Think-Aloud Reshapes Automated Cognitive Model Discovery Beyond Behavior
यह शोध पत्र यह प्रदर्शित करता है कि स्वचालित संज्ञानात्मक मॉडल खोज (automated cognitive model discovery) में 'थिंक-अलाउड' (Think-Aloud) निशानों को शामिल करने से भविष्य कहनेवाला प्रदर्शन (predictive performance) में महत्वपूर्ण सुधार होता है और पहचाने गए मॉडल संरचनाओं को अधिक एकीकृत उपयोगिता तंत्रों (integrated utility mechanisms) की ओर स्थानांतरित करता है, जिससे उन संज्ञानात्मक प्रक्रियाओं का अनावरण होता जिन्हें केवल व्यवहार संबंधी डेटा अकेले पुनः प्राप्त नहीं कर सकता है।
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 आप यह समझने की कोशिश कर रहे हैं कि आपका एक दोस्त रात के खाने के लिए क्या चुनने का निर्णय लेता है। आपके पास उनकी प्रक्रिया को जानने के दो तरीके हैं:
- "क्या" (व्यवहार): आप उन्हें ऑर्डर करते हुए देखते हैं। वे पिज्जा चुनते हैं। आप परिणाम देखते हैं।
- "कैसे" (सोच-विचार को बोलकर बताना): आप उनसे उनके विचारों को बोलकर बताने के लिए कहते हैं जबकि वे निर्णय ले रहे हों। वे कहते हैं, "हम्म, मुझे भूख लगी है, लेकिन पिज्जा भारी है। शायद मुझे पहले कैलोरी देखनी चाहिए, फिर लागत की तुलना करनी चाहिए।"
लंबे समय तक, मानव सोच के कंप्यूटर मॉडल बनाने की कोशिश करने वाले वैज्ञानिकों के पास केवल "क्या" तक ही पहुंच थी। वे लोगों द्वारा किए गए विकल्पों को देखते हैं (जैसे कि एक जोखिम भरा जुआ या एक सुरक्षित विकल्प चुनना) और उसके पीछे के गणित को रिवर्स-इंजीनियर करने की कोशिश करते हैं।
समस्या यह है कि "क्या" अक्सर एक धुंधले दर्पण की तरह होता है। कई अलग-अलग आंतरिक गणितीय सूत्र बिल्कुल एक ही अंतिम विकल्प उत्पन्न कर सकते हैं। यह एक कार को सड़क पर चलते हुए देखने जैसा है; आप जानते हैं कि वह A से B तक चली, लेकिन आप यह नहीं जानते कि ड्राइवर जीपीएस (GPS) का उपयोग कर रहा था, मानचित्र का, या बस अनुमान लगा रहा था। इस कारण से कंप्यूटर मॉडल "अनिर्धारित" (under-determined) हो जाते हैं—वहाँ बहुत सारे संभावित उत्तर हैं, और कंप्यूटर गलत उत्तर भी चुन सकता है क्योंकि वह डेटा के साथ ठीक-ठाक फिट बैठता है।
नया दृष्टिकोण: आंतरिक एकालाप को सुनना
यह शोध पत्र इन मॉडलों को बनाने का एक नया तरीका पेश करता है। केवल अंतिम विकल्प को देखने के बजाय, शोधकर्ताओं ने कंप्यूटर मॉडलों को "कैसे" भी दिया—वास्तविक बोले गए विचार (थिंक-अलाउड ट्रेसेस) जो लोगों ने निर्णय लेते समय व्यक्त किए थे।
उन्होंने एक अत्यंत बुद्धिमान AI (एक लार्ज लैंग्वेज मॉडल) को एक जासूस के रूप में इस्तेमाल किया। AI को दो प्रकार के सुराग दिए गए:
- सुराग A: व्यक्ति द्वारा किए गए विकल्पों की सूची।
- सुराग B: उन विकल्पों को चुनते समय व्यक्ति ने जो कहा, उसका ट्रांसक्रिप्ट।
AI ने फिर एक कंप्यूटर प्रोग्राम लिखने की कोशिश की जो उन विकल्पों और बोले गए विचारों दोनों की व्याख्या कर सके।
उन्होंने क्या पाया
