Taming the Centaur(s) with LAPITHS: a framework for a theoretically grounded interpretation of AI performances
यह शोध पत्र LAPITHS फ्रेमवर्क प्रस्तुत करता है ताकि उन दावों की सैद्धांतिक वैधता को चुनौती दी जा सके कि CENTAUR जैसे AI मॉडल मानव-समान संज्ञान रखते हैं, और इसके बजाय यह तर्क दिया जाता है कि उनका प्रदर्शन वास्तविक संज्ञानात्मक संभाव्यता के बजाय व्यवहारवादी पैटर्न से उत्पन्न होता 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
बड़ी तस्वीर: "सेंटौर" (Centaur) बनाम "लैपिथ्स" (Lapiths)
एक नए, अत्यंत बुद्धिमान AI, सेंटौर (Centaur) की कल्पना करें। इसके निर्माता दावा करते हैं कि यह एक "एकीकृत संज्ञानात्मक मॉडल" (Unified Model of Cognition) है। सरल भाषा में, वे कहते हैं: "हमने इस AI को मानव व्यवहार की इतनी सटीक नकल करना सिखाया है कि यह निश्चित रूप से एक इंसान की तरह सोचता है। यह केवल एक कैलकुलेटर नहीं है; यह एक डिजिटल मस्तिष्क है।"
इस शोध पत्र के लेखक, जो इटली के शोधकर्ताओं की एक टीम है, कहते हैं: "एक मिनट रुकिए।"
वे LAPITHS नामक एक ढांचा पेश करते हैं (जिसका नाम उन प्राचीन ग्रीक योद्धाओं के नाम पर रखा गया है जिन्होंने सेंटोरों से युद्ध किया था)। उनका काम सेंटौर के इर्द-गिर्द फैले अतिशयोक्ति (hype) को "वश में करना" है। उनका तर्क है कि सिर्फ इसलिए कि एक AI मानव जैसा व्यवहार करता है, इसका मतलब यह नहीं है कि वह मानव की तरह सोचता है। वे अभिनय (प्रदर्शन) और सोचने (संज्ञानात्मक प्रक्रिया) के बीच अंतर करना चाहते हैं।
मुख्य समस्या: "आरोपण भ्रम" (The Ascription Fallacy)
यह शोध पत्र एक तार्किक जाल की पहचान करता है जिसे आरोपण भ्रम (Ascription Fallacy) कहा जाता है।
उपमा:
कल्पित कीजिए कि आप एक ऐसे रोबोट को देखते हैं जो शतरंज खेलने वाले इंसान की सटीक नकल कर सकता है। वह मोहरों को हिलाता है, "सोचने" के लिए रुकता है, और यहाँ तक कि थकान होने पर इंसान जो गलतियाँ करता है, वही गलतियाँ भी करता है।
- भ्रम: आप रोबोट को देखते हैं और कहते हैं, "वाह, इसका मस्तिष्क तो इंसान जैसा ही होगा! यह रणनीति को समझता है और खेल के दबाव को महसूस करता है।"
- वास्तविकता: वह रोबोट केवल एक सुपर-फास्ट कैलकुलेटर हो सकता है जिसने लाखों शतरंज के खेल याद कर लिए हैं। वह कुछ भी "समझता" नहीं है; वह बस पैटर्न के आधार पर अगले कदम की भविष्यवाणी करता है।
लेखकों का तर्क है कि सेंटौर यही शतरंज वाला रोबोट है। इसे मानव निर्णयों के एक विशाल डेटासेट (Psych-101) पर प्रशिक्षित किया गया था। क्योंकि इसे यह अनुमान लगाने के लिए प्रशिक्षित किया गया था कि मनुष्य क्या करेंगे, यह उनकी बहुत अच्छी भविष्यवाणी करता है। लेकिन लेखकों का दावा है कि यह केवल व्यव行为त्मक नकल (behavioral mimicry) है, न कि संज्ञानात्मक संरेखण (cognitive alignment)।
उपकरण: "न्यूनतम संज्ञानात्मक ग्रिड" (Minimal Cognitive Grid - MCG)
अपने तर्क को सिद्ध करने के लिए, लेखकों ने मिनिमल कॉग्निटिव ग्रिड (MCG) नामक एक स्कोरकार्ड बनाया। इसे एक "संज्ञानात्मक सत्य परीक्षक" (Cognitive Truth Detector) के रूप में समझें जो AI को केवल सवालों के जवाब देने की क्षमता के आधार पर नहीं, बल्कि तीन चीजों पर ग्रेड देता है।
संरचना बनाम कार्य (The "How"):
- प्रश्न: क्या AI उसी आंतरिक "गियर" का उपयोग करता है जो एक मानव मस्तिष्क में होता है?
