Process-Constituted Intelligence: A Shared Criterion for Humans and Machines
यह शोध पत्र तर्क देता है कि वास्तविक बुद्धिमत्ता आउटपुट के बजाय पुनरावृत्ति संज्ञानात्मक प्रक्रिया द्वारा परिभाषित होती है, जो मानव संज्ञान को वर्तमान जनरेटिव एआई (जो केवल आउटपुट ट्रेस को पुनरुत्पादित करता है) से अलग करने के लिए सात प्रक्रियात्मक विशेषताओं पर आधारित "स्ट्रॉन्ग इक्विवेलेंस" (सुदृढ़ समतुल्यता) का एक ढांचा प्रस्तावित करता है, साथ ही यह सुनिश्चित करने के लिए डिजाइन सिद्धांत और ऑडिट प्रदान करता है कि एआई उपकरण मानव सृजनात्मक क्षमताओं को कम करने के बजाय उन्हें संवर्धित करें।
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
बुद्धिमत्ता को अक्सर अंतिम परिणाम के रूप में गलत समझा जाता है: हल किया गया समीकरण, पूरी हुई पेंटिंग, या बातचीत में दिया गया सही उत्तर। दशकों से, वैज्ञानिक इस बात पर बहस कर रहे हैं कि क्या एक मशीन जो मानव के समान ही परिणाम उत्पन्न करती है, वास्तव में सोच रही है। यह प्रश्न दर्शनशास्त्र से निकलकर जनरेटिव आर्टिफिशियल इंटेलिजेंस (generative artificial intelligence) की दैनिक वास्तविकता बन गया है, वे उपकरण जो निबंध लिख सकते हैं, कोड बना सकते हैं, और ऐसी छवियां बना सकते हैं जो मानवीय कार्य से अभिन्न दिखाई देती हैं। मुख्य मुद्दा केवल यह नहीं है कि आउटपुट अच्छा है या नहीं, बल्कि यह है कि वह वहां तक कैसे पहुँचा। मन के अध्ययन में, लंबे समय से एक ऐसे सिस्टम के बीच अंतर रहा है जो केवल मानवीय व्यवहार से मेल खाता है और एक ऐसे सिस्टम के बीच जो उस व्यवहार को उत्पन्न करने के लिए आवश्यक आंतरिक गतिविधि को वास्तव में दोहराता है। एक मानचित्र की तरह है जो गंतव्य दिखाता है; दूसरा स्वयं यात्रा है, अपनी सभी गलत मोड़ों, ठहरावों और संदेह के क्षणों के साथ। इस अंतर को समझना अब केवल एक शैक्षणिक अभ्यास नहीं रह गया है, क्योंकि जब मनुष्य मशीनों पर अपने लिए सोचने के लिए निर्भर होते हैं, तो वे उन चरणों को छोड़ सकते हैं जो उनकी अपनी सोचने की क्षमता का निर्माण करते हैं।
मैक्वेरी यूनिवर्सिटी और अन्य संस्थानों के शोधकर्ताओं की एक टीम ने बुद्धिमत्ता को मापने का एक नया तरीका प्रस्तावित किया है जो पूरी तरह से इसी 'यात्रा' पर केंद्रित है। उनका तर्क है कि वास्तविक बुद्धिमत्ता प्रक्रिया से बनी होती है—प्रयास करने, विफल होने, संशोधन करने और सीखने की पुनरावृत्ति वाली गतिविधि से—न कि स्वयं आउटपुट से। इसका परीक्षण करने के लिए, उन्होंने एक ढांचा विकसित किया जो समस्या को हल करने के सात विशिष्ट लक्षणों को देखता है। इन लक्षणों में कई प्रयासों को उत्पन्न करने और विफल होने वाले प्रयासों को त्यागने की इच्छा, आत्मविश्वासपूर्ण उत्तर देने की जल्दबाजी किए बिना अनिश्चितता के साथ बैठने की क्षमता, और सामग्री या वातावरण द्वारा दी जाने वाली बाधाओं से सीखने की क्षमता शामिल है। वे यह भी देखते हैं कि एक समाधानकर्ता संवाद में कैसे संलग्न होता है, दूसरों के प्रति स्वयं को कैसे जवाबदेह रखता है, और कैसे संघर्ष स्वयं उस व्यक्ति को आकार देता है जो कार्य कर रहा है। शोधकर्ताओं का सुझाव है कि एक मशीन को वास्तव में मानव मस्तिष्क के समकक्ष होने के लिए, उसे न केवल सही उत्तर देना चाहिए, बल्कि उसे अपने तरीके से इन सात विशेषताओं को भी प्रदर्शित करना चाहिए।
