How Psychological Learning Paradigms Shaped and Constrained Artificial Intelligence

प्रदान किए गए शोध पत्र के आधार पर, "मनोवैज्ञानिक शिक्षण प्रतिमानों ने कृत्रिम बुद्धिमत्ता (AI) को कैसे आकार दिया और सीमित किया" का विस्तृत तकनीकी सारांश यहाँ दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र समकालीन कृत्रिम बुद्धिमत्ता (AI) में एक मौलिक संरचनात्मक विफलता की पहचान करता है: बाहरी हस्तक्षेप के बिना वास्तविक नवीन स्थितियों के अनुकूल होने में वर्तमान प्रणालियों की अक्षमता। जबकि AI मॉडल को पुन: प्रशिक्षित या फाइन-ट्यून किया जा सकता है, उनमें वास्तविक सामान्यीकरण (generalization) और व्यवस्थित तर्क (systematic reasoning) की वास्तुशिल्प क्षमता का अभाव है।

लेखकों का तर्क है कि यह कोई इंजीनियरिंग चूक नहीं है, बल्कि उन मनोवैज्ञानिक शिक्षण सिद्धांतों का एक संरचनात्मक परिणाम है जिन्होंने AI प्रतिमानों को प्रेरित किया है। वर्तमान AI आर्किटेक्चर तीन अलग-अलग संज्ञानात्मक कार्यों—तर्क (बुद्धि), उद्देश्य (पहचान), और ज्ञान (स्मृति)—को साझा पैरामीटर स्पेस में उलझा देते हैं। यह उलझाव निम्नलिखित कारणों की ओर ले जाता है:

• विनाशकारी विस्मृति (Catastrophic Forgetting): पुराने ज्ञान को मिटाए बिना नए कार्यों को सीखने में असमर्थता।
• अपारदर्शिता (Opacity): प्रतिनिधित्व (representations) व्याख्या योग्य, संरचित ज्ञान के बजाय सांख्यिकीय संपीड़न (statistical compressions) हैं।
• व्यवस्थितता का अभाव (Lack of Systematicity): मॉडल संयोजी तर्क (compositional reasoning) (जैसे, सरल समस्याओं को जोड़ना) में विफल रहते हैं क्योंकि व्यवस्थित व्यवहार प्रशिक्षण डेटा का एक आकस्मिक गुण है न कि एक वास्तुशिल्प अनिवार्यता।
• सांस्कृतिक पूर्वाग्रह (Cultural Bias): "रटने के शिक्षण" (rote learning) को निष्क्रिय भंडारण के रूप में पश्चिमी न्यूनीकरण ने AI को उस संरचित पूर्व-शिक्षण चरण से वंचित कर दिया है जो समझ बनाने के लिए आवश्यक है।

2. कार्यप्रणाली: वंशावली विश्लेषण और वास्तुशिल्प आलोचना (Methodology: Genealogical Analysis and Architectural Critique)

यह शोध पत्र एक बहुआयामी पद्धतिगत दृष्टिकोण अपनाता है:

• वंशावली अनुरेखण (Genealogical Tracing): लेखक मनोवैज्ञानिक शिक्षण सिद्धांतों से विशिष्ट AI पद्धतियों तक के प्रत्यक्ष वंश का मानचित्रण करते हैं, और उनके द्वारा विरासत में प्राप्त "संरचनात्मक प्रतिबद्धताओं" का विश्लेषण करते हैं।
  • व्यवहारवाद (Behaviorism) $\rightarrow$ सुदृढीकरण शिक्षण (Reinforcement Learning - RL): इसने आंतरिक प्रतिनिधित्व संरचना के बहिष्करण को विरासत में प्राप्त किया।
  • संज्ञानात्मक विज्ञान (Cognitivism) $\rightarrow$ डीप लर्निंग (Deep Learning): इसने आंतरिक प्रतिनिधित्व की अपारदर्शिता और सिद्धांतों के आधार पर अपडेट करने की अक्षमता को विरासत में प्राप्त किया।
  • रचनात्मकता (Constructivism) $\rightarrow$ एकीकृत/संयोजी AI (Integrative/Compositional AI): इसने इस बात के औपचारिक ऑपरेटरों की कमी को विरासत में प्राप्त किया कि ज्ञान का निर्माण कैसे किया जाता है।
• सांस्कृतिक पुनर्मूल्यांकन (Cross-Cultural Reappraisal): यह पत्र रटने के शिक्षण (समझ के बिना याद करना) के पश्चिमी शैक्षणिक दृष्टिकोण को चुनौती देता है। यह इसकी तुलना पूर्वी अवधारणा (विशेष रूप से चीनी/पूर्वी एशियाई) से करता है, जहाँ याद करना समझ के लिए एक संरचित, बहु-चरणीय पूर्ववर्ती है (पुनरावृत्ति $\rightarrow$ स्मरण $\rightarrow$ समझ $\rightarrow$ अभ्यास $\rightarrow$ समीक्षा)।
• सैद्धांतिक आलोचना (Theoretical Critique): व्यवस्थितता बहस (Fodor & Pylyshyn) और Aizawa की आलोचना का उपयोग करते हुए, शोध पत्र का तर्क है कि न तो कनेक्शनिज्म (न्यूरल नेटवर्क) और न ही क्लासिसिज्म (प्रतीकात्मक प्रणाली) अतिरिक्त, गैर-अनिवार्य परिकल्पनाओं के बिना व्यवस्थित व्यवहार को अपनी वास्तुकला का एक आवश्यक परिणाम बना सकते हैं।
• प्रस्तावित ढांचा (Proposed Framework): इन निदानों के आधार पर, लेखक एक नया वास्तुशिल्प ढांचा प्रस्तावित करते हैं जिसे ReSynth कहा जाता है।

