Conversational Agents and the Understanding of Human Language: Reflections on AI, LLMs, and Cognitive Science
यह शोध पत्र मानव भाषा क्षमता के सिद्धांतों के संबंध में प्राकृतिक भाषा प्रसंस्करण के प्रतिमानों के विकास की समीक्षा करता है, और यह निष्कर्ष निकालता है कि आधुनिक विशाल भाषा मॉडलों की प्रभावशाली क्षमताओं के बावजूद, उनके विकास ने इस बारे में हमारी समझ को महत्वपूर्ण रूप से आगे नहीं बढ़ाया है कि मानव मस्तिष्क प्राकृतिक भाषा को कैसे संसाधित करता 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
मुख्य प्रश्न: क्या एक मशीन बिना समय को समझे घड़ी बना सकती है?
कल्पना कीजिए कि आप एक इंजीनियर हैं। यदि आप एक सटीक मैकेनिकल घड़ी बना सकते हैं, तो इसका स्पष्ट अर्थ है कि आप समय को मापने के तरीके को समझते हैं। यदि आप एक कैलकुलेटर बना सकते हैं, तो आप गणित को समझते हैं।
लेकिन लेखक, एंड्री पॉपेस्कु-बेलिस (Andrei Popescu-Belis), एक पेचीदा सवाल पूछते हैं: यदि हम एक ऐसा चैटबॉट बना सकते हैं जो इंसान की तरह बात करता है, तो क्या इसका मतलब यह है कि हम वास्तव में मानव मस्तिष्क के काम करने के तरीके को समझते हैं?
संक्षिप्त उत्तर? शायद नहीं।
यह शोध पत्र तर्क देता है कि हालांकि हमारे कंप्यूटर मानव भाषा की नकल करने में अविश्वसनीय रूप से सक्षम हो गए हैं, लेकिन वहां तक पहुँचने की इस यात्रा ने वास्तव में हमें मानव विचार की वास्तविक कार्यप्रणाली को समझने से और दूर कर दिया है। हमने एक बहुत ही प्रभावशाली "बोलता हुआ पुतला" (talking artifact) तो बना लिया है, लेकिन हम पूरी तरह से नहीं जानते कि असली "मूल" (human original) कैसे काम करता है।
यात्रा: नियमपुस्तिकाओं से लेकर जादुई अनुमान तक
यह शोध पत्र यह बताता है कि कंप्यूटर ने बोलना कैसे सीखा, इसकी तुलना इस बात से की गई है कि इंसान कैसे सीखते हैं।
1. "नियमपुस्तिका" का युग (1950-1980 के दशक)
रूपक (Metaphor): कल्पना कीजिए कि आप एक रोबोट को बोलने के लिए सिखाने की कोशिश कर रहे हैं, जिसमें आप उसे व्याकरण के नियमों की एक विशाल, 10,000 पन्नों की डिक्शनरी और हर संभव वाक्य की एक डिक्शनरी दे देते हैं।
क्या हुआ: शुरुआती वैज्ञानिकों ने कंप्यूटर को सख्त नियमों (जैसे "कर्ता + क्रिया + कर्म") के साथ प्रोग्राम करने की कोशिश की। उन्हें लगा कि यदि वे भाषा के सभी नियमों को लिख देंगे, तो कंप्यूटर समझ जाएगा।
समस्या: मानव भाषा अव्यवस्थित होती है। यह अपवादों, स्लैंग (slang) और संदर्भों से भरी होती है। नियमपुस्तिकाएं बहुत कठोर थीं। जैसा कि लेखक मजाक में कहते हैं, "जब भी हमने किसी भाषाविद् (linguist) को नौकरी से निकाला, सिस्टम और बेहतर हो गया।" कंप्यूटर वास्तव में संवाद करने के बजाय नियमों का पालन करने में बहुत व्यस्त थे।
2. "सांख्यिकीय" (Statistical) युग (1990-2000 के दशक)
रूपक: नियमपुस्तिका पढ़ने के बजाय, एक ऐसे छात्र की कल्पना करें जिसने लाइब्रेरी की हर किताब पढ़ ली है और यह याद कर लिया है कि कौन से शब्द आमतौर पर किन शब्दों के बाद आते हैं।
क्या हुआ: वैज्ञानिकों ने नियम सिखाना बंद कर दिया और कंप्यूटर को पैटर्न देखना सिखाना शुरू किया। यदि कंप्यूटर देखता है "बिल्ली बैठी है...", तो वह जानता है कि अगले शब्द के "चटाई" होने की संभावना 99% है।
परिणाम: यह अनुवाद और स्पीच रिकग्निशन के लिए बहुत बेहतर काम कर रहा था। लेकिन यह एक ऐसे तोते की तरह था जो अक्सर सुने गए वाक्यांशों को दोहराता है। वह वास्तव में यह नहीं "जानता" था कि शब्दों का अर्थ क्या है; वह बस संभावनाओं (odds) को जानता था।
3. "न्यूरल नेटवर्क" का युग (2010 का दशक)