जब शोधकर्ताओं ने इस ढांचे को वर्तमान जनरेटिव एआई पर लागू किया, तो उन्हें एक महत्वपूर्ण अंतर मिला। ये सिस्टम मानवीय विचार के "निशानों" (traces) पर प्रशिक्षित होते हैं: पूर्ण शोध पत्र, प्रकाशित कोड और संपादित चित्र। वे इन पूर्ण कार्यों के विशाल संग्रह से नमूना लेकर अंतिम उत्पाद को पुनरुत्पादित करना सीखते हैं। हालांकि आउटपुट अक्सर तर्क या रचनात्मकता जैसा दिखता है, लेकिन वह आंतरिक गतिविधि जो मनुष्यों में इसे उत्पन्न करती है, काफी हद तक अनुपस्थित है। मशीन समस्या से जूझती नहीं है, न ही वह उस धीमी निर्णय प्रक्रिया का अनुभव करती है जो वर्षों के अभ्यास से आती है। यह केवल देखे गए पैटर्न के आधार पर अगले संभावित शब्द या पिक्सेल की भविष्यवाणी करती है। शोधकर्ता इसे "कमजोर समानता" (weak equivalence) के रूप में वर्णित करते हैं: मशीन इनपुट और आउटपुट से मेल खाती है, लेकिन जो प्रक्रिया उन्हें जोड़ती है वह गायब या अस्पष्ट है। भले ही ये सिस्टम अपना काम दिखाते हुए (जैसे उत्तर से पहले चरण सूचीबद्ध करना) "सोचते" हुए प्रतीत हों, यह अक्सर केवल एक दिखावटी प्रदर्शन होता है। चरण अनिवार्य रूप से गणना को संचालित नहीं करते; वे केवल आउटपुट की एक और परत हैं जिसे तर्क जैसा दिखने के लिए डिज़ाइन किया गया है।
अध्ययन स्पष्ट रूप से इस विचार के विरुद्ध तर्क देता है कि केवल इन मॉडलों को बड़ा बनाने या उन्हें अधिक डेटा देने से इस समस्या को ठीक किया जा जाएगा। प्रशिक्षण सेट में अधिक पाठ जोड़ने से केवल पूर्ण निशानों की संख्या बढ़ती है, न कि उस अव्यवस्थित, पुनरावृत्ति वाली प्रक्रिया की जो बुद्धिमत्ता का निर्माण करती है। शोधकर्ता इस धारणा को भी खारिज करते हैं कि मशीनों को बुद्धिमान होने के लिए मानव मस्तिष्क की सटीक जैविक संरचना की नकल करनी चाहिए। वे "मजबूत समानता" (strong own equivalence) नामक एक मध्य मार्ग का प्रस्ताव करते हैं। इसके लिए यह आवश्यक नहीं है कि मशीन मानव मस्तिष्क के समान एल्गोरिदम का उपयोग करे, जो न तो संभव है और न ही वांछनीय। इसके बजाय, यह आवश्यक है कि मशीन का व्यवहार उन्हीं सात प्रक्रियात्मक विशेषताओं द्वारा व्यवस्थित हो, भले ही भौतिक तंत्र अलग हो। उदाहरण के लिए, एक मशीन "अनिश्चितता के साथ जुड़ाव" प्रदर्शित कर सकती है, न कि संदेह महसूस करके, बल्कि एक ऐसी तंत्रिका के माध्यम से जो संदिग्ध समस्याओं को चिह्नित करती है और अधिक जानकारी प्राप्त किए बिना आत्मविश्वासपूर्ण उत्तर देने से इनकार करती है।
