Are Humans Evolved Instruction Followers? An Underlying Inductive Bias Enables Rapid Instructed Task Learning
यह स्थिति पत्र (position paper) तर्क देता है कि मनुष्यों में निर्देशों का पालन करने के लिए एक विकसित इंडक्टिव बायस (inductive bias) होता है, जो कि बड़े भाषा मॉडलों में इंस्ट्रक्शन ट्यूनिंग (instruction tuning) के समान एक संज्ञानात्मक तंत्र है जो भाषाई इनपुट से नवीन कार्यों के तीव्र सामान्यीकरण को सक्षम बनाता 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
कल्पना कीजिए कि आप एक कमरे में कदम रखते हैं और वहां बटनों से भरी एक अजीब, अपरिचित मशीन देखते हैं। एक इंसान अंदर आता है, मैनुअल को एक बार पढ़ता है, और तुरंत जान जाता है कि इसे कैसे चलाना है। अब, एक कुत्ते या चिंपांजी की कल्पना करें जो उसी मशीन को समझने की कोशिश कर रहा है। वे संभवतः घंटों तक बटन दबाते रहेंगे, इनाम (या झटका) प्राप्त करेंगे, और बार-बार प्रयास करेंगे, इससे पहले कि वे अंततः इसे सही ढंग से कर पाएं।
यह शोध पत्र एक बड़ा सवाल पूछता है: इंसान निर्देशों को सुनकर नई चीजें सीखने में इतने अच्छे क्यों होते हैं, जबकि लगभग बाकी सभी को 'ट्रायल एंड एरर' (गलती करके सीखने) के जरिए सीखना पड़ता है?
लेखक, अंजीशनु कुमार, एक दिलचस्प विचार प्रस्तावित करते हैं: इंसान "विकसित निर्देश अनुगामी" (evolved instruction followers) हैं।
इस शोध पत्र के मुख्य बिंदुओं का विवरण, सरल उपमाओं का उपयोग करते हुए यहाँ दिया गया है:
1. "वन-शॉट" लर्निंग की सुपरपावर
शोध पत्र इस क्षमता को रैपिड इंस्ट्रक्टेड टास्क लर्निंग (RITL) कहता है। यह इंसानों की वह कुशलता है जिससे वे नियमों का एक सेट सुनते हैं और पहली ही कोशिश में कार्य को सही ढंग से कर लेते हैं।
- उपमा: एक नया बोर्ड गेम सीखने के बारे में सोचें। एक इंसान नियम पुस्तिका पढ़ सकता है, और तुरंत खेलना शुरू कर सकता है। एक मानक "लर्निंग मशीन" (जैसे कि ट्रायल-एंड-एरर का उपयोग करने वाला रोबोट) को खेल के नियमों को गलती से समझने के लिए हजारों बार खेलना होगा, और गलतियाँ करनी होंगी। इंसान "अनुमान लगाने वाले चरण" को पूरी तरह से छोड़ देते हैं क्योंकि वे शब्दों को सीधे क्रियाओं में बदल सकते हैं।
2. "इंस्ट्रक्शन-ट्यूनिंग" का संबंध
लेखक इस बात के बीच एक समानता खींचते हैं कि इंसान कैसे सीखते हैं और आधुनिक AI (जैसे कि वह चैटबॉट जिससे आप बात कर रहे हैं) कैसे सीखता है।
- AI में: बड़े AI मॉडल "बेस" मॉडल के रूप में शुरू होते हैं जो बहुत सारे तथ्य जानते हैं लेकिन विशिष्ट आदेशों का पालन करने में खराब होते हैं। इसे ठीक करने के लिए, इंजीनियर उन्हें "इंस्ट्रक्शन ट्यूनिंग" नामक एक विशेष प्रशिक्षण देते हैं। वे AI को "यहाँ एक कमांड है, यहाँ उसका उत्तर है" के लाखों उदाहरण खिलाते हैं। इस प्रशिक्षण के बाद, AI निर्देशों का पालन करने में विशेषज्ञ बन जाता है।
- इंसानों में: शोध पत्र का तर्क है कि विकास (Evolution) ने हमारे लिए "इंस्ट्रक्शन ट्यूनिंग" की है। हजारों वर्षों में, वे इंसान जो निर्देशों को सुनने और उनकी नकल करने में अच्छे थे, बेहतर तरीके रूप से जीवित रहे। वे अस्तित्व के कौशल (जैसे "वह बेरी मत खाओ" या "इस छड़ी का उपयोग खुदाई के लिए करो") साझा कर सके बिना हर बार उदाहरण देकर सिखाए।
- बड़ा विचार: जिस तरह AI को निर्देशों का पालन करने में अच्छा बनने के लिए एक विशेष प्रशिक्षण चरण की आवश्यकता होती है, उसी तरह इंसानों को विकास द्वारा "प्री-ट्रेन्ड" किया गया था। हमारे मस्तिष्क में एक अंतर्निहित "बायस" (डिफ़ॉल्ट सेटिंग) है जो कहता है, "जब कोई मुझसे एक शिक्षक की तरह बात करे, तो मुझे उन शब्दों को पालन करने योग्य नियमों के सेट के रूप में देखना चाहिए।"
3. हम जानवरों से अलग क्यों हैं?
