Interview with Kalle Lyytinen on "Implications of Theories of Language for Information Systems"
इस साक्षात्कार में, कल्ले ल्यिटिन सूचना प्रणालियों (इंफॉर्मेशन सिस्टम) के भाषाई आधारों पर अपने मौलिक कार्य की उत्पत्ति और विकास पर विचार करते हैं, बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) और जनरेटिव एआई के युग में उनकी निरंतर प्रासंगिकता पर चर्चा करते हैं और भविष्य की अनुसंधान दिशाओं को रेखांकित करते 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
सूचना प्रणाली (Information Systems - IS) की दुनिया की कल्पना केवल ठंडी, कठोर तारों और चमकती स्क्रीन के संग्रह के रूप में न करें, बल्कि एक विशाल, हलचल भरी लाइब्रेरी के रूप में करें जहाँ किताबें प्रकाश से बनी हैं और लाइब्रेरियन एल्गोरिदम हैं। इसके मूल में, IS इस बात का अध्ययन है कि हम एक-दूसरे से बात करने और काम पूरा करने के लिए तकनीक का उपयोग कैसे करते हैं। इसे एक विशाल अनुवाद परियोजना की तरह समझें: मनुष्यों के पास जटिल, उलझी हुई भावनाएं और विचार हैं, और कंप्यूटर सख्त, बाइनरी कोड (एक और शून्य) में बात करते हैं। IS शोधकर्ताओं का काम इन दो दुनियाओं के बीच पुल बनाना है ताकि कंप्यूटर समझ सके कि हमारा क्या मतलब है, और हम समझ सकें कि कंप्यूटर क्या कर रहा है। दशकों से, वैज्ञानिक इस बात पर बहस कर रहे हैं कि इन पुलों को बनाने के लिए भाषा कैसे काम करती है। कुछ सोचते हैं कि भाषा गणित के सख्त नियमों (व्याकरण) की तरह है, जबकि अन्य सोचते हैं कि यह एक सामाजिक खेल की तरह है जहाँ अर्थ इस बात पर बदल जाता है कि कौन बात कर रहा है और कहाँ। यह सभी के लिए महत्वपूर्ण है क्योंकि हर बार जब आप एक टेक्स्ट भेजते हैं, ऑनलाइन पिज्जा ऑर्डर करते हैं, या GPS का उपयोग करते हैं, तो आप इन अदृश्य पुलों पर भरोसा कर रहे होते हैं। यदि पुल इस गलत विचार पर बना है कि भाषा कैसे काम करती है, तो संदेश खो जाता है, पिज्जा गलत घर पहुँच जाता है, या GPS आपको झील में ले जाता है।
इस जीवंत बातचीत में, कल्ले लियटिन (Kalle Lyytinen), एक अनुभवी शोधकर्ता जिन्होंने चालीस साल पहले इन "भाषाई पुलों" के बारे में सबसे पहले लिखा था, दो जिज्ञासु साक्षात्कारकर्ताओं के साथ बैठते हैं ताकि यह देखा जा सके कि परिदृश्य कैसे बदला है। यह शोध पत्र अनिवार्य रूप से एक समय-यात्रा करने वाली चर्चा है जहाँ लियटिन अपने प्रसिद्ध 1985 के लेख को देखते हैं और पूछते हैं, "क्या हमने सही किया था? और अब हम क्या करें जब कंप्यूटर वापस बात कर सकते हैं?"
लियटिन समझाते हैं कि उनका मूल विचार सरल लेकिन गहरा था: सूचना प्रणालियाँ केवल मशीनें नहीं हैं; वे भाषाई प्रणालियाँ (linguistic systems) हैं। वह इसकी तुलना "बिट स्ट्रिंग्स" (शून्य और एक की लंबी कतारें) से करते हैं जो पूरी तरह से अर्थहीन हैं जब तक कि मनुष्य उन्हें एक कहानी न दे दें। कंप्यूटर केवल इन बिट स्ट्रिंग्स को इधर-उधर घुमाने वाला एक रोबोट है; उसे नहीं पता कि उनका क्या अर्थ है। अर्थ हम मनुष्यों से आता है, जो इन प्रणालियों का उपयोग संवाद करने और काम करने के लिए करते हैं। वह तर्क देते हैं कि लंबे समय तक, शोधकर्ताओं ने भाषा को एक उबाऊ, पृष्ठभूमि तथ्य के रूप में माना—जैसे हवा जिसे हम बिना सोचे समझे बस सांस लेते हैं। लेकिन लियटिन जोर देते हैं कि वह "हवा" वास्तव में सबसे महत्वपूर्ण हिस्सा है। यदि आप यह नहीं समझते कि लोग अर्थ पैदा करने के लिए शब्दों का उपयोग कैसे करते हैं, तो आप ऐसी प्रणाली नहीं बना सकते जो वास्तव में उनकी मदद करे।
