From Pre-trained Models to Large Language Models: A Comprehensive Survey of AI-Driven Psychological Computing
यह सर्वेक्षण एआई-संचालित मनोवैज्ञानिक अनुसंधान के लिए एक नवीन कम्प्यूटेशनल वर्गीकरण प्रस्तुत करता है जो प्री-ट्रेंड मॉडल से लेकर लार्ज लैंग्वेज मॉडल के युग तक के 300 से अधिक कार्यों को चार मौलिक कार्य प्रकारों में व्यवस्थित करता है, जिससे पद्धतिगत विखंडन को दूर किया जा सके और अलग-थलग मनोवैज्ञानिक डोमेन में व्यवस्थित ज्ञान हस्तांतरण को सुगम बनाया जा सके।
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 AI-संचालित मनोविज्ञान (AI-driven psychology) का क्षेत्र एक विशाल, हलचल भरी लाइब्रेरी है। पिछले 25 वर्षों में, यह लाइब्रेरी तेजी से बढ़ी है, जो कुछ सौ किताबों वाले एक छोटे से रीडिंग रूम से बढ़कर हर साल लगभग 30,000 नई किताबों वाले एक गगनचुंबी भवन में बदल गई है।
हालाँकि, एक समस्या है: लाइब्रेरी बिखरी हुई है।
शोधकर्ता लाइब्रेरी के अलग-अलग कोनों में समान उपकरण बना रहे हैं, लेकिन उन्हें एक-दूसरे के बारे में पता नहीं है। "डिप्रेशन कॉर्नर" में काम करने वाली एक टीम उदासी का पता लगाने के लिए एक रोबोट बनाती है, जबकि "पर्सनैलिटी कॉर्नर" में काम करने वाली दूसरी टीम चरित्र लक्षणों का विश्लेषण करने के लिए लगभग एक जैसा ही रोबोट बनाती है। वे एक ही ब्लूप्रिंट, एक ही औजारों और एक ही गणित का उपयोग करते हैं, लेकिन वे अलग-अलग भाषाएं बोलते हैं और अपने रहस्य कभी साझा नहीं करते।
यह सर्वे पेपर एक नए लाइब्रेरियन की तरह है जिसने पूरी लाइब्रेरी को व्यवस्थित करने का निर्णय लिया है। विषयों (डिप्रेशन, एंग्जायटी, पर्सनैलिटी) के आधार पर किताबें छांटने के बजाय, वे उन्हें इस आधार पर छांटते हैं कि मशीन कैसे सोचती है।
यहाँ इस पेपर का सरल विवरण दिया गया है, जिसमें रोजमर्रा के उपमाओं का उपयोग किया गया है:
1. नई छंटनी प्रणाली: चार तरीके जिनसे मशीनें "सोचती" हैं
लेखक कहते हैं, "यह मत देखिए कि AI क्या कर रहा है (जैसे, डिप्रेशन का निदान करना)। यह देखिए कि वह इसे कैसे कर रहा है।" वे सभी मनोवैज्ञानिक AI कार्यों को चार सरल श्रेणियों में बांटते हैं:
- ट्रैफिक पुलिस (वर्गीकरण - Classification):
- यह क्या करता है: यह डेटा को देखता है और कहता है, "हाँ" या "नहीं," या "टाइप A, B, या C।"
- उपमा: एक क्लब के बाउंसर की कल्पना करें। वे आपका आईडी देखते हैं और तय करते हैं: "आप अंदर आ सकते हैं," "आप बाहर हैं," या "आप वीआईपी लिस्ट में हैं।"
- उदाहरण: क्या यह व्यक्ति डिप्रेशन से ग्रस्त है? हाँ/नहीं। क्या व्यक्तित्व प्रकार "एक्सट्रोवर्ट" है? हाँ/नहीं।
- थर्मामीटर (रिग्रेशन - Regression):
- यह क्या करता है: यह केवल "हाँ/नहीं" नहीं कहता; यह आपको एक पैमाने पर एक संख्या देता है।
- उपमा: केवल यह कहने के बजाय कि "गर्मी है," एक थर्मामीटर कहता है "तापमान 98.6 डिग्री है।" यह मापता है कि किसी चीज़ की मात्रा कितनी है।
- उदाहरण: चिंता (anxiety) कितनी गंभीर है? (स्कोर: 20 में से 12)। एक व्यक्ति कितना तनाव महसूस कर रहा है?