इसके निहितार्थ मानव उपयोगकर्ताओं के लिए तकनीकी निदान जितने ही महत्वपूर्ण हैं। शोधकर्ता बताते हैं कि जब कोई व्यक्ति ऐसे उपकरण का उपयोग करता है जो उनके लिए सृजनात्मक कार्य करता है, तो वह क्षमता जो वह कार्य बनाता होता है, कभी विकसित नहीं हो पाती। छात्रों द्वारा एआई के उपयोग पर किए गए अध्ययनों के साक्ष्य बताते हैं कि हालांकि वे उपकरण की उपस्थिति में बेहतर प्रदर्शन कर सकते हैं, लेकिन उपकरण हटने पर वे अक्सर खराब प्रदर्शन करते हैं, क्योंकि उन्होंने सीखने के लिए आवश्यक संज्ञानात्मक प्रयास को छोड़ दिया होता है। खतरा केवल कौशल की हानि नहीं है, बल्कि निर्माण की विफलता है। कठिन, अनिश्चित और संवादात्मक गतिविधियाँ जो व्यक्ति के निर्णय और विवेक को आकार देती हैं, वे ही चीजें हैं जिन्हें एआई उपकरण करने का सबसे अधिक प्रलोभन देते हैं। यदि कोई उपकरण उपयोगकर्ता के लिए किसी अस्पष्टता को हल कर देता है, तो उपयोगकर्ता उस अनिश्चितता के साथ बैठना कभी नहीं सीख पाता। यदि कोई उपकरण उत्तर प्रदान करता है, तो उपयोगकर्ता स्वाद और निर्णय विकसित करने के लिए आवश्यक परीक्षण और त्रुटि का अभ्यास कभी नहीं कर पाता।
इसे संबोधित करने के लिए, लेखक एआई के डिजाइन और उपयोग दोनों के लिए एक नया दृष्टिकोण प्रस्तावित करते हैं। मशीन के पक्ष पर, वे ऐसे आर्किटेक्चर बनाने का सुझाव देते हैं जो सिस्टम को प्रक्रिया के साथ जुड़ने के लिए मजबूर करें, जैसे कि ऐसे एजेंट जिन्हें केवल एक उत्तर पर मतदान करने के बजाय दूसरे एजेंट द्वारा चुनौती दिए जाने पर अपने दृष्टिकोण को संशोधित करना पड़े। मानव पक्ष पर, वे "प्रक्रिया-संरक्षण" (process-preserving) सहायता की वकालत करते हैं। इसका अर्थ है ऐसे उपकरण जो उपयोगकर्ता की सोच को विस्तार देने के लिए अगला प्रश्न या एक प्रति-उदाहरण प्रदान करें, न कि उत्तर प्रदान करें। लक्ष्य सृजनात्मक चरणों को व्यक्ति के पास रखना है, यह सुनिश्चित करना कि उपकरण विचार की गतिविधि का समर्थन करे न कि उसका स्थान ले। शोधकर्ता "प्रक्रिया ऑडिट" (process audits) की एक विधि भी रेखांकित करते हैं, जहाँ मनुष्यों और मशीनों दोनों का परीक्षण उन्हीं सात विशेषताओं का उपयोग करके एक स्कोरिंग रुब्रिक के रूप में किया जाता है। यह वैज्ञानिकों को यह मापने की अनुमति देगा कि क्या मशीन वास्तव में प्रक्रिया में संलग्न है या केवल उसके आकार की नकल कर रही है, और क्या मानव उपयोगकर्ता इन उपकरणों की सहायता लेते समय अपनी संज्ञानात्मक क्षमताओं को बनाए रखते हैं।
अंततः, शोध पत्र यह सुझाव देता है कि एक प्रणाली जो बुद्धिमत्ता उत्पन्न करती है और एक जो इसे निर्मित करती है, उनके बीच का अंतर एक घटना के रिकॉर्ड और स्वयं उस घटना के बीच का अंतर है। जैसे-जैसे ये उपकरण अधिक शक्तिशाली होते जा रहे हैं, ध्यान आउटपुट को अनुकूलित करने से हटकर प्रक्रिया को इंजीनियर करने पर केंद्रित होना चाहिए। शोधकर्ता यह दावा नहीं करते कि उन्होंने बुद्धिमत्ता के रहस्य को सुलझा लिया है, न ही वे कहते हैं कि वर्तमान एआई बेकार है। इसके बजाय, वे एक स्पष्ट मानदंड प्रदान करते हैं कि क्या कमी है और उन प्रणालियों के निर्माण के लिए एक मार्ग बताते हैं जो सोचने की प्रक्रिया का सम्मान करती हैं, चाहे वह सिलिकॉन में हो या मानव मन में। प्रक्रिया पर ध्यान केंद्रित करके, हम यह सुनिश्चित कर सकते हैं कि जैसे-जैसे मशीनें अधिक सक्षम होती हैं, वे अनजाने में उन मानवीय क्षमताओं को कम न कर दें जिनका वे समर्थन करने के लिए बनाई गई 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।