Does Episodic Memory Help Close the Lexical Frequency Gap in Sensitivity to Syntactic Contrasts? A Test Using Retrieval-Augmented Language Models

मानव भाषा एक विशाल और जटिल प्रणाली है जहाँ हम लगातार व्याकरण के नियमों और उन विशिष्ट शब्दों के बीच संतुलन बनाए रखते हैं जिन्हें हम बोलने के लिए चुनते हैं। दशकों से, वैज्ञानिक इस बात पर बहस कर रहे हैं कि हमारा मस्तिष्क इस संतुलन को कैसे प्रबंधित करता है। हम जानते हैं कि लोग जटिल वाक्यों को समझ सकते हैं भले ही उनमें दुर्लभ या असामान्य शब्द शामिल हों, जो यह दर्शाता है कि व्याकरण का हमारा ज्ञान सुदृढ़ है और किसी विशिष्ट शब्द के बार-बार सामने आने की आवृत्ति से आसानी से विचलित नहीं होता है। हालाँकि, मानव भाषा की नकल करने के लिए डिज़ाइन किए गए कृत्रिम बुद्धिमत्ता (AI) सिस्टम इसी कार्य में संघर्ष करते रहे हैं। ये कंप्यूटर मॉडल, जो भारी मात्रा में टेक्स्ट पढ़कर सीखते हैं, उन वाक्यों के व्याकरण का निर्णय लेने में अक्सर लड़खड़ा जाते हैं जिनमें ऐसे शब्द होते हैं जिन्हें उन्होंने अपने प्रशिक्षण के दौरान बहुत कम बार देखा है। वे इस बात पर बहुत अधिक निर्भर करते दिखते हैं कि कोई शब्द कितना परिचित है, बजाय उन संरचनात्मक नियमों के जो शब्दों के आपस में जुड़ने के तरीके को नियंत्रित करते हैं। मानव लचीलेपन और मशीन की नाजुकता के बीच का यह अंतर एक मौलिक प्रश्न खड़ा करता है: वह कौन सा तंत्र है जो मनुष्यों को दुर्लभ और अपरिचित चीजों को इतनी सहजता से संभालने की अनुमति देता है?

तंत्रिका विज्ञान (न्यूरोसाइंस) से जुड़ी एक प्रमुख थ्योरी, जिसे 'कॉम्प्लीमेंट्री लर्निंग सिस्टम्स' थ्योरी कहा जाता है, एक सम्मोहक स्पष्टीकरण प्रदान करती है। यह सुझाव देती है कि मानव मस्तिष्क दो अलग-अलग मेमोरी सिस्टम का उपयोग करता है जो तालमेल में काम करते हैं। एक प्रणाली, जो नियोकोर्टेक्स (neocortex) में स्थित है, अनुभव से सामान्य सांख्यिकीय पैटर्न को धीरे-धीरे अवशोषित करती है, ठीक वैसे ही जैसे भाषा की सामान्य लय को सीखना। दूसरा सिस्टम, जो हिप्पोकैम्पस (hippocampus) में केंद्रित है, विशिष्ट घटनाओं के एक तीव्र रिकॉर्डर के रूप में कार्य करता है, जो व्यक्तिगत अनुभवों को उच्च विवरण के साथ संग्रहीत करता है। जब हम किसी दुर्लभ या नई चीज़ का सामना करते हैं, तो यह तेज़ सिस्टम तुरंत एक विशिष्ट पिछले अनुभव को खोज सकता है जो वर्तमान स्थिति से मेल खाता हो, जिससे हमें धीमे और सामान्य सीखने के स्तर तक पहुँचने की प्रतीक्षा किए बिना इसे समझने में मदद मिलती है। शोधकर्ता लंबे समय से यह जानना चाहते थे कि क्या यह एपिसोडिक मेमोरी सिस्टम ही वह कुंजी है जिसके कारण मनुष्य दुर्लभ शब्दों के बावजूद व्याकरण के प्रति संवेदनशील बना रहता है। इस विचार का परीक्षण करने के लिए, वैज्ञानिकों की एक टीम ने हाल ही में एक कंप्यूटर मॉडल बनाया जो इस दो-भागों वाले मेमोरी सिस्टम की नकल करता है और इसे परीक्षण के लिए रखा।

शोधकर्ताओं ने यह देखने के लिए यह प्रयोग किया कि क्या भाषा मॉडल को पिछले उदाहरणों को याद रखने और पुनः प्राप्त करने का तरीका देने से उसे सामान्य शब्दों के प्रति अपने पूर्वाग्रह को दूर करने में मदद मिलेगी। उन्होंने 'रिट्रीवल ऑग्मेंटेशन' (retrieval augmentation) नामक तकनीक का उपयोग किया, जो हिप्पोकैम्पल मेमोरी सिस्टम के डिजिटल संस्करण के रूप में कार्य करती है। इस सेटअप में, मुख्य भाषा मॉडल एक 'स्लो लर्नर' (धीमा सीखने वाला) के रूप में कार्य करता है, जो इस सामान्य ज्ञान को धारण करता है कि शब्द आमतौर पर एक साथ कैसे जुड़ते हैं। इसके साथ एक विशाल बाहरी डेटाबेस जुड़ा हुआ है जो प्रत्येक वाक्य को उसके विशिष्ट संदर्भ के साथ संग्रहीत करता है जिसे मॉडल ने कभी देखा है। जब मॉडल एक नए वाक्य का सामना करता है, तो केवल अपनी आंतरिक स्मृति पर निर्भर रहने के बजाय, वह इस डेटाबेस में समान पिछले उदाहरणों की तुरंत खोज कर सकता है और निर्णय लेने में मदद के लिए उनका उपयोग कर सकता है। यह प्रक्रिया मॉडल को विशिष्ट, ठोस स्मृतियों पर निर्भर करने की अनुमति देती है जब उसका सामान्य ज्ञान कमजोर होता है, जो ठीक उसी तरह है जैसे एक मनुष्य किसी कठिन व्याकरणिक संरचना को समझने के लिए किसी विशिष्ट बातचीत को याद कर सकता है।