जब साक्षात्कारकर्ता पूछते हैं कि क्या उनकी पुरानी सलाह अभी भी कायम है, तो लियटिन स्वीकार करते हैं कि दुनिया बदल गई है। 80 के दशक में, कंप्यूटरों का उपयोग मुख्य रूप से उबाऊ कार्यालय कार्यों को स्वचालित करने के लिए किया जाता था, जैसे इन्वेंट्री या अकाउंटिंग का हिसाब रखना। ये पुराने कागजी फाइलों के डिजिटल संस्करण की तरह थे। हालाँकि, आज हमारे पास लार्ज लैंग्वेज मॉडल्स (LLMs) और जेनरेटिव एआई (Generative AI) हैं। ये नए खिलाड़ी हैं। लियटिन इन्हें आकर्षक लेकिन पेचीदा बताते हैं। पुराने कंप्यूटरों के विपरीत जो सख्त नियमों का पालन करते थे, ये नए एआई मॉडल सुपर-स्मार्ट तोतों की तरह हैं। वे वास्तव में नहीं जानते कि किसी शब्द का क्या अर्थ है; वे बस यह जानते हैं कि अरबों वाक्यों को पढ़ने के आधार पर कौन से शब्द आमतौर पर एक-दूसरे के बगल में आते हैं। वे वाक्य में अगले शब्द का अनुमान लगाने में अविश्वसनीय रूप से अच्छे हैं, लेकिन उनमें वास्तविक दुनिया की कोई अवधारणा नहीं है। यदि आप उनसे कोई प्रश्न पूछते हैं, तो वे उत्तर के बारे में "सोचते" नहीं हैं; वे बस पैटर्न के आधार पर सबसे संभावित प्रतिक्रिया की गणना करते हैं।
इससे कहानी में एक बड़ा मोड़ आता है। लियटिन बताते हैं कि जबकि ये एआई मॉडल मानवीय भाषण की नकल करने में अद्भुत हैं, उनमें "मानक दृष्टिकोण" (normative view) की कमी है। सरल अंग्रेजी में, वे वास्तविक दुनिया में क्या सही है या क्या गलत है, यह नहीं जानते, वे केवल यह जानते हैं कि उनके प्रशिक्षण डेटा में क्या सामान्य है। वे एक ऐसे शेफ की तरह हैं जिसने दुनिया की हर रेसिपी का स्वाद चखा है लेकिन उसने वास्तव में कभी भोजन नहीं खाया या भूख महसूस नहीं की है। इस कारण से, लियटिन सुझाव देते हैं कि हम उन पर आँख मूंदकर भरोसा नहीं कर सकते। हम मनुष्य अभी भी "अंतिम निर्णायक" (final arbitrators) हैं—हमें यह तय करना होगा कि एआई जो कहता है वह वास्तव में समझ में आता है या नहीं।
बातचीत इस बात पर भी गहराई से उतरती है कि यह हमारी तकनीक के "डेटा लेयर" को कैसे बदलता है। लियटिन यहाँ एक रचनात्मक उपमा का उपयोग करते हैं: अतीत में, डेटा लेबल किए गए फोल्डरों के साथ एक व्यवस्थित फाइलिंग कैबिनेट की तरह था। अब, एआई के साथ, डेटा लेयर "टोकन" (शब्दों के छोटे टुकड़े) और "मॉडल्स" (उन्हें मिलाने के नुस्खे) के एक अराजक लेकिन शक्तिशाली सूप में बदल गया है। यह एक बिल्कुल नया प्रकार का आर्टिफैक्ट है जिसे समझने की शोधकर्ता अभी भी कोशिश कर रहे हैं। यह अब केवल डेटा संग्रहीत करने के बारे में नहीं है; यह इन नई, तरल क्षमताओं को प्रबंधित करने के बारे में है। लियटिन चेतावनी देते हैं कि हम वर्तमान में "कोशिश करके सीखने" के चरण में हैं। हमारे पास बड़ी कंपनियों में इन नए एआई उपकरणों को प्रबंधित करने के लिए अभी तक कोई सटीक मानचित्र नहीं है। यह एक गगनचुंबी इमारत बनाने की कोशिश करने जैसा है जबकि जमीन अभी भी हिल रही है।
अंत में, लियटिन अगली पीढ़ी के शोधकर्ताओं (जैसे कि पीएचडी छात्र जो प्रश्न पूछ रहे हैं) को सलाह देते हैं। वह सुझाव देते हैं कि प्रभाव छोड़ने का सबसे अच्छा तरीका केवल नवीनतम प्रचार (hype) का अनुसरण करना नहीं है, बल्कि एक "उच्च-स्तरीय" प्रश्न पूछना है। केवल यह पूछने के बजाय कि "हम इस एआई को कैसे कोड करें?", पूछें कि "यह एआई काम के बारे में हमारी सोच को कैसे बदलता है?" या "यह डेटा के अर्थ को कैसे बदलता है?" उनका मानना है कि सबसे रोमांचक शोध इस बात से आएगा कि कैसे ये नए, प्रदर्शनकारी उपकरण (वे उपकरण जो केवल चीजें दिखाते नहीं बल्कि करते हैं) हमारे सामाजिक जीवन में फिट होते हैं।
संक्षेप में, शोध पत्र सुझाव देता है कि हालांकि कंप्यूटरों से बात करने के हमारे उपकरण अविश्वसनीय रूप से फैंसी हो गए हैं, लेकिन मौलिक नियम वही रहता है: अर्थ एक मानवीय चीज़ है। कंप्यूटर शब्दों को इधर-उधर घुमा सकते हैं और पैटर्न का अनुमान लगा सकते हैं, लेकिन वे अपने आप अर्थ पैदा नहीं कर सकते। जैसे-जैसे हम आगे बढ़ रहे हैं, चुनौती केवल स्मार्ट एआई बनाने की नहीं है, बल्कि यह समझने की है कि इन नए, पैटर्न-मैचिंग मशीनों को मानव जीवन के जटिल, सामाजिक और भाषकीय ताने-बाने में कैसे बुना जाए ताकि हम वास्तव में जो मायने रखता है उस पर अपनी पकड़ न खो दें। शोध पत्र यह दावा नहीं करता कि उसने इस पहेली को सुलझा लिया है; बल्कि, यह सुझाव देता है कि हम इसे समझने की एक लंबी, दिलचस्प यात्रा के शुरुआती दौर में हैं।
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।