- निष्कर्ष: मनुष्य क्रमिक रूप से सीखते हैं (वास्तविक समय में परीक्षण और त्रुटि के माध्यम से) और हमारी वर्किंग मेमोरी सीमित होती है (हम अपने दिमाग में केवल कुछ ही चीजें रख सकते हैं)। हालाँकि, सेंटौर को बैचों में प्रशिक्षित किया गया था (जैसे एक साथ पूरी किताब पढ़ लेना) और इसकी "कॉन्टेक्स्ट विंडो" बहुत विशाल है (यह बातचीत में सब कुछ याद रख सकता है)।
- फैसला: सेंटौर इस परीक्षण में विफल रहता है। यह इंसान की तरह व्यवहार करता है, लेकिन इसका आंतरिक इंजन पूरी तरह से अलग है। यह एक ऐसे विमान की तरह है जो पक्षी की तरह उड़ता तो है, लेकिन पंख फड़फड़ाने के बजाय जेट इंजन का उपयोग करता है।
व्यापकता (The "Scope"):
- प्रश्न: क्या यह विभिन्न प्रकार की सोच करने में सक्षम है?
- निष्कर्ष: सेंटौर गणित, तर्क और भाषा में अच्छा है। लेकिन यह यूनिमोडल (unimodal) है, जिसका अर्थ है कि यह केवल टेक्स्ट (पाठ) को प्रोसेस करता है। इसके पास देखने के लिए आँखें, छूने के लिए हाथ और चलने-फिरना करने के लिए शरीर नहीं है।
- फैसला: इसे आंशिक अंक मिलते हैं। यह स्मार्ट है, लेकिन इसमें मानव जैसा "देहधारित" (embodied) अनुभव नहीं है।
प्रदर्शन मिलान (The "Result"):
- प्रश्न: क्या यह सही उत्तर देता है, वही गलतियाँ करता है, और उतना ही समय लेता है?
- निष्कर्ष: सेंटौर इसमें उत्कृष्ट है। यह मानव विकल्पों की लगभग पूरी तरह से भविष्यवाणी करता है और मानव त्रुटि पैटर्न की भी नकल करता है।
- फैसला: यहाँ इसका स्कोर उच्च है। लेकिन लेखक चेतावनी देते हैं: यहाँ उच्च स्कोर का मतलब यह सिद्ध नहीं होता कि यह हमारी तरह सोचता है।
अंतिम स्कोर: जब आप इन सबको मिलाते हैं, तो सेंटौर का "संज्ञानात्मक संभाव्यता" (Cognitive Plausibility) स्कोर कम आता है। यह एक बेहतरीन इमुलेटर (एक सटीक अभिनेता) है, लेकिन एक कमजोर संज्ञानात्मक मॉडल (एक सच्चा विचारक) है।
प्रयोग: "क्या कोई और यह कर सकता है?"
