Large Language Models Explain Experts Better Than Experts Themselves
यह अध्ययन प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स विशेषज्ञों के व्यवहार से उनके अंतर्निहित (टैसिट) ज्ञान को प्रभावी ढंग से बाह्य रूप में ला सकते हैं, जिससे नौसिखिए विशेषज्ञ-स्तर का प्रदर्शन प्राप्त करने में सक्षम होते हैं और अक्सर विशेषज्ञों द्वारा व्यक्त किए गए ज्ञान से भी बेहतर प्रदर्शन 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
कल्पना कीजिए कि आप एक रोबोट को एक बेहतरीन गणित ट्यूटर बनना सिखाने की कोशिश कर रहे हैं। आप उसे नियमों से भरी एक पाठ्यपुस्तक दे सकते हैं, जैसे कि "गलती सुधारने से पहले हमेशा 'शाबाश' कहें।" लेकिन एक समस्या है: सबसे अच्छे मानव ट्यूटर अक्सर यह नहीं लिख पाते कि वे जो करते हैं, वे ऐसा क्यों करते हैं। वे बस जानते हैं कि एक निराश छात्र को कैसे संभालना है या गणना में एक छोटी सी त्रुटि को कैसे पहचानना है। इस अदृश्य "जानने के तरीके" को टैसिट नॉलेज (tacit knowledge - अंतर्निहित ज्ञान) कहा जाता है। यह एक रेसिपी पढ़ने और वास्तव में सूप को चखकर यह जानने के बीच का अंतर है कि क्या उसमें और नमक की आवश्यकता है। दशकों से, वैज्ञानिक चिंतित रहे हैं कि जब विशेषज्ञ कोई काम छोड़ देते हैं, तो यह गुप्त नुस्खा हमेशा के लिए गायब हो जाता है, जिससे संगठनों में "कॉर्पोरेट एमनेशिया" (संस्थागत विस्मृति) की स्थिति पैदा हो जाती है। बड़ा सवाल यह है: क्या एक सुपर-स्मार्ट कंप्यूटर प्रोग्राम (एक लार्ज लैंग्वेज मॉडल, या LLM) विशेषज्ञों को काम करते हुए देख सकता है, उनके गुप्त नुस्खे को समझ सकता है, और इसे शुरुआती लोगों को विशेषज्ञों द्वारा स्वयं समझाने की तुलना में बेहतर तरीके से सिखा सकता है?
यह शोध पत्र गणित ट्यूटरिंग के परिदृश्य का उपयोग करके सीधे इसी रहस्य की गहराई में उतरता है। शोधकर्ताओं ने एक दो-भाग वाला प्रयोग आयोजित किया यह देखने के लिए कि क्या एक AI गणित शिक्षकों और छात्रों के बीच वास्तविक बातचीत को देखकर सीख सकता है, और फिर उस सीख का उपयोग खुद AI या किसी मानव नौसिखिया ट्यूटर की मदद करने के लिए कर सकता है। उन्होंने तीन चीजों की तुलना की: शून्य से सीखता हुआ AI, विशेषज्ञों द्वारा लिखे गए नियमों की सूची से सीखता हुआ AI, और हजारों वास्तविक विशेषज्ञ-छात्र चैट देखकर सीखता हुआ AI।
यहाँ एक मोड़ है: विशेषज्ञों को देखते हुए काम करने वाला AI स्पष्ट विजेता रहा। जब शोधकर्ताओं ने AI को छात्र की गलती पर प्रतिक्रिया उत्पन्न करने के लिए कहा, तो वह संस्करण जिसने विशेषज्ञ की बातचीत को "देखा" था, उस संस्करण की तुलना में काफी बेहतर प्रदर्शन कर रहा था जिसे केवल विशेषज्ञों के लिखित नियम दिए गए थे। वास्तव में, AI द्वारा उत्पन्न प्रतिक्रियाएं अक्सर मानव विशेषज्ञों द्वारा स्वयं उत्पन्न की गई प्रतिक्रियाओं की तुलना में अधिक मददगार, देखभाल करने वाली और स्वाभाविक लगने वाली थीं। यह सुझाव देता है कि विशेषज्ञ अक्सर उससे कहीं अधिक जानते हैं जितना वे बता सकते हैं, और एक AI उनके कार्यों में उस बुद्धिमत्ता को "सुन" सकता है, भले ही विशेषज्ञ इसे स्वयं लिखने में असमर्थ हों।
