💬 NLP

To model human linguistic prediction, make LLMs less superhuman

यह शोध पत्र तर्क देता है कि बड़े भाषा मॉडल मानव पठन व्यवहार को मॉडल करने में कम प्रभावी हो गए हैं क्योंकि उनकी व्यापक प्रशिक्षण डेटा और स्मृति द्वारा संचालित श्रेष्ठ भविष्यवाणात्मक सटीकता मानवीय क्षमताओं से अधिक है, और यह मानव जैसी भाषाई भविष्यवाणी के साथ बेहतर तालमेल बिठाने के लिए मानव-समान स्मृति बाधाओं वाले मॉडल विकसित करने का समर्थन करता है।

मूल लेखक: Byung-Doh Oh, Tal Linzen

प्रकाशित 2026-05-27

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Byung-Doh Oh, Tal Linzen

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

कल्पना कीजिए कि आप एक रहस्यमयी उपन्यास पढ़ रहे हैं। जैसे ही आप पन्ना पलटते हैं, आपका मस्तिष्क लगातार अनुमान लगाता रहता है कि अगला शब्द क्या होगा। यदि कहानी कहती है, "जासूस को पुरानी _______ में एक छिपी हुई चाबी मिली," तो आप "डिब्बे," "दराज," या "तिजोरी" का अनुमान लगा सकते हैं। ये अनुमान केवल रैंडम नहीं हैं; ये इतनी तेज़ी से होते हैं कि वे वास्तव में आपके पढ़ने की गति को बदल देते हैं। यदि आपका अनुमान सही है, तो आप सहजता से आगे बढ़ जाते हैं; यदि वह गलत है, तो आप लड़खड़ा जाते हैं।

लंबे समय तक, वैज्ञानिकों ने सोचा कि लार्ज लैंग्वेज मॉडल्स (LLMs)—चैटबॉट्स के पीछे की सुपर-स्मार्ट AI—मानव पढ़ने के तरीके का अध्ययन करने के लिए बेहतरीन साथी हैं। आखिरकार, ये AI भी अगले शब्द का अनुमान लगाते हैं। लेकिन यहाँ एक मोड़ है: AI जितना अधिक स्मार्ट होकर अनुमान लगाने में सक्षम होता है, यह मानव के पढ़ने के तरीके की नकल करने में उतना ही खराब होता जाता है।

यह शोध पत्र तर्क देता है कि वर्तमान AI मॉडल "सुपरह्यूमन" (मानव से श्रेष्ठ) बन गए हैं, जो वास्तव में इस तुलना को तोड़ देते हैं। वे बहुत अधिक कुशल हैं, और उनकी "सुपरपावर्स" दो प्रकार की याददाश्त हैं जो मनुष्यों के पास नहीं होती हैं।

दो सुपरपावर्स जो AI को "बहुत अच्छा" बनाती हैं

1. फोटोग्राफिक एनसाइक्लोपीडिया (दीर्घकालिक स्मृति)

कल्पना कीजिए कि आप इतिहास की परीक्षा दे रहे हैं। आपको शायद पता हो कि एल्विस प्रेस्ली का जन्म टुपेलो, मिसिसिपी में हुआ था, क्योंकि आपने इसे किसी किताब में पढ़ा था। लेकिन हो सकता है कि आप इसे भूल गए हों, या शायद आपने इसे कभी सीखा ही न हो।

अब, कल्पना कीजिए कि एक छात्र ने अब तक लिखी गई हर एक किताब, वेबसाइट और लेख को पढ़ा है और उनमें मौजूद हर तथ्य को पूरी तरह से याद कर लिया है। वह AI है।

समस्या: जब वाक्य कहता है, "एल्विस का जन्म _______ शहर में हुआ था," तो AI तुरंत जानता है कि उत्तर "टुपेलो" है और उसे 100% निश्चितता है। हालाँकि, एक मानव पाठक को उत्तर बिल्कुल भी पता नहीं हो सकता, या वह जो जानता है उसके आधार पर "मेम्फिस" या "नैशविले" का अनुमान लगा सकता है।
परिणाम: क्योंकि AI उन तथ्यों को जानता है जो मनुष्य नहीं जानते, इसलिए उसका "अनुमान" बहुत अधिक सटीक और विशिष्ट है। वह उस तरह से संघर्ष नहीं करता जैसे एक इंसान करता है। मानव पढ़ने के एक अच्छे मॉडल होने के लिए, AI को तथ्यों के मामले में "कम बुद्धिमान" होने की आवश्यकता है, ताकि वह हमारी तरह चीज़ों को भूल सके।

2. परफेक्ट रिप्ले बटन (अल्पकालिक स्मृति)

अब, कल्पना कीजिए कि आप कई पात्रों वाली एक लंबी कहानी पढ़ रहे हैं। आप पेज 1 पर "बार्नबी" नामक एक पात्र के बारे में एक वाक्य पढ़ते हैं। आप 500 पेज अन्य चीज़ें पढ़ते हैं। फिर, पेज 501 पर, कहानी में फिर से "बार्नबी" का उल्लेख किया जाता है।

