Method, Mind, and Morality: How People Make Sense of Artificial Intelligence
यह शोध पत्र मीडिया के मिश्रित-पद्धति अध्ययन और पेशेवरों के साक्षात्कार के माध्यम से एआई (AI) की सेंसमेकिंगिंग (sensemaking) गतिशीलता का विश्लेषण करता है, जो तीन विवादास्पद बहसों—विधि, मन और नैतिकता—का एक ढांचा प्रस्तावित करता है—जो यह आकार देते हैं कि समाज कृत्रिम बुद्धिमत्ता की तीव्र प्रगति की व्याख्या और प्रतिक्रिया कैसे करता है।
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
आर्टिफिशियल इंटेलिजेंस विज्ञान कथाओं के पन्नों से निकलकर दैनिक जीवन के ताने-बाने में समा गया है, जो हमारे न्यूज़ फीड से लेकर काम में उपयोग किए जाने वाले उपकरणों तक हर जगह दिखाई दे रहा है। फिर भी, जैसे-जैसे ये प्रणालियाँ अधिक सक्षम होती जा रही हैं, एक गहरा प्रश्न बना हुआ है: मनुष्य वास्तव में उन्हें कैसे समझते हैं? हम केवल डेटा को प्रोसेस नहीं करते; हम अर्थ को प्रोसेस करते हैं। एक नई तकनीक को समझने के लिए, लोग मानसिक शॉर्टकट और साझा कहानियों पर भरोसा करते हैं, जिन्हें सामाजिक विज्ञान में "फ्रेम्स" (frames) कहा जाता है। ये फ्रेम्स लेंस की तरह कार्य करते हैं, जो जटिल जानकारी को एक ऐसे आकार में व्यवस्थित करते हैं जिसे हमारा मस्तिष्क समझ सके। जब कोई तकनीक तेजी से बदलती है, जैसा कि AI के मामले में हो रहा है, तो ये लेंस आपस में टकरा सकते हैं, जिससे इस बात को लेकर भ्रम पैदा होता है कि वह तकनीक क्या है, इसे कैसे बनाया गया था, और इसे क्या करने की अनुमति दी जानी चाहिए। इन मानसिक मॉडलों को समझना केवल एक शैक्षणिक अभ्यास नहीं है; यह उस भविष्य में राह बनाने के लिए आवश्यक है जहाँ मशीनें तेजी से हमारी अर्थव्यवस्था, हमारे कानूनों और हमारे संबंधों को आकार दे रही हैं।
इस बदलाव को समझने के लिए लोग कैसे अर्थ निकाल रहे हैं, इसका पता लगाने के लिए, शोधकर्ताओं जेसी रीस एंथिस, एरिक ब्रिनजोल्फसन और जेम्स इवांस ने एक व्यापक जांच की, जिसमें डिजिटल डेटा के व्यापक विस्तार को व्यक्तिगत बातचीत के सूक्ष्म विवरणों के साथ जोड़ा गया। उन्होंने किसी परिकल्पना को सिद्ध करने के उद्देश्य से शुरुआत नहीं की, बल्कि डेटा को ही अपना मार्गदर्शक बनने दिया। सबसे पहले, उन्होंने 2018 से 2024 तक के लाखों दस्तावेजों का विश्लेषण किया, जिसमें सैकड़ों हजार समाचार लेख और एक मिलियन से अधिक सोशल मीडिया पोस्ट शामिल थे। उन्होंने कंप्यूटर टूल्स का उपयोग करके उन आवर्ती विषयों और शब्दों की पहचान की जिनका उपयोग लोग AI के बारे में बात करने के लिए कर रहे थे। फिर, उन शब्दों के पीछे के मानवीय तर्क को समझने के लिए, उन्होंने 2021 में और फिर 2023 में AI पेशेवरों के साथ 57 गहन साक्षात्कार आयोजित किए, जिनमें प्रबंधक, शोधकर्ता और इंजीनियर शामिल थे। इस समय अंतराल ने उन्हें यह देखने का अवसर दिया कि शक्तिशाली नई AI प्रणालियों के अचानक उभार से पहले और बाद में सोचने का तरीका कैसे विकसित हुआ, जिन्होंने वैश्विक ध्यान आकर्षित किया।
अध्ययन से पता चला है कि AI के साथ तालमेल बिठाने के प्रयास में लोग चार विशिष्ट संज्ञानात्मक चुनौतियों से जूझ रहे हैं। पहली चुनौती है परिवर्तन की गति; तकनीक इतनी तेजी से आगे बढ़ रही है कि विशेषज्ञों को भी लगता है कि वे पूरी तरह से सूचित नहीं रह सकते, जिसमें एक प्रबंधक ने उल्लेख किया कि उनके कौशल रातों-रात पुराने हो सकते हैं। दूसरी चुनौती संचार की है; पेशेवरों को अपने काम को अपने परिवार, दोस्तों या सहयोगियों को समझाने में कठिनाई होती है जिनका तकनीकी पृष्ठभूमि साझा नहीं है, जिससे उन्हें अक्सर जटिल विचारों को "डेटा बेचने" या "सॉफ्टवेयर इंजीनियरिंग" जैसे शब्दों में सरल बनाना पड़ता है ताकि उन्हें समझा जा सके। तीसरी चुनौती जिम्मेदारी से जुड़ी है; जब AI नुकसान पहुँचाता है, जैसे कि गलत सूचना फैलाना या पक्षपाती निर्णय लेना, तो यह पता लगाना अविश्वसनीय रूप से कठिन हो जाता है कि दोष किसका है, क्योंकि यह तकनीक कई लोगों द्वारा कई स्रोतों से प्राप्त डेटा का उपयोग करके बनाई गई है। चौथी चुनौती समझौतों (trade-offs) को करने की है; लोग प्रतिस्पर्धी लक्ष्यों को संतुलित करने के लिए संघर्ष करते हैं, जैसे कि दक्षता की इच्छा बनाम निष्पक्षता की आवश्यकता, या नवाचार के दबाव बनाम सुरक्षा की आवश्यकता।