रूपक: छोटे बल्बों (न्यूरॉन्स) के एक विशाल जाल की कल्पना करें। जब आप कंप्यूटर को एक शब्द दिखाते हैं, तो वह जाल में एक विशिष्ट पैटर्न को रोशन कर देता है। समान अर्थ वाले शब्द (जैसे "राजा" और "रानी") ऐसे पैटर्न को रोशन करते हैं जो एक-दूसरे के बहुत समान दिखते हैं।
क्या हुआ: कंप्यूटर ने "एम्बेडिंग्स" (embeddings) बनाना शुरू किया—गणितीय मानचित्र जहाँ शब्दों को केवल उनकी स्पेलिंग के आधार पर नहीं, बल्कि उनके अर्थ के आधार पर रखा जाता है। इसने कंप्यूटर को यह समझने में सक्षम बनाया कि "राजा" घटा "पुरुष" प्लस "महिला" बराबर "रानी" होता है।
4. "ट्रांसफॉर्मर" क्रांति (2017–वर्तमान)
रूपक: एक कमरे में पहेली सुलझाने की कोशिश कर रहे लोगों के समूह की कल्पना करें। पुराने दिनों में, वे एक-एक करके नोट्स पास करते थे (धीरे-धीरे)। ट्रांसफॉर्मर उन लोगों की तरह है जो एक साथ अपने विचार चिल्ला रहे हैं, और हर कोई संदर्भ को समझने के लिए तुरंत हर किसी की बात सुन रहा है।
क्या हुआ: यही वह तकनीक है जिसके पीछे ChatGPT और आधुनिक AI है। यह कंप्यूटर को एक पूरा वाक्य एक साथ देखने और यह समझने की अनुमति देता है कि हर शब्द दूसरे शब्द से कैसे संबंधित है।
परिणाम: हमें लार्ज लैंग्वेज मॉडल्स (LLMs) मिले। ये मॉडल इतने बड़े हैं कि इन्होंने इंटरनेट पर लगभग सब कुछ पढ़ लिया है। वे कविताएँ लिख सकते हैं, कोड कर सकते हैं और आश्चर्यजनक सटीकता के साथ सवालों के जवाब दे सकते हैं।
पेच: "विदेह" मस्तिष्क (The Disembodied Brain)
यहीं पर शोध पत्र आलोचनात्मक हो जाता है। भले ही ये AI मॉडल अद्भुत हैं, लेकिन वे मौलिक रूप रूप से हमसे भिन्न हैं।
- कोई शरीर नहीं: इंसान भाषा सीखता है चीजों को छूकर, दर्द महसूस करके, रंग देखकर और लोगों के साथ बातचीत करके। हमारे पास एक "शरीका" (body) है। AI के पास कोई शरीर नहीं है। उसने कभी ठंड महसूस नहीं की है या सेब का स्वाद नहीं चखा है। वह केवल "सेब" शब्द को इसलिए जानता है क्योंकि उसने लाखों बार "लाल" और "फल" के बगल में इस शब्द को लिखा हुआ देखा है। यह एक विदेह मन (disembodied mind) है।
- ऊर्जा का बिल: एक मानव बच्चा कुछ वर्षों में बोलना सीख जाता है, जिसमें एक मंद बल्ब जितनी ऊर्जा लगती है (हमारा मस्तिष्क बहुत कुशल है)। एक आधुनिक AI को प्रशिक्षित करने के लिए, हमें विशाल डेटा केंद्रों की आवश्यकता होती है जो एक छोटे शहर जितनी बिजली की खपत करते हैं।
- "ब्लैक बॉक्स": हम जानते हैं कि इन मॉडलों को कैसे बनाया जाए (गणित), लेकिन हम पूरी तरह से यह नहीं समझते कि वे इतने अच्छा काम क्यों करते हैं। हम उन शेफ की तरह हैं जो रेसिपी का पालन करके एक परफेक्ट केक तो बना सकते हैं, लेकिन हम वास्तव में उस रसायन विज्ञान (chemistry) को नहीं समझते कि आटा और अंडे क्यों फूलते हैं।
निष्कर्ष: एक जिज्ञासु नकल
शोध पत्र एक दार्शनिक मोड़ के साथ समाप्त होता है।
हमने इन "बोलते हुए पुतलों" को परीक्षण और त्रुटि (trial and error) के माध्यम से बनाया है, जो दशकों में हमारे कंप्यूटर सिस्टम के विकास के साथ विकसित हुए हैं। यह लगभग वैसा ही है जैसे हमने वास्तव में मानव संज्ञान (human cognition) के ब्लूप्रिंट को समझे बिना, अनजाने में उसकी नकल कर ली हो।
विडंबना: ये AI मॉडल मानव जैसा दिखने में जितने बेहतर होते जा रहे हैं, हम वास्तव में मानव मस्तिष्क कैसे काम करता है, इसे समझने में उतने ही कम होते जा रहे हैं। हमने एक ऐसा दर्पण बनाया है जो मानव भाषण को पूरी तरह से प्रतिबिंबित करता है, लेकिन हमें अभी भी नहीं पता कि कांच के पीछे क्या हो रहा है।
संक्षेप में: हमने एक ऐसी घड़ी बनाई है जो समय को पूरी तरह से बताती है, लेकिन हम अभी भी समय की अवधारणा को पूरी तरह से नहीं समझ पाए 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।