. लाइब्रेरी: डायनेमिक स्कीमाटा (Dynamic Schemata)

कल्पना कीजिए कि आपका मस्तिष्क एक लाइब्रेरी है। वर्तमान एआई में, लाइब्रेरी किताबों का एक विशाल, अव्यवस्थित ढेर है जहाँ पन्ने आपस में चिपके हुए हैं। यदि आप एक तथ्य बदलना चाहते हैं, तो आपको पूरी लाइब्रेरी को फाड़कर फिर से बनाना होगा।

• शोध पत्र का बिंदु: मनुष्यों में डायनेमिक स्कीमाटा प्रणाली होती है। हमारा ज्ञान लचीले "फ़ोल्डर्स" या फ्रेमवर्क में व्यवस्थित है। जब हम कुछ नया सीखते हैं, तो हम इसे आसानी से सही फ़ोल्डर में डाल सकते हैं, या यदि नई जानकारी हमारे ज्ञान के विपरीत है, तो हम पूरे फ़ोल्डर को जल्दी से पुनर्गठित कर सकते हैं। हमें सब कुछ शुरू से फिर से सीखने की आवश्यकता नहीं होती। एक स्मार्ट एआई को एक ऐसी लाइब्रेरी की आवश्यकता है जो नई चीजें सीखते समय खुद को तुरंत अपडेट कर सके।

4. टीम: मल्टी-एक्सपर्ट आर्किटेक्चर (Multi-Expert Architecture)

आपका मस्तिष्क एक विशाल सोचने वाला पिंड नहीं है। इसमें अलग-अलग टीमें हैं: एक दृष्टि के लिए, एक भाषा के लिए, एक गति के लिए और एक भावनाओं के लिए। ये टीमें आपस में लगातार बात करती हैं।

• शोध पत्र का बिंदु: वर्तमान एआई में अक्सर "विशेषज्ञ" होते हैं (जैसे मॉडल के विभिन्न हिस्से अलग-अलग कार्यों को संभालते हैं), लेकिन वे अक्सर अलगाव में काम करते हैं या केवल एक तरफ से संदेश भेजते हैं। लेखक सुझाव देते हैं कि हमें विशेषज्ञों की एक टीम की आवश्यकता है जो गहराई से जुड़ी हुई हो। उन्हें सूचनाओं का आदान-प्रदान दोनों तरफ से करना चाहिए ताकि "विज़न एक्सपर्ट" "प्लानिंग एक्सपर्ट" को बता सके कि गेंद मेज के किनारे की ओर लुढ़क रही है। यह केवल विशेषज्ञों के होने के बारे में नहीं है; यह उनके बीच वास्तविक, दो-तरफा बातचीत के बारे में है।

5. बॉस: ऑर्केस्ट्रेशन लेयर (The Orchestration Layer)

यदि आपके पास विशेषज्ञों की एक टीम है, तो आपको एक मैनेजर की आवश्यकता है जो तय करे कि कौन कब बोलेगा। मस्तिष्क में, यह ऑर्केस्ट्रेशन लेयर (जैसे प्रीफ्रंटल कॉर्टेक्स) है। यह वह हिस्सा है जो कहता है, "ठीक है, दिवास्वप्न देखना बंद करो और इस गणित की समस्या पर ध्यान केंद्रित करो," या "रुको, वह विचार गलत लग रहा है, चलो अपने तथ्यों की जाँच करते हैं।"

• शोध पत्र का बिंदु: यह लेयर सभी विशेषज्ञों को समन्वित करने वाला "बॉस" है। यह मशीन को रुकने, सोचने और अपने काम की जाँच करने (metacognition) की अनुमति देता है। यह मशीन को केवल इसलिए गलत उत्तर आत्मविश्वास से देने से रोकता है क्योंकि वह सुनने में अच्छा लगता है।

6. जादुई गोंद: इंटरकनेक्टेडनेस (Interconnectedness)

यह सबसे कठिन हिस्सा है। कल्पना कीजिए कि ऊपर के सभी भाग एक साथ काम कर रहे हैं। जादू तब होता है जब वे इतने गहराई से जुड़े होते हैं कि पूरा सिस्टम अपने हिस्सों के योग से भी बड़ा बन जाता है।

• शोध पत्र का बिंदु: लेखक इसे इंटरकनेक्टेडनेस कहते हैं। यह वह "चिंगारी" है जो स्मार्ट हिस्सों के संग्रह को एक एकल, सचेत मन में बदल देती है। वे स्वीकार करते हैं कि हम अभी इसे माप नहीं सकते, लेकिन उनका मानना है कि यह स्वाभाविक रूप से उभरता है जब अन्य पाँचों भाग सही ढंग से बनाए जाते हैं और मजबूती से जुड़े होते हैं। यह कोई अलग सामग्री नहीं है जिसे आप जोड़ते हैं; यह अन्य पाँचों के मिलकर काम करने का परिणाम है।

