auto-psych: Automating the science of mind using agent-driven theory discovery and experimentation
यह शोध पत्र "auto-psych" को प्रस्तुत करता है, जो एक एजेंट-संचालित प्रणाली है जो नेस्टेड लूप्स (nested loops) का उपयोग करके प्रयोगों को डिजाइन करने, क्राउडसोर्स्ड मानव डेटा एकत्र करने और ऐसी थ्योरीज़ खोजने के माध्यम से कम्प्यूटेशनल कॉग्निटिव साइंस में पूर्ण वैज्ञानिक पाइपलाइन को स्वचालित करती है जो मानव व्यवहार को समझाने में मौजूदा साहित्य से बेहतर प्रदर्शन करती हैं।
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 एक वैज्ञानिक प्रयोगशाला है जहाँ शोधकर्ता रोबोट हैं, प्रयोगकर्ता रोबोट हैं, और परीक्षण देने वाले लोग वास्तविक मनुष्य हैं। यह auto-psych के पीछे का मूल विचार है, जो एक नया सिस्टम है जिसका वर्णन इस पेपर में किया गया है, जो मानव मस्तिष्क कैसे काम करता है, इसकी खोज करने की पूरी प्रक्रिया को स्वचालित करने का प्रयास करता है।
यहाँ इसका एक सरल विवरण दिया गया है कि यह कैसे काम करता है, रोज़मर्रा के उपमाओं (analogies) का उपयोग करते हुए।
बड़ी समस्या: "मानवीय बाधा" (The Human Bottleneck)
आमतौर पर, जब वैज्ञानिक मन को समझना चाहते हैं, तो उन्हें यह करना पड़ता है:
- एक सिद्धांत का अनुमान लगाना (जैसे, "लोग X को यादृच्छिक (random) इसलिए मानते हैं क्योंकि...")।
- इसके लिए एक परीक्षण डिजाइन करना।
- परीक्षण लेने के लिए वास्तविक मनुष्यों को जुटाना।
- परिणामों का विश्लेषण करना और सिद्धांत में सुधार करना।
धीमी प्रक्रिया चरण 3 है। मनुष्यों को ढूँढना, उन्हें भुगतान करना और उनके पूरा होने का इंतज़ार करना समय लेता है। Auto-psych इस लूप के बीच से मानव वैज्ञानिकों को हटाने की कोशिश करता है। यह अनुमान लगाने, डिजाइन करने और विश्लेषण करने के लिए AI एजेंटों का उपयोग करता है, जबकि केवल प्रतिभागी (वे लोग जो बटन क्लिक कर रहे हैं) ही मानव होते हैं।
टेस्ट केस: "क्या यादृच्छिक दिखता है?"
इस सिस्टम का परीक्षण करने के लिए, लेखकों ने एक क्लासिक दिमागी पहेली चुनी: सिक्के उछालना (Coin Flips)।
यदि आप एक सिक्का उछालते हैं, तो HTHTHT और HHHTTT जैसे अनुक्रम गणितीय रूप से समान रूप से संभावित हैं। लेकिन मनुष्य ऐसा नहीं सोचते। हम आमतौर पर सोचते हैं कि HTHTHT कम यादृच्छिक दिखता है क्योंकि यह बहुत व्यवस्थित है, और HHHTTT संदिग्ध लगता है।
लक्ष्य यह देखना था कि क्या AI यह पता लगा सकता है कि मनुष्य ये चुनाव ठीक से क्यों करते हैं, उन सिद्धांतों से बेहतर जो पहले से ही पाठ्यपुस्तकों में लिखे जा चुके हैं।
दो-लूप वाली मशीन (The Two-Loop Machine)
यह सिस्टम दो नेस्टेड असेंबली लाइनों (लूप्स) वाले कारखाने की तरह काम करता है:
1. बाहरी लूप: "लैब मैनेजर"
इस एजेंट को एक प्रोजेक्ट मैनेजर के रूप में सोचें जो पूरे शो को चलाता है।
- काम: यह सभी वर्तमान सिद्धांतों (मॉडल्स) को देखता है और पूछता है, "हमें अगला प्रयोग क्या करना चाहिए जो इन सिद्धांतों के बीच अंतर बता सके?"