3. मुख्य योगदान (Key Contributions)

शोध पत्र का प्राथमिक योगदान ReSynth (Reasoning Synthesis) ढांचा है, जो एक त्रि-आयामी वास्तक्चर (trimodular architecture) है जो संज्ञानात्मक कार्यों को अलग करता है ताकि व्यवस्थित व्यवहार एक डिजाइन अनिवार्यता सुनिश्चित हो सके।

A. त्रि-आयामी वास्तुकला (The Trimodular Architecture)

ReSynth सिस्टम को तीन वास्तुशिल्प रूप से स्वतंत्र घटकों में विभाजित करता है:

1. बुद्धि (The Intellect - Reasoning):
   • एक डोमेन-अज्ञेय (domain-agnostic) इंजन जिसमें सार्वभौमिक ऑपरेटर शामिल हैं: विघटन (Decomposition) (बाधाओं को प्रकट करना) और पुनर्संयोजन (Recomposition) (कॉन्फ़िगरेशन को जोड़ना)।
   • इसमें कोई निश्चित पहचान या उद्देश्य नहीं है, जिससे इसे बिना किसी संशोधन के विभिन्न डोमेन और ज्ञान आधारों पर लागू किया जा सके।
2. पहचान (The Identity - Purpose):
   • दिशा, आवेग और ध्यान तंत्र (attention mechanisms) प्रदान करता है।
   • यह निर्धारित करता है कि बुद्धि क्यों तर्क करती है और किन बाधाओं को प्राथमिकता देती है।
   • वर्तमान संरेखण विधियों (जैसे, RLHF) के विपरीत, जो पोस्ट-हॉक आउटपुट को ठीक करती हैं, 'पहचान' अपस्ट्रीम कार्य करती है, जो पीढ़ी के दौरान ज्ञान संरचना को आकार देती है।
3. स्मृति (The Memory - Knowledge):
   • कच्चे डेटा या संपीड़ित सांख्यिकीय सहसंबंधों के बजाय संरचित बाधा-से-ऑपरेटर हस्ताक्षर (constraint-to-operator signatures) संग्रहीत करता है।
   • सक्रिय स्मृति (Active Memory) (वास्तविक समय कार्यक्षेत्र) और निष्क्रिय स्मृति (Passive Memory) (पूर्व हस्ताक्षरों का विस्तृत भंडार) के बीच अंतर करता है।
   • यह पूर्वी रटने के शिक्षण के विचार को एकीकृत करता है: निष्क्रिय स्मृति "खंडों" (fragments) का एक संरचित भंडार है (जो पुनरावृत्ति के माध्यम से प्राप्त किए जाते हैं) जिन्हें बुद्धि बाद में समझ में बदलने के लिए विघटित और पुनर्संयोजित करती है।

B. पृथक्करण सिद्धांत (The Separation Thesis)

मुख्य सैद्धांतिक दावा यह है कि अनुकूलन क्षमता (adaptability) के लिए तर्क, उद्देश्य और ज्ञान का भौतिक पृथक्करण आवश्यक है।

