Large Language Models Align with the Human Brain during Creative Thinking
यह अध्ययन प्रदर्शित करता है कि जैसे-जैसे मॉडल का आकार बढ़ता है, बड़े भाषा मॉडल रचनात्मक सोच के दौरान मानव मस्तिष्क की गतिविधि के साथ बढ़ता हुआ संरेखण प्रदर्शित करते हैं, और विशिष्ट पोस्ट-ट्रेनिंग उद्देश्य (जैसे कि रचनात्मकता अनुकूलन, मानव व्यवहार फाइन-ट्यूनिंग, या तर्क प्रशिक्षण) इन तंत्रिकात्मक निरूपणों को रचनात्मक विचार की मस्तिष्क ज्यामिति को या तो संरक्षित करने, बढ़ाने या उससे विचलित होने के लिए चुनिंदा रूप से पुनर्गठित करते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपका मस्तिष्क एक हलचल भरा शहर है, जहाँ अलग-अलग मोहल्ले अलग-अलग काम संभालते हैं। कुछ मोहल्ले सख्त नक्शों का पालन करने में माहिर हैं (जैसे गणित की समस्याओं को हल करना), जबकि अन्य अराजक कला स्टूडियो की तरह होते हैं जहाँ नए और अनोखे विचार जन्म लेते हैं।
यह पेपर एक वैज्ञानिक दौरे की तरह है जो लार्ज लैंग्वेज मॉडल्स (LLMs)—उन सुपर-स्मार्ट AI चैटबॉट्स की तरह जिन्हें आप जानते होंगे—की तुलना मानव मस्तिष्क से करता है, जब वह एक बहुत ही विशिष्ट कार्य कर रहा होता है: रचनात्मक सोच (Creative Thinking)।
यहाँ बताया गया है कि उन्होंने क्या पाया, जिसे सरल शब्दों में विभाजित किया गया है:
1. परीक्षण: "द ब्रिक गेम" (ईंट का खेल)
रचनात्मकता का परीक्षण करने के लिए, शोधकर्ताओं ने एक क्लासिक गेम का उपयोग किया जिसे अल्टरनेटिव यूसेज टास्क (Alternate Uses Task) कहा जाता है।
- मानवीय पक्ष: उन्होंने 170 लोगों को एक MRI मशीन (एक विशाल मस्तिष्क स्कैनर) में रखा और उन्हें एक सामान्य वस्तु दिखाई, जैसे कि एक ईंट। उन्होंने लोगों से पूछा: "इस ईंट का उपयोग करने के कुछ रचनात्मक, अजीब तरीके क्या हो सकते हैं?" (जैसे कि इसे दरवाजे का स्टॉपर, पेपरवेट, या किसी नाटक में हथियार के रूप में उपयोग करना)।
- AI पक्ष: उन्होंने कई अलग-अलग AI मॉडल्स को, जिनमें छोटे से लेकर विशाल मॉडल शामिल थे, ठीक वही "ईंट" वाले प्रॉम्प्ट दिए।
2. बड़ी खोज: बड़ा होना हमेशा बेहतर नहीं होता (शुरुआत में)
शोधकर्ताओं ने मापा कि AI की "सोचने की प्रक्रिया" मानव मस्तिष्क की "सोचने की प्रक्रिया" के कितनी समान थी। उन्होंने दो मुख्य चीजें पाईं:
- "आकार" का प्रभाव: सामान्य तौर पर, बड़े AI मॉडल (जिनके पास अधिक "मस्तिष्क शक्ति" है) की विचार प्रक्रिया तब मानव रचनात्मक विचारों के अधिक समान थी जब वे केवल प्रश्न पढ़ रहे थे। यह ऐसा ही है जैसे एक बड़ी लाइब्रेरी में रचनात्मकता पर अधिक किताबें होना।
- "प्रदर्शन" का प्रभाव: वे AI मॉडल जो वास्तव में रचनात्मक उत्तर देने में बेहतर थे, उनके मस्तिष्क पैटर्न भी मानव मस्तिष्क से अधिक मेल खाते थे।
एक पेंच (The Catch): यह समानता तब सबसे मजबूत थी जब AI केवल प्रॉम्प्ट के बारे में सोच रहा था। एक बार जब AI अपना उत्तर लिखना शुरू करता है, तो मानव मस्तिष्क के साथ उसका संबंध कमजोर हो जाता है।
- उपमा: एक जैज़ संगीतकार की कल्पना करें। जब वे बैंड को सुन रहे होते हैं और बजाने की तैयारी कर रहे होते हैं, तो उनका मन समूह के साथ पूरी तरह तालमेल में होता है। लेकिन एक बार जब वे अपना सोलो बजाना शुरू करते हैं, तो वे अपनी तकनीकी कुशलता में इतने खो सकते हैं कि वे मूल समूह के वाइब से दूर हो जाते हैं। AI भी ऐसा ही करता है; टेक्स्ट जेनरेट करते समय यह "बहुत अधिक तकनीकी" हो जाता है।
