From Human Cognition to Neural Activations: Probing the Computational Primitives of Spatial Reasoning in LLMs
यह शोधपत्र कार्य को तीन संज्ञानात्मक मूल तत्वों (cognitive primitives) में विभाजित करके और यांत्रिक विश्लेषणों का उपयोग करके बहुभाषी एलएलएम (LLMs) में स्थानिक तर्क (spatial reasoning) के आंतरिक तंत्रों की जांच करता है, जिससे यह प्रकट होता है कि हालांकि मॉडल क्षणिक और खंडित स्थानिक सूचनाओं को एनकोड करते हैं जो व्यवहार को कारणवश प्रभावित कर सकती हैं, लेकिन उनमें मजबूत, सर्व-उद्देश्यीय स्थानिक प्रतिनिधित्वों का अभाव है और इसके बजाय वे संदर्भ-निर्भर पथों पर निर्भर करते हैं जो विभिन्न भाषाओं में यांत्रिक अपभ्रंश (mechanistic degeneracy) प्रदर्शित करते हैं।
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 आपके पास एक बहुत ही बुद्धिमान रोबोट मित्र है जिसने लगभग हर लिखी गई किताब पढ़ ली है। आप उससे पूछते हैं, "यदि एक बिल्ली मैट पर है, और मैट मेज के नीचे है, तो बिल्ली कहाँ है?" रोबोट सही उत्तर देता है: "मेज के नीचे।"
लंबे समय तक, हमने यह माना कि रोबोट ऐसा इसलिए कर रहा है क्योंकि वह अपने "दिमाग" में एक 3D मानसिक मानचित्र (mental map) बना रहा है, ठीक वैसे ही जैसे एक इंसान करता है। लेकिन यह नया शोध पत्र एक डरावना सवाल पूछता है: क्या रोबोट वास्तव में अपने मन में कमरे को देख रहा है, या वह केवल उन शब्दों के आधार पर अनुमान लगा रहा है जो उसने पहले सुने हैं?
लेखकों ने केवल रोबोट से "उत्तर क्या है?" पूछना बंद करने का निर्णय लिया और यह देखने के लिए "ब्रेन सर्जरी" शुरू की कि उसके सर्किट के भीतर वास्तव में क्या हो रहा है।
यहाँ उनके निष्कर्षों का विवरण दिया गया है, जिसमें रोजमर्रा के उपमाओं (analogies) का उपयोग किया गया है:
1. तीन "मानसिक जिम" अभ्यास
रोबोट का परीक्षण करने के लिए, शोधकर्ताओं ने उसे केवल यादृच्छिक पहेलियाँ नहीं दीं। उन्होंने मानव मस्तिष्क द्वारा स्थान (space) को संभालने के तरीके पर आधारित तीन विशिष्ट "जिम वर्कआउट" डिजाइन किए, लेकिन इनमें से वास्तविक दुनिया का संदर्भ हटा दिया गया था (कोई बिल्ली या मेज नहीं, केवल अमूर्त आकृतियाँ और दिशाएँ):
- डिटेक्टिव गेम (संबंधपरक तर्क - Relational Reasoning): "A, B के बाईं ओर है, B, C के ऊपर है। C के सापेक्ष A कहाँ है?"
- परीक्षण: क्या रोबोट एक सुसंगत चित्र बनाने के लिए बिंदुओं को जोड़ सकता है?
- स्पिन क्लास (परिप्रेक्ष्य परिवर्तन - Perspective Transformation): "आप उत्तर की ओर देख रहे हैं। दाईं ओर मुड़ें, फिर घूमकर वापस आ जाएँ। अब आप किस दिशा में देख रहे हैं?"
- परीक्षण: क्या रोबोट चक्कर खाए बिना अपने दृष्टिकोण को मानसिक रूप से घुमा सकता है?
- जीपीएस वॉक (स्थानिक प्रोग्राम निष्पादन - Spatial Program Execution): "(0,0) से शुरू करें। 3 कदम आगे चलें, 2 कदम दाईं ओर चलें, फिर पलट जाएँ।"
- परीक्षण: क्या रोबोट चलते समय अपनी स्थिति का हिसाब रख सकता है?