- डिटेक्टिव (स्ट्रक्चर्ड रिलेशनल - Structured Relational):
- यह क्या करता है: यह कड़ियों को जोड़ता है। यह सुरागों के ढेर को देखता है और एक नक्शा बनाता है जो दिखाता है कि वे एक-दूसरे से कैसे संबंधित हैं।
- उपमा: एक जासूस की कल्पना करें जो कॉर्कबोर्ड पर लाल धागे से फोटो जोड़ रहा है। "अनिद्रा (insomnia) तनाव से जुड़ी है, जो नौकरी जाने से जुड़ी है।"
- उदाहरण: यह मैप करना कि किसी बीमारी के विभिन्न लक्षण एक-दूसरे को कैसे प्रभावित करते हैं, या किसी व्यक्ति के सामाजिक सहायता नेटवर्क का ग्राफ बनाना।
- थेरेपिस्ट (जेनरेटिव इंटरैक्टिव - Generative Interactive):
- यह क्या करता है: यह नई सामग्री बनाता है और आपसे बात करता है। यह केवल विश्लेषण नहीं कर रहा है; यह प्रतिक्रिया दे रहा है।
- उपमा: यह एक मेडिकल टेक्स्टबुक (स्थिर) और एक दोस्त के साथ बातचीत (गतिशील) के बीच का अंतर है। AI आपकी कहानी सुनता है और एक सांत्वना देने वाला जवाब लिखता है या आपके लिए एक व्यक्तिगत पाठ योजना बनाता है।
- उदाहरण: एक चैटबॉट जो संकट के समय किसी को सांत्वना देता है, या एक AI ट्यूटर जो आपके मूड के आधार पर अपनी शिक्षण शैली को बदल लेता है।
2. विकास: "कस्टम टूल्स" से "सुपर-ब्रेन" तक
यह पेपर बताता है कि ये उपकरण समय के साथ कैसे बदले हैं, जैसे हथौड़े से अपग्रेड होकर स्विस आर्मी नाइफ बनना और अंत में एक जादू की छड़ी बन जाना।
- चरण 1: हथौड़ा (पुराना तरीका): शोधकर्ताओं को हर काम के लिए एक कस्टम टूल बनाना पड़ता था। यदि वे डिप्रेशन का पता लगाना चाहते थे, तो उन्हें मैन्युअल रूप से कंप्यूटर को सिखाना पड़ता था कि किन शब्दों को देखना है। यह धीमा था और इसमें बहुत अधिक डेटा की आवश्यकता थी।
- चरण 2: स्विस आर्मी नाइफ (प्री-ट्रेन मॉडल्स): फिर BERT जैसे मॉडल आए। ये पहले से प्रशिक्षित टूल्स की तरह थे जो भाषा को पढ़ने और समझने में पहले से ही सक्षम थे। शोधकर्ताओं को बस उन्हें अपने विशिष्ट कार्य के लिए "ट्वीक" (थोड़ा बदलाव) करना होता था। यह एक बड़ी छलांग थी।
- चरण 3: जादू की छड़ी (लार्ज लैंग्वेज मॉडल्स - LLMs): अब हमारे पास GPT-4 जैसे दिग्गज हैं। ये मॉडल इतने स्मार्ट हैं कि उन्हें बहुत अधिक बदलाव की भी आवश्यकता नहीं है। आप बस उनसे बात कर सकते हैं ("एक थेरेपिस्ट की तरह व्यवहार करें और इस व्यक्ति की मदद करें"), और वे तुरंत ऐसा करते हैं। यह "जीरो-शॉट" युग है, जहाँ AI मौके पर ही सीख जाता है।
3. इस लाइब्रेरी को व्यवस्थित करना कठिन क्यों है (चुनौतियां)
पेपर स्वीकार करता है कि इस लाइब्रेरी को व्यवस्थित करना मुश्किल है क्योंकि मानव मनोविज्ञान जटिल है।
