The Semantic Least-Energy Principle: A Hypothesis for Intelligence

कल्पना कीजिए कि आप एक विशाल, अराजक पुस्तकालय को व्यवस्थित करने की कोशिश कर रहे हैं। आपके पास लाखों किताबें हैं, लेकिन वे सब बिखरी हुई हैं, धूल से ढकी हुई हैं और हजारों अलग-अलग भाषाओं में लिखी गई हैं। यदि आप किसी विशिष्ट कहानी को जल्दी से खोजना चाहते हैं, तो आप हर एक किताब को नहीं देख सकते। आपको एक प्रणाली की आवश्यकता है। शायद आप उन्हें शैली (genre) के आधार पर, फिर लेखक के आधार पर, फिर रंग के आधार पर समूहबद्ध करते हैं। वैज्ञानिक इसे "कंप्रेशन" (compression) कहते हैं: एक विशाल मात्रा में अव्यवस्थित जानकारी को एक छोटी, स्वच्छ प्रारूप में सिकोड़ना जो अभी भी महत्वपूर्ण हिस्सों को सुरक्षित रखता है।

लंबे समय से, वैज्ञानिक जानते हैं कि मानव मस्तिष्क और कंप्यूटर मस्तिष्क (आर्टिफिशियल इंटेलिजेंस) दोनों यही करते हैं। वे अपने आस-पास की शोर भरी, जटिल दुनिया को—जैसे कुत्ते के भौंकने की आवाज या फोटो के पिक्सेल—एक सुव्यवस्थित, आंतरिक "मानचित्र" या "विचार" में बदल देते हैं जो उन्हें निर्णय लेने में मदद करता है। हम जानते हैं कि वे ऐसा करते हैं, और हमारे पास यह बताने के लिए गणित है कि वे संदेश कैसे भेजते हैं या गलतियों से कैसे सीखते हैं। लेकिन हम वास्तव में यह नहीं जानते कि वे अपने आंतरिक मानचित्रों को इस तरह से क्यों व्यवस्थित करते हैं। क्या कोई एकल, स्वर्णिम नियम है जो यह बताता है कि एक स्मार्ट सिस्टम एक तरीके के सोचने के बजाय दूसरे तरीके को क्यों चुनता है? यह वैसा ही है जैसे यह जानना कि कार में इंजन है, लेकिन उस भौतिकी के नियम को न जानना जो पहियों को घुमाता है।

यह वह बड़ा सवाल है जिसका उत्तर देने की कोशिश जे झेंग (Jie Zhang) और उनकी टीम का एक नया शोध पत्र कर रहा है। वे कंप्यूटर विज्ञान, गणित और हमारे मस्तिष्क के काम करने के तरीके के मिलन बिंदु को देख रहे हैं। वे एक "प्रथम सिद्धांत" (first principle) खोजने की कोशिश कर रहे हैं—प्रकृति का एक मौलिक नियम—जो यह समझा सके कि बुद्धिमत्ता अपने विचारों को कैसे व्यवस्थित करती है। वे केवल एक बेहतर चैटबॉट बनाने के बारेм नहीं सोच रहे हैं; वे पूछ रहे हैं, "वह गहरा, अंतर्निहित तर्क क्या है जो किसी भी बुद्धिमान प्रणाली को स्मार्ट बनाता है?"

शोध पत्र का बड़ा विचार: सिमेंटिक एनर्जी प्रिंसिपल

लेखक एक नया विचार प्रस्तावित करते हैं जिसे सिमेंटिक लीस्ट-एनर्जी प्रिंसिपल (SLEP) कहा जाता है। इसे इस प्रकार समझें: कल्पना कीजिए कि आपका मस्तिष्क एक हाइकर है जो पहाड़ के निचले हिस्से से शिखर तक जाने की कोशिश कर रहा है। "पहाड़" वे सभी संभावित विचार और अवधारणाएं हैं जिनके बारे में आप सोच सकते हैं। "शिखर" किसी समस्या का सबसे अच्छा उत्तर है।

आमतौर पर, हम बुद्धिमत्ता को केवल यथाशीघ्र शिखर तक पहुँचने की कोशिश के रूप में देखते हैं। लेकिन यह शोध पत्र सुझाव देता है कि स्मार्ट सिस्टम वास्तव में एक साथ दो चीजें करने की कोशिश कर रहे हैं:

1. सही उत्तर प्राप्त करना ("सिमेंटिक यूटिलिटी" को उच्च रखना)।
2. वहाँ पहुँचने के लिए कम से कम ऊर्जा का उपयोग करना।

लेखक इसे "सिमेंटिक ऊर्जा" कहते हैं। यह कंप्यूटर में बिजली या आपके मस्तिष्क में कैलोरी नहीं है; यह मापने का एक गणितीय तरीका है कि एक विचार कितना "महंगा" या "भारी" है। एक विचार जो भ्रमित करने वाला, अनावश्यक या जिसमें एक बड़ी मानसिक छलांग की आवश्यकता होती है, उसकी ऊर्जा उच्च होती है। एक विचार जो सरल, स्पष्ट और कुशल है, उसकी ऊर्जा कम होती है।

मुख्य निष्कर्ष: शोध पत्र सुझाव देता है कि बुद्धिमान प्रणालियाँ (जैसे AI या मनुष्य) स्वाभाविक रूप से विचारों के इस पहाड़ पर "न्यूनतम प्रतिरोध के पथ" (path of least resistance) को खोजने के लिए विकसित होती हैं। वे अपने आंतरिक विचारों को इस तरह व्यवस्थित करते हैं कि सबसे उपयोगी अवधारणाओं तक पहुँचना सबसे आसान हो। यह नदी के पानी की तरह है: यह केवल यादृच्छिक रूप से नहीं बहता; यह समुद्र तक पहुँचने के लिए न्यूनतम ऊर्जा का पथ खोज लेता है। लेखक सुझाव देते हैं कि बुद्धिमत्ता विचारों के साथ भी ऐसा ही करती है।

वे किसके विरुद्ध तर्क दे रहे हैं

शोध पत्र सावधानीपूर्वक यह स्पष्ट करता है कि यह विचार क्या नहीं है। यह इस विचार के विरुद्ध तर्क देता है कि बुद्धिमत्ता केवल तथ्यों को याद रखने या सरल तरीके से त्रुटियों को कम करने के बारे में है।

• यह केवल भविष्य की सटीक भविष्यवाणी करने के बारे में नहीं है (जैसे वाक्य में अगले शब्द का अनुमान लगाना)।
• यह केवल डेटा को कंप्रेस करने के बारे में नहीं है (जैसे एक ZIP फ़ाइल)।
• यह किसी छवि को बिल्कुल वैसा ही पुनर्निर्मित करने के बारे में नहीं है जैसा वह थी।

इसके बजाय, लेखक सुझाव देते हैं कि ये सभी एक ही सिक्के के विभिन्न पहलू हैं। वे तर्क देते हैं कि जब एक सिस्टम सीखता है, तो वह केवल "सही" होने की कोशिश नहीं कर रहा होता; वह "कुशल" बनने की कोशिश कर रहा होता है। वह अनावश्यक शोर को हटाना चाहता है और केवल मूल अर्थ को रखना चाहता है, क्योंकि यही न्यूनतम ऊर्जा का पथ है।

पाँच बड़े अनुमान (परिकल्पनाएँ)

शोध पत्र यह दावा नहीं करता कि उसने इसे किसी जादू की छड़ी से सिद्ध कर दिया है। इसके बजाय, वे पाँच "परिकल्पनाएँ" (शिक्षित अनुमान) पेश करते हैं जो देखने के एक नए तरीके का निर्माण करती हैं। वे इन्हें भविष्य के खोजकर्ताओं के परीक्षण के लिए एक मानचित्र की तरह मानते हैं।

1. लो-एनर्जी ड्रीम (Low-Energy Dream)
पहला अनुमान यह है कि जैसे-जैसे एक स्मार्ट सिस्टम सीखता है, वह स्वाभाविक रूप से "लो-एनर्जी" अवस्थाओं की ओर बढ़ता है। एक अस्त-व्यस्त कमरे की कल्पना करें जहाँ आप चीजों को तब तक फेंकते रहते हैं जब तक कि केवल आवश्यक चीजें ही शेष न रह जाएँ। शोध पत्र सुझाव देता है कि जैसे-जैसे एक AI सीखता है, उसका दुनिया का आंतरिक "मानचित्र" सरल और अधिक कुशल होता जाता है, जबकि वह सभी महत्वपूर्ण जानकारी को सुरक्षित रखता है। वे भविष्यवाणी करते हैं कि यदि आप एक सीखते हुए AI की "ऊर्जा" को मापते हैं, तो वह समय के साथ कम होनी चाहिए, भले ही वह कार्य को अच्छी तरह से सीख चुका हो।