मानव: आपका मस्तिष्क एक स्पंज की तरह है जो धीरे-धीरे पानी छोड़ता है। पेज 501 तक, आपको बार्नबी की धुंधली सी याद हो सकती है, लेकिन उसे याद करने के लिए आपको थोड़ी मेहनत करनी पड़ती है। इसमें मानसिक ऊर्जा लगती है।
AI: AI के पास एक "परफेक्ट रिप्ले बटन" है। वह पेज 1 से "बार्नबी" शब्द को तुरंत याद कर सकता है, चाहे बीच में कितने भी शब्द क्यों न आ गए हों। वह कभी नहीं भूलता।
परिणाम: क्योंकि AI कभी नहीं भूलता, इसलिए वह "बार्नबी" की वापसी का बहुत आसानी से अनुमान लगा लेता है। मनुष्य, जिन्हें 500 पेज पहले के विवरण याद रखने में संघर्ष करना पड़ता है, वे हैरान या भ्रमित हो जाते हैं। AI की पूर्ण स्मृति उसे यह दिखाने के लिए मजबूर करती है कि वह कहानी को इंसान से बेहतर समझता है, लेकिन वास्तव में वह सब कुछ पूरी तरह से याद रखकर धोखाधड़ी कर रहा है।

यहाँ "सुपरह्यूमन" होना एक बुरी बात क्यों है

अधिकांश AI अनुप्रयोगों में, सुपरह्यूमन होना बहुत अच्छा है। हम चाहते हैं कि एक डॉक्टर AI मानव डॉक्टर से अधिक जानता हो, या एक शतरंज AI ग्रैंडमास्टर से बेहतर हो।

लेकिन कॉग्निटिव साइंस (मनोविज्ञान/संज्ञानात्मक विज्ञान) में, सुपरहमन होना एक समस्या है। यदि आप एक ऐसा रोबोट बनाना चाहते हैं जो इंसान की तरह व्यवहार करे, तो आप एक ऐसा रोबोट नहीं चाहते जो जीनियस हो; आप एक ऐसा रोबोट चाहते हैं जो वही गलतियाँ करे और जिसकी सीमाएँ भी इंसान जैसी ही हों। यदि AI बहुत अधिक पूर्ण है, तो वह यह समझने के लिए एक उपयोगी मॉडल नहीं रह जाता कि हमारा मस्तिष्क वास्तव में कैसे काम करता है।

हम इसे कैसे ठीक कर सकते हैं?

लेखक सुझाव देते हैं कि हमें उन्हें जानबूझकर सीमित करके "मानव-समान" AI बनाने की आवश्यकता है:

पढ़ने को सीमित करें: AI को ट्रिलियन शब्दों पर प्रशिक्षित करने के बजाय, शायद हमें इसे केवल उतना ही भाषा देनी चाहिए जितना एक बच्चा सुनता है (लगभग 100 मिलियन शब्द)। इससे इसे उन अस्पष्ट तथ्यों को याद करने से रोका जा सकेगा जिन्हें मनुष्य नहीं जानते।
इसे भूलने दें: हमें AI के आर्किटेक्चर को बदलने की आवश्यकता है ताकि यह समय के साथ पुराने शब्दों को भूल जाए, ठीक वैसे ही जैसे हमारा मस्तिष्क करता है। शायद हमें अलग प्रकार के कंप्यूटर नेटवर्क का उपयोग करना चाहिए जो स्वाभाविक रूप से जानकारी को "कम" या खो देते हैं, बजाय वर्तमान प्रकार के जो सब कुछ पूरी तरह से याद रखते हैं।
लक्ष्य बदलें: AI को हमेशा सटीक सही शब्द का अनुमान लगाने के लिए प्रशिक्षित करने के बजाय, हम इसे संभावित शब्दों की एक रेंज (सीमा) का अनुमान लगाने के लिए प्रशिक्षित कर सकते हैं। यदि वाक्य एल्विस के बारे में है, तो AI को "टुपेलो," "मेम्फिस," या "नैशविले" का अनुमान लगाने में सहज होना चाहिए, न कि 100% निश्चित होना चाहिए कि यह टुपेलो है।

निष्कर्ष

यह समझने के लिए कि मनुष्य वास्तव में कैसे पढ़ते हैं और भाषा का अनुमान लगाते हैं, हमें AI को और अधिक स्मार्ट बनाने के बजाय उसे अधिक "मानवीय" बनाने की आवश्यकता है। हमें इसे छोटी स्मृति, कम ध्यान देने की अवधि (attention span) और थोड़ा विस्मृति (भूलने की प्रवृत्ति) देने की आवश्यकता है। केवल तभी यह एक सुपर-जीनियस बनना बंद करेगा और एक वास्तविक व्यक्ति की तरह कार्य करना शुरू करेगा।