3. "ट्रेनिंग डाइट" सबसे अधिक मायने रखती है
सबसे दिलचस्प हिस्सा यह है कि ट्रेनिंग कैसे AI के मस्तिष्क को बदल देती है। शोधकर्ताओं ने एक मानक AI मॉडल लिया और उसे तीन अलग-अलग "विशेष आहार" (पोस्ट-ट्रेनिंग ऑब्जेक्टिव्स) दिए ताकि यह देखा जा सके कि इससे उसकी रचनात्मकता कैसे बदलती है:
- "क्रिएटिविटी शेफ" (रचनात्मकता के लिए अनुकूलित): उन्होंने एक AI को विशेष रूप से अधिक रचनात्मक होने के लिए प्रशिक्षित किया।
- परिणाम: इस AI का मस्तिष्क मानव मस्तिष्क के अधिक समान दिखने लगा जब मनुष्य "अहा!" क्षणों (उच्च रचनात्मकता) में होते थे, और मानव मस्तिष्क से कम समान दिखने लगा जब वे उबाऊ विचारों में होते थे। इसने मानव मस्तिष्क के "कला स्टूडियो" वाले मोहल्ले के साथ तालमेल बिठाना सीख लिया।
- "ह्यूमन मिमिक" (व्यवहार के आधार पर फाइन-ट्यून किया गया): उन्होंने एक AI को प्रशिक्षित किया कि वह मनुष्यों की तरह व्यवहार करे और बात करे।
- परिणाम: यह AI रचनात्मक और गैर-रचनात्मक दोनों विचारों के लिए मानव मस्तिष्क से मेल खाता था। यह एक अच्छा गिरगिट (chameleon) बन गया।
- "लॉजिक पजल सॉल्वर" (तर्क/चेन-ऑफ-थॉट): उन्होंने इसे कठिन तर्क पहेलियों और गणित की समस्याओं को चरण-दर-चरण हल करने के लिए प्रशिक्षित किया।
- परिणाम: यह एक आश्चर्य था! इस AI के मस्तिष्क ने मानव रचनात्मक विचारों के साथ मेल खाना बंद कर दिया। वास्तव में, यह रचनात्मक विचारों के बजाय उबाऊ विचारों के साथ बेहतर मेल खाता था।
- उपमा: यह एक जैज़ संगीतकार को केवल सख्त शास्त्रीय संगीत बजाने के लिए प्रशिक्षित करने जैसा है। अंततः, वे सहजता से (इम्प्रोवाइज) खेलना भूल जाते हैं। "लॉजिक सॉल्वर" AI नियमों का पालन करने में इतना अच्छा हो गया कि उसने "मानव कलाकार की तरह सोचने" की क्षमता खो दी।
4. गहरे स्तर (The Deep Layers)
शोधकर्ताओं ने यह भी देखा कि AI के कौन से "लेयर्स" (परतें) सोच का काम कर रहे हैं। उन्होंने पाया कि AI के गहरे, अधिक जटिल लेयर्स (जो अमूर्त अवधारणाओं को संभालते हैं) मानव मस्तिष्क के सबसे अधिक मेल खाते थे। शुरुआती, सरल लेयर्स (जो केवल बुनियादी शब्दों को समझते हैं) उतने मेल नहीं खाते थे। यह समझ में आता है क्योंकि रचनात्मकता एक उच्च-स्तरीय, जटिल गतिविधि है, न कि केवल एक साधारण शब्द का खेल।
निचोड़ (The Bottom Line)
यह पेपर हमें बताता है कि AI मानव रचनात्मकता की नकल करने में बेहतर हो रहा है, लेकिन यह एक नाजुक संतुलन है।
- यदि आप केवल AI को बड़ा बनाते हैं, तो यह मानव रचनात्मकता के करीब पहुँच जाता है।
- लेकिन यदि आप AI को तर्क और सख्त नियमों (जैसे गणित या कोडिंग) पर बहुत अधिक प्रशिक्षित करते हैं, तो यह वास्तव में एक रचनात्मक मानव की तरह सोचने की अपनी क्षमता खो देता है।
- यदि हमें ऐसा AI बनाना है जो वास्तव में कला, विज्ञान और नए विचारों में हमारी मदद कर सके, तो हमें इसे विविधता और विचित्रता को महत्व देने के लिए प्रशिक्षित करना होगा, न कि केवल सही उत्तरों को।
संक्षेप में: एक AI जो मानव कलाकार की तरह सोचता है, बनाने के लिए आपको उसे थोड़ा "अव्यवस्थित" (messy) होना सिखाना होगा, न कि केवल एक पूर्ण तर्क मशीन।
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।