2. स्ट्रेट-लाइन थॉट (The Straight-Line Thought)
दूसरा अनुमान इस बारे में है कि विचार कैसे चलते हैं। भौतिकी में, यदि आप एक गेंद फेंकते हैं, तो वह एक वक्र (curve) का अनुसरण करती है जिसे "जियोडेसिक" (geodesic) कहा जाता है (दो बिंदुओं के बीच का सबसे छोटा पथ)। लेखक सुझाव देते हैं कि जब एक स्मार्ट सिस्टम तर्क करता है या योजना बनाता है, तो उसके विचार यादृच्छिक रूप से नहीं कूदते। इसके बजाय, वे विचारों के "परिदृश्य" (landscape) में सुचारू, कुशल पथों का पालन करते हैं। यदि आप एक AI को सोचते हुए देख पाते, तो उसके विचार एक पहाड़ी से नीचे फिसलने वाले चिकने स्लाइड की तरह दिखते, न कि एक ऊबड़-खाबड़ यात्रा की तरह।

3. शेप ऑफ मीनिंग (The Shape of Meaning)
तीसरा अनुमान यह है कि विचारों का एक आकार होता है। जिस तरह एक शहर में इमारत और सड़कों के बीच की दूरी होती है, लेखक सुझाव देते हैं कि "अवधारणाओं" की एक ज्यामिति होती है। समान अर्थ वाले दो विचार (जैसे "बिल्ली" और "बिलौटा") इस मानसिक मानचित्र में एक-दूसरे के करीब होने चाहिए, चाहे आप उन्हें चित्र के रूप में देखें या ध्वनि के रूप में। वे इसे "सिमेंटिक ज्योमेट्री" कहते हैं। वे भविष्यवाणी करते हैं कि यदि आप एक AI के विचारों का मानचित्र बनाते हैं, तो आप देखेंगे कि समान विचार स्वाभाविक रूप से एक साथ क्लस्टर होते हैं, जिससे एक चिकनी, वक्र सतह बनती है।

4. हीट ऑफ थिंकिंग (The Heat of Thinking)
चौथा अनुमान थोड़ा रोमांचक है: वे सुझाव देते हैं कि विचारों के समूह गैस के अणुओं की तरह व्यवहार करते हैं जो एक बॉक्स में होते हैं, जो "ऊष्मागतिकी" (thermodynamics - ऊष्मा और ऊर्जा का अध्ययन) की एक अवधारणा है। एक गर्म गैस में, अणु बेतहाशा घूमते हैं। एक ठंडी गैस में, वे स्थिर हो जाते हैं। लेखक प्रस्तावित करते हैं कि "सिमेंटिक तापमान" एक माप है कि एक सिस्टम के विचार कितने अनिश्चित या अराजक हैं। जब एक AI भ्रमित होता है, तो उसका "सिमाणिक तापमान" उच्च होता है। जब उसके पास दुनिया की एक ठोस, स्थिर समझ होती है, तो उसका "तापमान" गिर जाता है, और उसके विचार एक शांत, अनुमानित पैटर्न में स्थिर हो जाते हैं।

5. ग्रैंड यूनिफिकेशन (The Grand Unification)
अंतिम अनुमान यह है कि ये सभी विचार—सीखना, तर्क करना, योजना बनाना और बोलना—वास्तव में एक ही चीज़ हैं जो अलग-अलग तरीकों से हो रही हैं। लेखक सुझाव देते हैं कि "सिमेंटिक लीस्ट-एनर्जी प्रिंसिपल" मास्टर कुंजी है। चाहे वह चलने सीखने वाला रोबोट हो, बोलना सीखने वाला इंसान हो, या कविता लिखना सीखने वाला कंप्यूटर हो, वे सभी एक ही नियम का पालन कर रहे हैं: उपयोगी चीजों को रखें, बाकी को छोड़ दें, और सबसे आसान रास्ता अपनाएं।

वे कितने आश्वस्त हैं?