- कार्रवाई: यह उन "प्रश्नों" (सिक्के उछालने के अनुक्रमों) को चुनता है जो मनुष्यों से पूछे जाने चाहिए। इसके बाद यह स्वचालित रूप से एक वेबसाइट के लिए कोड लिखता है, एक क्राउडसोर्सिंग साइट (जैसे Prolific) पर पोस्ट करता है, 40 लोगों के पूरा करने का इंतज़ार करता है, और जवाब डाउनलोड करता है।
- लक्षक्य: सिद्धांतों का परीक्षण करने के लिए जितनी जल्दी हो सके नया डेटा प्राप्त करना।
2. आंतरिक लूप: "आलोचना और परिष्करण" टीम (The "Critique & Refine" Team)
एक बार डेटा आ जाने के बाद, आंतरिक लूप कार्यभार संभाल लेता है। यहीं पर AI एक सख्त संपादक और एक रचनात्मक लेखक की भूमिका निभाता है।
- आलोचक (The Critic): यह सबसे अच्छे वर्तमान सिद्धांत को देखता है और उसे तोड़ने की कोशिश करता है। यह सिम्युलेट करता है कि सिद्धांत को क्या भविष्यवाणी करनी चाहिए थी और इसकी तुलना इस बात से करता है कि मनुष्यों ने वास्तव में क्या किया। यदि सिद्धांत एक विशिष्ट पैटर्न को समझाने में विफल रहता है (जैसे, "इसने यह अनुमान नहीं लगाया कि लोग हेड्स के लंबे रन से नफरत करते हैं"), तो आलोचक इसे फ्लैग करता है।
- सिद्धांतकार (The Theorist): आलोचक के नोट्स देखकर, यह एजेंट उस विशिष्ट गलती को ठीक करने के लिए एक नया सिद्धांत लिखता है। यह एक नए विचार को कंप्यूटर कोड (एक संभाव्यता मॉडल) में अनुवादित करता है।
- परिणाम: नए, बेहतर सिद्धांत को सूची में जोड़ा जाता है, और बाहरी लूप इसे फिर से टेस्ट करने के लिए तैयार हो जाता है।
उन्होंने क्या पाया?
शोधकर्ताओं ने वास्तविक मनुष्यों के साथ तीन दौर के प्रयोगों के माध्यम से इस सिस्टम को चलाया। यहाँ क्या हुआ:
- यह "नकली" डेटा पर काम करता है: पहले, उन्होंने एक ज्ञात "ग्राउंड ट्रुथ" कंप्यूटर मॉडल द्वारा उत्पन्न डेटा के साथ सिस्टम का परीक्षण किया। सिस्टम ने सफलतापूर्वक उस सटीक मॉडल को खोज लिया, जिससे सिद्ध हुआ कि यह काम करता है।
- यह मानव सिद्धांतों को मात देता है: जब उन्होंने सिस्टम को वास्तविक मानव डेटा पर चलने दिया, तो AI ने ऐसे नए सिद्धांत खोजे जो मनोविज्ञान की पाठ्यपुस्तकों में पाए जाने वाले प्रसिद्ध सिद्धांतों की तुलना में मानव व्यवहार को बेहतर तरीके से समझाते हैं।
- उदाहरण: AI द्वारा खोजे गए विजेता सिद्धांतों में से एक था "मिंकोव्स्की टिपिकैलिटी" (Minkowski typicality)। इसने सुझाव दिया कि लोग यादृच्छिकता का निर्णय एक मानसिक "प्रोटोटाइप" के साथ अनुक्रम की तुलना करके लेते हैं, लेकिन वे अंतर को एक बहुत ही विशिष्ट गणितीय तरीके से दंडित करते हैं (दो प्रकार के दूरी मापन के बीच कहीं)।
- नेस्टेड संरचना महत्वपूर्ण है: जब शोधकर्ताओं ने "आंतरिक लूप" (क्रिटिक/रिफाइन टीम) को बंद कर दिया और केवल बाहरी लूप को चलने दिया, तो सिस्टम का प्रदर्शन काफी खराब रहा। यह साबित करता है कि प्रयोगों को डिजाइन करने और सिद्धांतों की आलोचना करने के बीच का तालमेल सफलता के लिए आवश्यक है।
निचोड़ (The Bottom Line)
यह पेपर यह प्रदर्शित करता है कि यह एक पूरी तरह से स्वचालित वैज्ञानिक लूप बनाना संभव है जहाँ AI एजेंट प्रयोगों को डिजाइन करते हैं, वास्तविक मानव डेटा एकत्र करते हैं, और मानव मन के काम करने के तरीके के बारे में नए सिद्धांत खोजते हैं।
इस विशिष्ट मामले में, AI ने केवल मानव विचारों की नकल नहीं की; इसने एक बेहतर स्पष्टीकरण खोजा कि हम क्यों सोचते हैं कि कुछ सिक्के उछाल अधिक यादृच्छिक दिखते हैं। लेखक नोट करते हैं कि हालांकि यह एक एकल समस्या के लिए एक प्रूफ-ऑफ-कॉन्सेप्ट है, यह दिखाता है कि AI अंततः मानव वैज्ञानिकों की तुलना में बहुत तेज़ी से मानव व्यवहार के विशाल क्षेत्रों को खोजने में मदद कर सकता है।
महत्वपूर्ण नोट: पेपर सख्ती से अपने दावों को इस विशिष्ट "कॉइन फ्लिप" प्रयोग और सिद्धांतों को पुनः प्राप्त करने की क्षमता तक सीमित रखता है। यह दावा नहीं करता है कि यह सिस्टम अभी मानसिक स्वास्थ्य संबंधी समस्याओं का निदान करने, शिक्षा में सुधार करने या इस विशिष्ट संज्ञानात्मक विज्ञान टेस्टबेड के बाहर जटिल वास्तविक दुनिया की समस्याओं को हल करने में सक्षम 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।