शोधकर्ताओं ने इसका परीक्षण लोगों द्वारा जोखिम भरे निर्णय लेने (जैसे कि एक निश्चित छोटे इनाम या एक बड़े इनाम के अवसर के बीच चयन करना) पर किया। यहाँ हुआ जब उन्होंने इसमें "बोले गए विचारों" को शामिल किया:
1. मॉडल अधिक स्मार्ट हो गए (बेहतर भविष्यवाणियां)
जब AI ने केवल विकल्पों का उपयोग किया, तो इसने अच्छे अनुमान लगाए। लेकिन जब इसने विकल्पों साथ ही बोले गए विचारों का उपयोग किया, तो मॉडल यह अनुमान लगाने में बहुत बेहतर हो गए कि वह व्यक्ति अगली बार क्या करेगा। यह एक अपराध को सुलझाने वाले जासूस जैसा है: यदि आप केवल पदचिह्न देखते हैं, तो आप गलत संदिग्ध का अनुमान लगा सकते हैं। लेकिन यदि आप संदिग्ध का बहाना (alibi) भी सुन लेते हैं, तो आप सच्चाई को बहुत अधिक सटीकता से पकड़ सकते हैं।
2. मॉडलों ने अपना "डीएनए" बदल दिया (संरचनात्मक बदलाव)
यह सबसे आश्चर्यजनक हिस्सा है। AI ने केवल नंबरों में मामूली बदलाव नहीं किया; इसने मानव मस्तिष्क की व्याख्या करने के लिए उपयोग किए जाने वाले तर्क के प्रकार को पूरी तरह से बदल दिया।
- बोले गए विचारों के बिना: AI ने मुख्य रूप से सोचा कि मनुष्य एक "रस्साकशी" (Tug-of-War) पद्धति का उपयोग कर रहे हैं। इसने माना कि लोग विकल्प A का मूल्य निकालते हैं, विकल्प B का मूल्य निकालते हैं, और फिर यह देखने के लिए दोनों संख्याओं की तुलना करते हैं कि कौन सी बड़ी है।
- बोले गए विचारों के साथ: AI को एहसास हुआ कि अधिकांश लोगों के लिए (लगभग 70%), मस्तिष्क एक "स्मूदी ब्लेंडर" (Smoothie Blender) की तरह काम करता है। दो अलग-अलग नंबरों की तुलना करने के बजाय, लोग वास्तव में प्रत्येक विकल्प के अंदर सामग्री (जोखिम, इनाम, संभावना) को मिला रहे थे, उन्हें एक एकल भावना में ब्लेंड कर रहे थे, और फिर एक विकल्प चुन रहे थे।
शोधकर्ताओं ने पाया कि लगभग 7 में से 10 लोगों के लिए, बोले गए विचारों को जोड़ने से AI को "रस्साकशी" मॉडल को छोड़ने और "ब्लेंडर" मॉडल में स्विच करने के लिए मजबूर होना पड़ा।
मुख्य निष्कर्ष
इस शोध पत्र का मुख्य बिंदु यह है कि लोग कैसे सोचते हैं, यह सुनना उनके दिमाग का जो नक्शा हम बनाते हैं, उसे बदल देता है।
यदि आप केवल मंजिल (विकल्प) को देखते हैं, तो आप एक ऐसा नक्शा बना सकते हैं जो एक सीधी रेखा जैसा दिखता है। लेकिन यदि आप यात्री की टिप्पणियों को सुनते हैं, तो आपको एहसास होता है कि उन्होंने एक घुमावदार रास्ता लिया, एक दृश्य देखने के लिए रुके, और शायद वापस भी मुड़े।
"थिंक-अलाउड" डेटा को जोड़कर, शोधकर्ताओं ने न केवल थोड़ा बेहतर नक्शा बनाया; उन्होंने यह भी खोजा कि भूभाग (terrain) वैसा नहीं था जैसा उन्होंने सोचा था। बोले गए शब्दों ने एक बाधा (constraint) के रूप में कार्य किया, जिससे कंप्यूटर को केवल अनुमान लगाने के बजाय उस वास्तविक मानसिक मशीनरी को खोजने के लिए मजबूर होना पड़ा जिसका लोग उपयोग कर रहे थे—ऐसी मशीनरी जो अदृश्य थी यदि आप केवल उनके हाथों को देखते।
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।