अध्ययन यहीं नहीं रुका। उन्होंने यह भी परीक्षण किया कि क्या इस AI-सीखे गए "गुप्त नुस्खे" से वास्तविक मानव नौसिखियों को मदद मिल सकती है। उन्होंने नौसिखिया ट्यूटर्स का एक समूह लिया (वे लोग जिन्हें गणित ट्यूटरिंग का कोई अनुभव नहीं था) और उन्हें AI द्वारा निकाले गए विशेषज्ञ के ज्ञान का अध्ययन करने के लिए दिया। परिणाम क्या रहे? वे नौसिखिए जिन्होंने विशेषज्ञों के अपने लिखित नियमों के बजाय AI के संस्करण वाले ज्ञान का अध्ययन किया, वे विशेषज्ञ-स्तर के प्रदर्शन के बहुत करीब पहुँच गए। AI ने केवल विशेषज्ञों के शब्दों की नकल नहीं की; ऐसा लगा कि उसने एक महान ट्यूटर के "एहसास" और "समय (timing)" को पकड़ लिया है, विशेष रूप से उस "देखभाल" वाले हिस्से को जो एक छात्र को फिर से प्रयास करने के लिए सुरक्षित महसूस कराता है।
तो, उन्होंने क्या पाया? शोध पत्र सुझाव देता है कि LLMs यह पहचानने में अविश्वसनीय रूप से कुशल हैं कि विशेषज्ञ वास्तव में कैसे व्यवहार करते हैं, ऐसे पैटर्न जिन्हें विशेषज्ञ स्वयं अपने विचारों को समझाने की कोशिश करते समय मिस कर सकते हैं। शोधकर्ताओं ने पाया कि केवल AI को विशेषज्ञ बातचीत का एक समूह (लग लगभग 320) देना ही कुंजी थी। यदि उन्होंने AI को कम बातचीत दी होती, तो परिणाम अस्थिर होते। लेकिन पर्याप्त उदाहरणों के साथ, AI ने एक शुरुआती और एक उस्ताद के बीच के अंतर को पाटने का तरीका सीख लिया। उन्होंने इस विचार को भी खारिज कर दिया कि AI केवल विशेषज्ञों की "शैली" की नकल कर रहा था या सामान्य सलाह (जैसे "दयालु बनें") पर्याप्त थी; AI को वास्तव में काम को समझने के लिए विशिष्ट, गणित से संबंधित उदाहरणों की आवश्यकता थी।
संक्षेप में, यह शोध पत्र दिखाता है कि जबकि मानव विशेषज्ञ काम करने में महान होते हैं, वे इसे समझाने में हमेशा सर्वश्रेष्ठ नहीं होते हैं। लेकिन एक AI, एक अत्यंत सूक्ष्म अवलोकन करने वाले छात्र की तरह, उन विशेषज्ञों को देख सकता है, खेल के छिपे हुए नियमों को समझ सकता है, और उन नियमों को दूसरों को विशेषज्ञों द्वारा स्वयं समझाने से भी बेहतर तरीके से सिखा सकता है। यह ऐसा है जैसे कि एक मास्टर शेफ हजारों कुकिंग शो देख सकता है, यह समझ सकता है कि एक व्यंजन का स्वाद एकदम सही क्यों होता है, और फिर एक ऐसी रेसिपी लिख सकता है जो एक नौसिखिए को शेफ द्वारा कुकबुक में समझाने की तुलना में बेहतर भोजन बनाने में मदद करे। अध्ययन यह दावा नहीं करता है कि यह सब कुछ हमेशा के लिए हल कर देता है, लेकिन यह दृढ़ता से सुझाव देता है कि AI उस "जानने के तरीके" को पकड़ने और साझा करने के लिए एक शक्तिशाली नया उपकरण है जो आमतौर पर लोगों के कमरे से बाहर जाने पर खो जाता 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।