शोध पत्र इस बिंदु को सिद्ध करने के लिए हमारे पशु रिश्तेदारों पर नज़र डालता है।
- चिंपांजी: वे बुद्धिमान हैं, लेकिन यदि आप उन्हें कोई जटिल कार्य दिखाते हैं, तो वे अक्सर "बेकार" चरणों को छोड़ देते हैं और सीधे लक्ष्य की ओर बढ़ते हैं। यदि आप उन्हें कुछ विशिष्ट करने के लिए कहते हैं, तो वे अक्सर निर्देश की अनदेखी करते हैं और वही करते हैं जो उन्हें कुशल लगता है।
- कुत्ते: कुत्ते मानवीय इशारों (जैसे इशारा करना) को समझने में माहिर होते हैं, लेकिन वे जटिल, भाषा-आधारित निर्देशों जैसे "गेंद को पाइन की सुइयों पर रखो" को उसी लचीलेपन के साथ नहीं संभाल सकते।
- इंसान: हम अद्वितीय हैं क्योंकि हम उच्च निष्ठा के साथ निर्देशों का पालन करने के लिए बने हैं, भले ही निर्देश मूर्खतापूर्ण या अक्षम लगें। हम एक अच्छे अर्थ में "ओवर-इमिटेटर्स" (अति-अनुकरणकर्ता) हैं; हम शिक्षक के शब्दों पर भरोसा करते हैं।
4. हमारे मस्तिष्क में हार्डवेयर
शोध पत्र सुझाव देता है कि हमारे मस्तिष्क में एक विशिष्ट "इंजन" है।
- उपमा: आपके मस्तिष्क के अगले हिस्से (प्रीफ्रंटल कॉर्टेक्स) को एक यूनिवर्सल रिमोट कंट्रोल के रूप में सोचें। जब आप एक निर्देश सुनते हैं, तो मस्तिष्क का यह हिस्सा तुरंत खुद को नए "चैनल" (नए कार्य) के अनुरूप ढाल लेता है।
- जबकि अन्य जानवर अपने व्यवहार को बदलने के लिए शारीरिक रूप से अभ्यास करने की आवश्यकता महसूस कर सकते हैं, इंसान केवल एक वाक्य सुनकर मानसिक रूप से अपने मस्तिष्क को तुरंत "रीवायर" कर सकते हैं। शोध पत्र नोट करता है कि इस कार्य के लिए जिम्मेदार मस्तिष्क का हिस्सा अन्य प्राइमेट्स की तुलना में मनुष्यों में बहुत बड़ा है, जो यह सुझाव देता है कि यह हमारे विकासवादी हार्डवेयर का एक प्रमुख हिस्सा था।
5. भविष्य के लिए इसका क्या अर्थ है?
लेखक यह सुझाव नहीं दे रहे हैं कि हम इस आधार पर अभी बीमारियों का इलाज कर सकते हैं या बेहतर रोबोट बना सकते हैं। इसके बजाय, यह शोध पत्र वैज्ञानिकों के लिए एक आह्वान है:
- मस्तिष्क वैज्ञानिकों के लिए: निर्देश पालन को केवल सीखने के एक दुष्प्रभाव के रूप में न देखें। यह एक विशेष, विशिष्ट कौशल है जिसे अपने स्वयं के अध्ययन की आवश्यकता है।
- AI वैज्ञानिकों के लिए: देखें कि इंसान यह कैसे करते हैं। शायद हम बेहतर AI बना सकते हैं यदि हम उस "विकासवादी बायस" को समझें जो इंसानों को इसमें इतना कुशल बनाता है, बजाय इसके कि हम बस उन पर अधिक डेटा थोपते रहें।
संक्षेप में:
शोध पत्र का तर्क है कि इंसान केवल बुद्धिमान नहीं हैं; हम विशेष रूप रूप से सुनने के लिए हार्डवायर्ड हैं। विकास ने हमें एक "मानसिक ऑपरेटिंग सिस्टम" दिया है जो भाषा को निष्पादित करने योग्य कमांड के सेट के रूप में मानता है। यह वही ट्रिक है जिसका उपयोग इंजीनियर AI को सिखाने के लिए करते हैं, लेकिन हमारे लिए, यह कोई सॉफ्टवेयर अपडेट नहीं है—यह हमारा अस्तित्व 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।