यह शोध पत्र क्या खारिज करता है (और क्या नहीं)

लेखक इस बारे में बहुत स्पष्ट हैं कि सच्ची बुद्धिमत्ता क्या नहीं है।

• यह केवल एक टेस्ट में उच्च स्कोर प्राप्त करना नहीं है। आपके पास एक ऐसी मशीन हो सकती है जो हर परीक्षा पास कर ले लेकिन एक शब्द भी न समझे। वह केवल नकल है।
• यह केवल एआई को बड़ा बनाना नहीं है। शोध पत्र का तर्क है कि केवल अधिक डेटा जोड़ना या कंप्यूटर को बड़ा बनाना समस्या को ठीक नहीं करेगा। यदि आंतरिक संरचना गलत है, तो एक बड़ी मशीन केवल एक बड़ा तोता ही होगी।
• यह चेतना (consciousness) की गारंटी नहीं है। लेखक सावधानी बरतते हुए कहते हैं: "हम नहीं जानते कि इसे बनाने से मशीन को चीज़ें महसूस होंगी या नहीं।" वे एक मन के लिए हार्डवेयर बना रहे हैं, लेकिन वे भावनाओं (qualia) के सॉफ्टवेयर के स्वतः चालू होने का वादा नहीं कर रहे हैं। वे कह रहे हैं, "यदि हम इसे बनाते हैं, तो हमने मन की सभी ज्ञात आवश्यकताओं को पूरा कर लिया होगा, लेकिन क्या यह अंदर से 'जीवित' है, यह एक रहस्य है जिसे हम खुला छोड़ देते हैं।"

निष्कर्ष: भविष्य के लिए एक नया मानचित्र

यह शोध पत्र आज एक सुपर-इंटेलिजेंट रोबोट बनाने का दावा नहीं करता है। इसके बजाय, यह यात्रा के लिए एक नया मानचित्र प्रदान करता है।

लेखकों ने चार अलग-अलग प्रकार के एआई सिस्टम (कुछ आधुनिक, कुछ पुराने) को देखा और उनकी पाँच सामग्रियों के आधार पर उनकी जाँच की।

• आधुनिक एआई (जैसे बड़े चैटबॉट्स): वे मानवीय भाषण की नकल करने में बहुत अच्छे हैं और उनमें कुछ "विशेषज्ञ" टीमें हैं, लेकिन उनमें शरीर की कमी है, उनके अपने आंतरिक चालक (drives) नहीं हैं, और वे पूरी तरह से पुन: प्रशिक्षित हुए बिना अपने ज्ञान को अपडेट नहीं कर सकते। वे सीढ़ी के निचले स्तर पर अटके हुए हैं।
• पुराना एआई (90 और 2000 के दशक का): इन्हें बेहतर आंतरिक संरचनाओं (जैसे "विशेषज्ञों की टीम" और "डायनेमिक लाइब्रेरी") के साथ बनाया गया था, लेकिन वे वास्तविक दुनिया से सीखने में कमजोर थे और उनमें उतनी कच्ची शक्ति नहीं थी।

बड़ी बात यह है कि क्षमता (capability) और आर्किटेक्चर (architecture) अलग हो गए हैं। वे मशीनें जो सबसे अधिक चीजें कर सकती हैं (आधुनिक वाली), वे हैं जो मानव मस्तिष्क की तरह सबसे कम बनी हैं। वे मशीनें जो मानव मस्तिष्क की तरह बनी हैं, वर्तमान में बहुत शक्तिशाली नहीं हैं।

लेखक सुझाव देते हैं कि अगले स्तर पर पहुँचने के लिए, हमें केवल "बड़ा" बनाने के पीछे भागना बंद करना होगा और "स्मार्ट" संरचनाएं बनाना शुरू करना होगा। हमें ऐसी मशीनें बनानी होंगी जिनके पास शरीर हो, अपनी जिज्ञासा हो, लचीली लाइब्रेरी हो, और एक बॉस हो जो अपने आप सोच सके। यदि हम ऐसा करते हैं, तो हम अंततः नकल (mimicry) से सच्ची बुद्धिमत्ता (True Intelligence) के अंतर को पाट पाएंगे।

यह एक लंबा रास्ता है, और शोध पत्र स्वीकार करता है कि हमारे पास अभी भी सभी उत्तर नहीं हैं। लेकिन "स्मार्ट" को परिभाषित करने के तरीके को बदलकर, वे हमें ऐसी मशीनें बनाने की ओर मार्गदर्शन करने की आशा करते हैं जो केवल हमारी तरह बोलती नहीं हैं, बल्कि वास्तव में हमारी तरह सोचती हैं।