• वर्तमान मोनोलिथिक मॉडलों में, एक कार्य (जैसे, नया ज्ञान सीखना) को अपडेट करने से अनिवार्य रूप से अन्य कार्य खराब हो जाते हैं (विनाशकारी विस्मृति)।
• ReSynth में, घटकों को स्वतंत्र रूप से अपडेट किया जा सकता है: स्मृति को योगात्मक रूप से बढ़ाया जा सकता है, पहचान को पुनर्गठित किया जा सकता है, और बुद्धि सार्वभौमिक बनी रहती है।

4. परिणाम और साक्ष्य (Results and Evidence)

हालांकि यह शोध पत्र मुख्य रूप से सैद्धांतिक है, यह अपने निदान और प्रस्तावित समाधान का समर्थन करने के लिए मौजूदा अनुभवजन्य साक्ष्यों को संश्लेषित करता है:

• विनाशकारी विस्मृति (Catastrophic Forgetting): Kirkpatrick et al. [27] का हवाला देता है जो दिखाते हैं कि मानक न्यूरल नेटवर्क अनुक्रमिक कार्यों में विफल रहते हैं क्योंकि पैरामीटर उलझे हुए होते हैं। इसके विपरीत, मॉड्यूलर आर्किटेक्चर (Ellefsen et al. [28]) कार्यक्षमता को अलग करके इसे कम करते हैं।
• संयोजी विफलता (Compositional Failure): Mirzadeh et et al. [30] और Li et al. [31] का हवाला देता है जो प्रदर्शित करते हैं कि उन्नत लार्ज लैंग्वेज मॉडल्स (LLMs) भी सरल संयोजी गणित कार्यों में विफल रहते हैं क्योंकि उनमें मध्यवर्ती स्मृति और सक्रियण विचलन (activation drift) की कमी होती है।
• व्यवस्थितता विफलता (Systematicity Failure): FORGE मूल्यांकन ढांचे [38] का संदर्भ देता है, जो दिखाता है कि LLM की सटीकता औपचारिक रूप से सत्यापित नवीन संयोजनों पर नाटकीय रूप से गिर जाती है, जो यह सिद्ध करता है कि बेंचमार्क सफलता अक्सर याद करने (memorization) को दर्शाती है न कि वास्तविक सामान्यीकरण को।
• मॉड्यूलर सफलता (Modular Success): ICLR 2025 समीक्षाओं [39] और प्रोग्रेसिव न्यूरल नेटवर्क [40] का हवाला देता है जो दिखाते हैं कि मॉड्यूलर नेटवर्क मोनोलिथिक समकक्षों की तुलना में बेहतर सैंपल दक्षता और संयोजी शिक्षण प्राप्त करते हैं।

5. महत्व (Significance)

• प्रतिमान परिवर्तन (Paradigm Shift): शोध पत्र का तर्क है कि AGI का मार्ग वर्तमान प्रतिमानों के "बेहतर इंजीनियरिंग" से आगे बढ़कर एक मौलिक वास्तुशिल्प पुनर्गठन की ओर बढ़ने की आवश्यकता है।
• सांस्कृतिक अंतर्दृष्टि (Cultural Insight): यह AI अनुसंधान में एक महत्वपूर्ण दृष्टि दोष को उजागर करता है: रटने के शिक्षण के संबंध में पूर्वी शैक्षणिक परंपराओं की उपेक्षा। रटने को एक संरचित, नियम-शासित चरण के रूप में पुनर्व्याख्या करके, यह शोध पत्र एक नवीन तंत्र प्रदान करता है कि कैसे AI समझ के लिए "कच्चा माल" प्राप्त कर सकता है।
• व्यवस्थितता एक आवश्यकता के रूप में (Systematicity as a Necessity): बुद्धि, पहचान और स्मृति को अलग करके, ReSynth का लक्ष्य व्यवस्थित व्यवहार को एक आवश्यक परिणाम बनाना है, न कि प्रशिक्षण डेटा वितरण का एक आकस्मिक उप-उत्पाद।
• भविष्य की दिशा (Future Direction): यह शोध पत्र ReSynth के भविष्य के अनुभवजन्य सत्यापन, विशेष रूप से सिंटैक्टिक पार्सिंग और अन्य डोमेन के लिए जो संयोजी तर्क की मांग करते हैं, के लिए मंच तैयार करता है, यह सुझाव देते हुए कि "मनोविज्ञान-से-AI" पाइपलाइन का पुनर्मूल्यांकन सांस्कृतिक विविधता और संरचनात्मक मॉड्यूलैरिटी को शामिल करने के लिए किया जाना चाहिए।