यह सिद्ध करने के लिए कि सेंटौर विशेष नहीं है, शोधकर्ताओं ने एक परीक्षण चलाया। उन्होंने पाँच अन्य शक्तिशाली AI मॉडलों (जैसे GPT-4, Gemini और अन्य) को लिया जिन्हें मानव डेटा पर प्रशिक्षित नहीं किया गया था।
उन्होंने इन मॉडलों को एक सरल निर्देश दिया: "यह खेल का नियम है। यह रहा इतिहास कि क्या हुआ। अब, एक इंसान क्या करेगा?" (इसे RAG या रिट्रीवल-ऑगमेंटेड जनरेशन कहा जाता है)।
परिणाम:
- इन "अनट्रेन्ड" मॉडलों ने सेंटौर के समान ही प्रदर्शन किया।
- कुछ मामलों में, प्रदर्शन के बीच का अंतर इतना कम था कि वह सांख्यिकीय रूप से नगण्य था।
- उपमा: यह उन अभिनेताओं के समूह को एक स्क्रिप्ट देने जैसा है। सेंटौर वह अभिनेता है जिसने स्क्रिप्ट को पूरी तरह से रट लिया है। लेकिन जब आप वही स्क्रिप्ट अन्य अभिनेताओं को देते हैं, तो वे भी बिना पूरी किताब रटे, लगभग उतनी ही सटीकता से संवाद बोल सकते हैं।
निष्कर्ष: मानव व्यवहार की नकल करने के लिए आपको किसी "विशेष" संज्ञानात्मक मॉडल की आवश्यकता नहीं है; आपको बस एक स्मार्ट लैंग्वेज मॉडल और सही निर्देश चाहिए।
ब्रेन स्कैन टेस्ट (fMRI)
सेंटौर के रचनाकारों ने दावा किया कि प्रशिक्षण के बाद, AI के "आंतरिक विचार" (न्यूरल रिप्रेजेंटेशन) मानव मस्तिष्क के स्कैन (fMRI डेटा) जैसे दिखने लगे। उन्होंने कहा कि इससे यह सिद्ध होता है कि AI "मस्तिष्क जैसा" बन रहा है।
लेखकों ने इसका भी परीक्षण किया। उन्होंने अन्य AI मॉडलों से पूछा कि वे किसी विशिष्ट कार्य के लिए मस्तिष्क की गतिविधि कैसी दिखेगी, इसका अनुमान लगाएँ, केवल कार्य के विवरण को पढ़कर।
परिणाम:
- अन्य मॉडलों ने भी ऐसे अनुमान दिए जो मानव मस्तिष्क के स्कैन के साथ उच्च सहसंबंध (correlation) रखते थे।
- उपमा: यदि आप लोगों के एक समूह से "डर" की भावना का वर्णन करने के लिए कहें, तो वे सभी समान शब्दों का उपयोग करेंगे (दिल की धड़कन तेज होना, पसीना आना)। इसका मतलब यह नहीं है कि उन सभी के पास एक ही जैविक भय तंत्र है; इसका मतलब केवल यह है कि वे सभी एक ही अवधारणा का वर्णन कर रहे हैं।
- लेखक तर्क देते हैं कि ब्रेन स्कैन में उच्च सहसंबंध प्राप्त करना उतना कठिन नहीं है जितना कि रचनाकार दावा कर रहे हैं। यह सिद्ध नहीं करता कि AI के पास मस्तिष्क है; यह केवल यह सिद्ध करता है कि वह कार्य की अवधारणा को समझता है।
अंतिम निष्कर्ष
यह शोध पत्र AI की दुनिया के लिए एक चेतावनी के साथ समाप्त होता है:
- नक्शे को इलाके (क्षेत्र) समझने की गलती न करें। सिर्फ इसलिए कि एक AI मानव व्यवहार का एक सटीक नक्शा बना सकता है (भविष्यवाणी कर सकता है कि हम क्या करेंगे), इसका मतलब यह नहीं है कि AI स्वयं वह इलाका (मानव मन) है।
- सेंटौर एक बेहतरीन भविष्यवक्ता है, लेकिन एक कमजोर व्याख्याकार है। यह अनुमान लगाने के लिए एक शानदार उपकरण है कि मनुष्य आगे क्या करेंगे। लेकिन हम इसका उपयोग यह समझाने के लिए नहीं कर सकते कि मनुष्य इस तरह क्यों सोचते हैं, क्योंकि इसकी आंतरिक मशीनरी मौलिक रूप से हमसे भिन्न है।
- हमें बेहतर परीक्षणों की आवश्यकता है। हमें केवल यह पूछना बंद करना होगा कि "क्या इसने सही उत्तर दिया?" और यह पूछना शुरू करना होगा कि "क्या इसने मानव वाले मानसिक गियर्स का उपयोग करके सही उत्तर दिया?"
संक्षेप में: सेंटौर एक कुशल अभिनेता है, लेकिन वह इंसान नहीं है। लेखकों ने LAPITHS नामक एक ढांचा बनाया है ताकि हम उसके प्रदर्शन से धोखा न खा जाएँ।
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।