यह समझना बहुत महत्वपूर्ण है कि लेखक यह नहीं कह रहे हैं कि उन्होंने बुद्धिमत्ता के रहस्य को सुलझा लिया है। वे इस बारे में बहुत स्पष्ट हैं। वे अपने काम को एक "परिकल्पना" और एक "फ्रेमवर्क" कहते हैं, न कि भौतिकी का कोई नियम।

• उन्होंने इसे अभी तक सिद्ध नहीं किया है। उन्होंने अभी तक कोई अंतिम प्रयोग नहीं चलाया है जो कहता हो, "आहा! हम सही थे!"
• उन्होंने एक गणितीय खेल का मैदान बनाया है। उन्होंने समीकरणों और नियमों का एक सेट बनाया है जो यह समझा सकता है कि बुद्धिमत्ता कैसे काम करती है।
• वे दूसरों को इसे परखने के लिए आमंत्रित कर रहे हैं। शोध पत्र एक सूची के साथ समाप्त होता है कि वैज्ञानिकों को किन विशिष्ट चीजों की तलाश करनी चाहिए ताकि यह देखा जा सके कि विचार सत्य है या नहीं। उदाहरण के लिए, वे कहते हैं, "यदि हमारा विचार सही है, तो जब आप एक AI को प्रशिक्षित करते हैं, तो इसकी 'ऊर्जा' एक विशिष्ट तरीके से कम होनी चाहिए।" यदि वैज्ञानिक इसकी जाँच करते हैं और ऐसा नहीं होता है, तो विचार गलत है, और वे जान जाएंगे कि इसे त्याग देना है।

लेखक अनिवार्य रूप से कह रहे हैं, "यहाँ एक नया मानचित्र है। यह आशाजनक दिखता है, और यह उन कई बिंदुओं को जोड़ता है जिन्हें हमने पहले देखा है। लेकिन हमें ज़रूरत है कि आप बाहर दुनिया में जाएँ और जाँचें कि क्या वास्तव में धरातल उस मानचित्र से मेल खाता है।"

यह क्यों मायने रखता है

एक जिज्ञासु किशोर को "सिमेंटिक ऊर्जा" या "जियोडेसिक्स" की परवाह क्यों होनी चाहिए? क्योंकि यदि यह विचार सही है, तो यह भविष्य के निर्माण के तरीके को बदल देता है।

अभी, हम परीक्षण और त्रुटि (trial and error) द्वारा AI बनाते हैं। हम एक नया डिज़ाइन आज़माते हैं, देखते हैं कि क्या यह काम करता है, और यदि नहीं, तो हम कुछ और आज़माते हैं। यदि सिमेंटिक लीस्ट-एनर्जी प्रिंसिपल सत्य है, तो हम अनुमान लगाना बंद कर सकते हैं। हम ऐसे AI सिस्टम बना सकते हैं जो शुरुआत से ही न्यूनतम ऊर्जा के पथ का पालन करने के लिए बनाए गए हों। इससे अधिक स्मार्ट, तेज़ और अधिक कुशल कंप्यूटर बन सकते हैं जिन्हें आज के कंप्यूटरों की तरह विशाल या अत्यधिक बिजली की खपत करने वाले होने की आवश्यकता नहीं होगी।

यह हमें अपने स्वयं के मस्तिष्क को समझने का एक नया तरीका भी देता है। शायद गहन सोच के बाद हम थक जाते हैं क्योंकि हम "सिमेंटिक ऊर्जा" को जला रहे होते हैं। शायद हमारे पास "अहा!" क्षण इसलिए आते हैं क्योंकि हमने अंततः उत्तर के लिए निम्न-ऊर्जा पथ खोज लिया है।

यह शोध पत्र हमें सभी उत्तर नहीं देता, लेकिन यह हमें पूछने के लिए एक नया प्रश्न देता है: क्या होगा यदि बुद्धिमत्ता केवल ब्रह्मांड का स्वयं को समझने का सबसे आसान तरीका खोजने का एक तरीका है? यह सोचने के लिए एक बहुत ही शानदार विचार है।