- "ब्लैक बॉक्स" की समस्या: हम AI को डिप्रेशन का सटीक अनुमान लगाने में सक्षम बना सकते हैं, लेकिन हम हमेशा यह स्पष्ट नहीं कर पाते कि वह क्यों कर रहा है। यह एक ऐसे डॉक्टर की तरह है जो कहता है, "आप बीमार हैं," लेकिन किसी विशिष्ट लक्षण की ओर इशारा नहीं कर पाता। चिकित्सा में, डॉक्टरों को विश्वास करने के लिए यह जानना आवश्यक है कि क्यों।
- "सब्जेक्टिव लेबल" की समस्या: यदि दो मानव विशेषज्ञ एक ही दुखी व्यक्ति को देखते हैं, तो वे निदान पर असहमत हो सकते हैं। यदि AI को उनके मतभेद पर प्रशिक्षित किया जाता है, तो वह भ्रमित हो जाता है। AI को यह समझने की आवश्यकता है कि कभी-कभी कोई एक "सही" उत्तर नहीं होता है।
- प्राइवेसी वॉल्ट (गोपनीयता का तिजोरी): मनोवैज्ञानिक डेटा सबसे संवेदनशील डेटा होता है। यह आपके गहरे डर की डायरी जैसा है। हम इस डेटा को सार्वजनिक क्लाउड में नहीं डाल सकते। हमें विशेष तालों (एन्क्रिप्शन) और ऐसे तरीकों की आवश्यकता है जिससे बिना मूल डायरी के पन्ने देखे AI को प्रशिक्षित किया जा सके।
- सांस्कृतिक लेंस (Cultural Lens): अमेरिकियों पर प्रशिक्षित मॉडल सोच सकता है कि "भावनाओं के बारे में बात करना" स्वस्थ है। लेकिन कुछ संस्कृतियों में, भावनाओं के बारे में बात करना वर्जित माना जाता है, और उदासी सिरदर्द के रूप में दिखाई देती है। यदि AI इस सांस्कृतिक संदर्भ को नहीं समझता है, तो वह भयानक गलतियाँ करेगा।
4. बड़ी तस्वीर: यह क्यों मायने रखता है?
लेखक तर्क देते हैं कि इन कार्यों को क्या इलाज करना है (डिप्रेशन बनाम एंग्जायटी) के बजाय वे कैसे काम करते हैं (ऊपर दी गई चार श्रेणियां) के आधार पर छांटकर, हम अंततः ज्ञान साझा कर सकते हैं।
- लाभ: यदि कोई शोधकर्ता एक बेहतरीन तरीका खोज लेता है जिससे "थेरेपिस्ट" AI को बेहतर ढंग से सुनना सिखाया जा सके, तो उसी ट्रिक का उपयोग "डिटेक्टिव" AI द्वारा संबंधों को बेहतर ढंग से मैप करने के लिए किया जा सकता है।
- लक्ष्य: एक खंडित लाइब्रेरी से, जहाँ हर कोई पहिए का पुन: आविष्कार कर रहा है, एक एकीकृत प्रणाली की ओर बढ़ना जहाँ हम लोगों के मानसिक स्वास्थ्य में मदद करने के लिए बेहतर, तेज़ और सुरक्षित उपकरण बना सकें।
संक्षेप में: यह पेपर एक रोडमैप है। यह हमें बताता है कि मानसिक स्वास्थ्य की नदी को पार करने के लिए 1,000 अलग-अलग छोटे पुल बनाने के बजाय, हमें एक विशाल, मजबूत पुल बनाना चाहिए जिसमें चार अलग-अलग लेन (वर्गीकरण, रिग्रेशन, रिलेशनल, जेनरेटिव) हों जिनका उपयोग हर कोई मिलकर कर सके।
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।