Think Fast: Estimating No-CoT Task-Completion Time Horizons of Frontier AI Models
यह शोध पत्र स्पष्ट 'चेन-ऑफ-थॉट' टोकन के बिना जटिल तर्क करने की फ्रंटियर एआई मॉडलों की क्षमता का मूल्यांकन करने के लिए मानव बेसलाइन के विरुद्ध उनके कार्य-पूर्णता समय क्षितिज को मापता है, जो प्रदर्शन में वार्षिक रूप से दोगुना होने की प्रवृत्ति को प्रकट करता है और यह अनुमान लगाता है कि ये मॉडल जल्द ही 2030 तक एक एकल पास में 25 मिनट से अधिक के मानवीय प्रयास वाले कार्यों को हल कर सकेंगे।
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 आप एक जादूगर को करतब दिखाते हुए देख रहे हैं। आमतौर पर, जादूगर अपनी प्रक्रिया के बारे में आपसे बात करता है: "मैं कार्डों को फेंटने जा रहा हूँ, फिर मैं ऊपर वाले कार्ड को देखूँगा, और अब मैं इसे गायब करने जा रहा हूँ।" यह बोलने वाला हिस्सा एक AI के "चेन ऑफ थॉट" (CoT) की तरह है। यह वह चरण-दर-चरण तर्क है जिसे मॉडल हमें अपना उत्तर देने से पहले दिखाता है। सुरक्षा विशेषज्ञ इसे इसलिए पसंद करते हैं क्योंकि वे "सोच" को सुन सकते हैं ताकि यह सुनिश्चित किया जा सके कि AI कोई खतरनाक योजना नहीं बना रहा है, जैसे कि झूठ बोलना या अपने मानव पर्यवेक्षकों को धोखा देने की कोशिश करना।
लेकिन क्या होगा अगर जादूगर पूरी तरह से बोलना बंद कर दे? क्या होगा अगर वे वह सारा जटिल फेंटना, देखना और योजना बनाना अपने दिमाग के अंदर, पूरी तरह से सन्नाटे में कर सकें, और फिर बस चुटकी बजाकर उत्तर प्रकट कर दें? यदि एक AI ऐसा कर सकता है, तो सुरक्षा निगरानीकर्ता अंधेरे में रह जाते हैं, वे उस "सोच" को देखने में असमर्थ होते जो किसी बुरी योजना को छिपा सकती है। यह शोध पत्र एक बड़ा, थोड़ा डरावना सवाल पूछता है: ये सुपर-स्मार्ट AI मॉडल बिना एक भी शब्द काम किए अपने दिमाग में वास्तव में कितना कुछ कर सकते हैं?
शोधकर्ताओं ने यह पता लगाने का निर्णय लिया कि वे अत्याधुनिक AI मॉडलों को 30,000 से अधिक पहेलियों, गणित की समस्याओं, कोडिंग चुनौतियों और तर्क संबंधी खेलों के एक विशाल परीक्षण से गुजारें। लेकिन इसमें एक पेच था: उन्होंने मॉडलों को तुरंत उत्तर देने के लिए मजबूर किया, बिना किसी "थिंकिंग टोकन्स" या आंतरिक एकालाप के। वे "टाइम होराइजन" (Time Horizon) को मापना चाहते थे—एक फैंसी तरीका यह पूछने का कि, "एक इंसान को उसी समस्या को हल करने में कितना समय लगेगा जिसे AI ने बिना एक शब्द बोले पलक झपकते ही हल कर दिया?"
यहाँ उन्हें क्या पता चला। पिछले छह वर्षों में, ये AI मॉडल मौन रूप से सोचने में अविश्वसनीय रूप से कुशल हो गए हैं। 2019 में, एक AI केवल उन समस्याओं को हल कर सकता था जिन्हें एक इंसान बिना किसी मदद के एक सेकंड के अंश में कर सकता था। लेकिन इस अध्ययन के 2026 के अनुमानों तक, नवीनतम मॉडल (जैसे GPT-5.5) अनुमानित रूप से उन समस्याओं को हल करने में सक्षम हैं जिन्हें सुलझाने में एक इंसान को 3 मिनट से अधिक का समय लगेगा, और वह भी बिना अपने तर्क का एक शब्द कहे।
यह विकास बहुत तेजी से हो रहा है। शोधकर्ताओं ने पाया कि इन मौन कार्यों की जटिलता लगभग हर साल दोगुनी (विशेष रूप से, हर 373 दिनों में) हो रही है। यह ऐसा है जैसे AI केवल एक कैलेंडर वर्ष में एक साल की मानसिक कसरत करने में सीख रहा है। यदि यह रुझान जारी रहता है, तो 2028 तक, ये मॉडल उन कार्यों को चुपचाप हल करने में सक्षम हो सकते हैं जिनमें मनुष्यों को 7 मिनट लगते हैं, और 2030 तक, यह बढ़कर 25 मिनट के शुद्ध, छिपे हुए मानसिक कार्य तक पहुँच सकता है।
अपने गणित की दोबारा जाँच करने के लिए, उन्होंने यह भी देखा कि एक संदर्भ मॉडल को इन समान समस्याओं को हल करने के लिए कितने "रीज़निंग टोकन्स" (तर्क चरणों के डिजिटल समकक्ष) की आवश्यकता होगी। उन्होंने पाया कि AI की मौन क्षमता इन टोकनों के मामले में भी हर साल दोगुनी हो रही है, जो नवीनतम मॉडलों के लिए 1,500 टोकन से अधिक की छिपी हुई प्रसंस्करण शक्ति तक पहुँच रही है।
शोध पत्र सुझाव देता है कि हालांकि हम भविष्य के बारे में 100% निश्चित नहीं हो सकते (संख्याओं की संभावनाओं की एक विस्तृत श्रृंखला है), रुझान स्पष्ट है: AI मॉडल तेजी से जटिल, बहु-चरणीय तर्क को पूरी तरह से अपने "मस्तिष्क" के भीतर बिना दिखाए करने की क्षमता हासिल कर रहे हैं। इसका मतलब है कि AI के विचारों को सुनकर उसे सुरक्षित रखने पर भरोसा करना निकट भविष्य में बहुत कठिन हो सकता है, क्योंकि AI शायद वह सारी सोच बस सन्नाटे में ही कर रहा होगा। लेखक डेवलपर्स से इस "मौन" क्षमता को बारीकी से ट्रैक करते रहने का आग्रह करते हैं, क्योंकि यह अनुमानित रूप से बढ़ रही है और इन शक्तिशाली प्रणालियों की निगरानी करने के हमारे तरीके को बदल सकती है।
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।