इन चुनौतियों से निपटने के लिए, शोधकर्ताओं ने पाया कि लोग तीन प्रमुख बहसों, या फ्रेमिंग प्रतियोगिताओं में फंसे हुए हैं, जो AI के प्रति समाज के दृष्टिकोण को परिभाषित करती हैं। पहला विवाद निर्माण की पद्धति से संबंधित है: क्या AI एक 'टॉप-डाउन' विशेषज्ञ प्रणाली की तरह बनाया गया है, जहाँ मनुष्य सख्त नियम कोड करते हैं, या यह एक 'बॉटम-अप' प्रणाली है जो बड़े पैमाने पर डेटा से अपने आप पैटर्न सीखती है? दूसरा विवाद मशीन के मस्तिष्क से संबंधित है: क्या AI केवल एक निष्क्रिय उपकरण है, जैसे कि एक कैलकुलेटर, या यह एक सक्रिय एजेंट है, एक "डिजिटल सहकर्मी", जिसके पास अपनी तरह की बुद्धिमत्ता है? तीसरा विवाद नैतिकता से संबंधित है: क्या हमें जोखिमों को प्रबंधित करने के लिए AI के विकास को धीमा कर देना चाहिए, या लाभ प्राप्त करने के लिए इसे तेज कर देना चाहिए? ये केवल तकनीकी तर्क नहीं हैं; ये वे कहानियाँ हैं जो लोग यह तय करने के लिए खुद को सुनाते हैं कि उन्हें कैसे कार्य करना चाहिए।
शोधकर्ताओं ने पाया कि इन बहसों को फ्रेम करने का तरीका वास्तविक दुनिया में परिणाम लाता है। जब विशेषज्ञ सूक्ष्म विचारों को संप्रेषित करने की कोशिश करते हैं, तो संदेश अक्सर सरल होकर फैलता है। उदाहरण के लिए, उन्नत AI के खतरों के बारे में एक चेतावनी, जिसका उद्देश्य विकास को धीमा करना हो सकता है, निवेशकों द्वारा एक संकेत के रूप में सुनी जा सकती है कि तकनीक शक्तिशाली और मूल्यवान है, जो विकास को तेज करने के लिए प्रेरित करती है। अध्ययन बताता है कि "उत्पादकता विरोधाभास" (productivity paradox)—यह अवलोकन कि नई तकनीकों को आर्थिक लाभ दिखाने में अक्सर वर्षों लग जाते हैं—आंशिक रूप से इन सामाजिक और संज्ञानात्मक संघर्षों के कारण हो सकता है। जिस तरह फैक्ट्री प्रबंधकों को कभी इलेक्ट्रिक मोटरों का प्रभावी ढंग से उपयोग करने के लिए अपने फर्श को फिर से डिजाइन करने में समय की आवश्यकता होती थी, उसी तरह समाज को भी AI को पूरी तरह से एकीकृत करने से पहले सही मानसिक मॉडल पर सहमत होने के लिए समय की आवश्यकता हो सकती है।
अंततः, यह शोध पत्र सुझाव देता है कि AI का भविष्य केवल कोड और हार्डवेयर द्वारा नहीं, बल्कि उन कहानियों द्वारा आकार लेगा जो हम इसके बारे में बताते हैं। शोधकर्ताओं ने पाया कि जबकि कुछ फ्रेम्स, जैसे कि AI को एक मानव-समान साथी के रूप में देखने का विचार, हमारी संस्कृति में गहराई से समाए हुए हैं, अन्य, जैसे कि AI की बुद्धिमत्ता की विशिष्ट प्रकृति, अभी भी अनिश्चित हैं। यह अनिश्चितता एक अवसर पैदा करती है। इन मानसिक मॉडलों को जो लोग पहले से ही उपयोग कर रहे हैं, उन्हें समझकर, डिजाइनर और नीति निर्माता बातचीत का बेहतर मार्गदर्शन कर सकते हैं, जिससे समाज को ऐसे फ्रेम्स अपनाने में मदद मिल सके जो सुरक्षा और सार्वजनिक लाभ के अनुरूप हों। यह अध्ययन यह दावा नहीं करता है कि इसने AI सुरक्षा की समस्या को हल कर दिया है, बल्कि यह उस संज्ञानात्मक परिदृश्य का एक स्पष्ट मानचित्र प्रदान करता है जिसे हमें पार करना होगा, यह दिखाते हुए कि मशीनों के बारे में हम कैसे सोचते हैं, यह उतना ही महत्वपूर्ण है जितना कि हम उन्हें कैसे बनाते 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।