उन्होंने यह देखने के लिए ये परीक्षण अंग्रेजी, चीनी और अरबी में चलाए कि क्या रोबोट का "दिमाग" भाषा के आधार पर अलग तरह से काम करता है।
2. "फ्लैशलाइट" की खोज (सोच कहाँ होती है)
शोधकर्ताओं ने रोबोट के न्यूरॉन्स की परतों में एक "फ्लैशलाइट" (एक तकनीक जिसे प्रोबिंग कहा जाता है) चमकाकर इन पहेलियों को हल करते समय देखा कि क्या हो रहा है।
- निष्कर्ष: उन्होंने पाया कि रोबोट वास्तव में एक मानसिक मानचित्र बनाता है, लेकिन यह एक टिमटिमाती मोमबत्ती की तरह है।
- उपमा: कल्पना कीजिए कि रोबोट का दिमाग एक लंबा गलियारा है।
- गलियारे के बीच में (मध्य परतें), रोबोट कमरे का एक बहुत स्पष्ट, उज्ज्वल 3D मॉडल बनाता है। वह जानता है कि सब कुछ कहाँ है।
- लेकिन जैसे ही जानकारी गलियारे के अंत की ओर (अंतिम परतें जहाँ उत्तर बोला जाता है) बढ़ती है, रोशनी बुझ जाती है। 3D मॉडल धुंधला हो जाता है।
- जब तक रोबट अपना उत्तर देता है, वह मानचित्र को भूल चुका होता है और केवल शब्दों के आधार पर एक "अंतर्ज्ञान" या भाषाई अनुमान पर निर्भर करता है।
3. "स्विस आर्मी नाइफ" बनाम "विशेष उपकरण"
शोधकर्ताओं ने यह भी देखा कि रोबोट इन समस्याओं को हल करने के लिए किन विशिष्ट उपकरणों का उपयोग करता है।
- निष्कर्ष: रोबोट के पास एक "स्थानिक मस्तिष्क" (Spatial Brain) नहीं है जो सभी स्थानों को संभालता है। इसके बजाय, उसके पास अलग-अलग, असंबद्ध उपकरण हैं।
- उपमा:
- डिटेक्टिव गेम को हल करने के लिए, वह गियर के एक विशिष्ट सेट का उपयोग करता है।
- स्पिन क्लास को हल करने के लिए, वह पूरी तरह से अलग गियर का उपयोग करता है।
- जीपीएस वॉक को हल करने के लिए, वह तीसरे सेट का उपयोग करता है।
- यदि आप "स्पिन क्लास" के गियर तोड़ देते हैं, तो भी रोबोट "डिटेक्टिव गेम" हल कर सकता है। इसका मतलब है कि उसके पास मनुष्यों की तरह स्थान की एक एकीकृत, सामान्य समझ नहीं है। यह केवल विशेषीकृत युक्तियों का एक संग्रह है।
4. "भाषा की बाधा" का आश्चर्य
उन्होंने तीन भाषाओं में परीक्षण किया।
- निष्कर्ष: रोबोट ने तीनों भाषाओं में सही उत्तर दिए, लेकिन उसके वहां पहुँचने का तरीका अलग था।
- उपमा: कल्पना कीजिए कि दो लोग एक ही मंजिल तक पहुँचने की कोशिश कर रहे हैं।
- अंग्रेजी बोलने वाला पार्क के माध्यम से रास्ता लेता है।
- अरबी बोलने वाला सबवे (मेट्रो) के माध्यम से रास्ता लेता है।
- वे दोनों एक ही स्थान पर पहुँचते हैं (सही उत्तर), लेकिन उन्होंने पूरी तरह से अलग रास्ते अपनाए। यह बताता है कि रोबोट अपने दिमाग के अंदर किसी सार्वभौमिक "स्थान की भाषा" का उपयोग नहीं कर रहा है; वह बस समस्या को उस भाषा-विशिष्ट पथ में अनुवादित कर रहा है जिसे वह सबसे अच्छी तरह जानता है।
बड़ा निष्कर्ष
तो, क्या इन AI मॉडलों में "स्थानिक बुद्धिमत्ता" (spatial intelligence) है?
हाँ और ना।
- हाँ: वे एक मानसिक मानचित्र बना सकते हैं। वे केवल बेतरतीब ढंग से अनुमान नहीं लगा रहे हैं।
- ना: वह मानचित्र नाजुक है। वह बोलने से पहले ही गायब हो जाता है। यह मानव संज्ञानात्मक मानचित्र की तरह एक ठोस, स्थायी संरचना नहीं है। यह एक अस्थायी स्केच की तरह है जिसे रोबोट द्वारा अंतिम उत्तर देने के क्षण में मिटा दिया जाता है।
मुख्य बात:
वर्तमान AI मॉडल प्रतिभाशाली अभिनेताओं की तरह हैं जो एक स्क्रिप्ट को रट सकते हैं और एक नेविगेटर होने का ढोंग पूरी तरह से कर सकते हैं। लेकिन यदि आप उनसे उस कमरे में नेविगेट करने के लिए कहें जिसे उन्होंने कभी नहीं देखा, या यदि आप स्क्रिप्ट में थोड़ा बदलाव करते हैं, तो वे लड़खड़ा सकते क्योंकि उनके पास वास्तव में मानचित्र नहीं है; वे केवल संवाद जानते हैं।
AI को भौतिक दुनिया के बारे में वास्तव में स्मार्ट बनाने के लिए, हमें उन्हें सिखाने की आवश्यकता है कि वे अपने "मानसिक मानचित्र" को प्रक्रिया के अंत तक रोशन रखें, न कि केवल बीच के हिस्से में।
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।