टीम ने इस दृष्टिकोण का परीक्षण तीन अलग-अलग प्रकार के व्याकरणिक पहेलियों का उपयोग करके किया: कर्ता-क्रिया सहमति (subject-verb agreement), "who" या "what" से शुरू होने वाले प्रश्न, और जटिल रिलेटिव क्लॉज़ (relative clauses)। उन्होंने प्रशिक्षण डेटा में बार-बार आने वाले शब्दों और बहुत कम बार आने वाले शब्दों का उपयोग करके परीक्षण वाक्य बनाए। जैसा कि अपेक्षित था, मेमोरी एड (स्मृति सहायता) के बिना मानक मॉडल सामान्य शब्दों वाले वाक्यों पर अच्छा प्रदर्शन करता था लेकिन दुर्लभ शब्दों के मामले में काफी संघर्ष करता था। प्रदर्शन का अंतर स्पष्ट था: मॉडल की व्याकरण का निर्णय लेने की क्षमता शब्दों के कम परिचित होने के साथ तेजी से गिर गई। हालाँकि, जब शोधकर्ताओं ने रिट्रीवल सिस्टम को सक्रिय किया, तो परिणाम बदल गए। वह मॉडल जो पिछले उदाहरणों को देख सकता था, ने दुर्लभ शब्दों को संभालने में उल्लेखनीय सुधार दिखाया। सामान्य और असामान्य शब्दों के बीच का प्रदर्शन अंतराल काफी कम हो गया, जिससे पता चलता है कि विशिष्ट स्मृतियों को निकालने की क्षमता वास्तव में सामान्य परिचितता की कमी की भरपाई करने में मदद करती है।

फिर भी, कहानी एक पूर्ण समाधान पर समाप्त नहीं होती है। हालांकि मेमोरी एड ने मदद की, लेकिन इसने कठिनाई को पूरी तरह से समाप्त नहीं किया। इस रिट्रीवल सिस्टम के साथ होने के बावजूद, मॉडल अभी भी सामान्य शब्दों की तुलना में दुर्लभ शब्दों पर थोड़ा खराब प्रदर्शन करता था। शोधकर्ताओं ने पाया कि इस मेमोरी सिस्टम की सफलता इस बात पर बहुत अधिक निर्भर थी कि वह किस प्रकार की जानकारी को पुनः प्राप्त कर रहा है। जब सिस्टम को शब्दों के केवल सामान्य अर्थ को देखने के लिए मजबूर किया गया और उनके व्याकरणिक ढांचे को अनदेखा किया गया, तो इसने लगभग कोई मदद नहीं दी। रिट्रीवल केवल तभी अच्छी तरह से काम करता था जब सिस्टम उन उदाहरणों को खोजने में सक्षम होता था जो वाक्य के विशिष्ट व्याकरणिक आकार से मेल खाते थे जिसे वह हल करने की कोशिश कर रहा था। यह इंगित करता है कि इस प्रकार की मेमोरी के उपयोगी होने के लिए, इसे केवल सिमेंटिक (अर्थ संबंधी) समानताओं को ही नहीं, बल्कि संरचनात्मक पैटर्न को भी पहचानने और याद करने में सक्षम होना चाहिए। इसके अलावा, शोधकर्ताओं ने पाया कि इस मेमोरी सिस्टम को सेट करने का कोई एक "सर्वश्रेष्ठ" तरीका नहीं है। कितने उदाहरणों को पुनः प्राप्त करना है और कॉन्टेक्स्ट विंडो का आकार क्या होना चाहिए, यह विशिष्ट व्याकरणिक पहेली और कार्य की जटिलता के आधार पर भिन्न होता है, जो यह सुझाव देता है कि एक निश्चित नियम के बजाय एक लचीला, अनुकूलन योग्य दृष्टिकोण आवश्यक है।

ये निष्कर्ष इस विचार के प्रमाण के रूप में एक मजबूत 'प्रूफ ऑफ कॉन्सेप्ट' प्रदान करते हैं कि एपिसोडिक मेमोरी भाषा प्रसंस्करण में महत्वपूर्ण भूमिका निभाती है। यह दिखाकर कि एक कंप्यूटर मॉडल विशिष्ट पिछले अनुभवों को पुनः प्राप्त करने के तंत्र को जोड़कर शब्दों की आवृत्ति के विरुद्ध अधिक मजबूत बन सकता है, यह अध्ययन इस सिद्धांत का समर्थन करता है कि मानव मस्तिष्क भी इसी तरह की रणनीति का उपयोग करता है। शोधकर्ता निष्कर्ष निकालते हैं कि जबकि यह मेमोरी तंत्र शक्तिशाली है, यह कोई जादुई समाधान (मैजिक बुलेट) नहीं है। मशीन और मानव प्रदर्शन के बीच के अंतर को पूरी तरह से भरने के लिए, भविष्य के सिस्टमों को सही संरचनात्मक मिलान की पहचान करने, विभिन्न स्मृतियों के महत्व को निर्धारित करने और विशिष्ट क्षणों की मांगों के अनुसार अपनी रिट्रीवल रणनीतियों को अनुकूलित करने में बेहतर बनना होगा। यह कार्य पुष्टि करता है कि विशिष्ट उदाहरणों को याद रखने की क्षमता भाषा की जटिलताओं को समझने के लिए एक महत्वपूर्ण उपकरण है, भले ही उस उपकरण को और अधिक धार देने की आवश्यकता हो।