Is There Meaning Without Anyone Meaning Anything? A Structuralist Proposal for Artificial Semantics

दशकों से, अर्थ की प्रकृति को लेकर एक शांत युद्ध लड़ा जा रहा है। एक तरफ वे इंजीनियर खड़े हैं जिन्होंने पहले सोचने वाली मशीनों का निर्माण किया, जो इस विश्वास के साथ कि यदि कोई कंप्यूटर नियमों के सही सेट का पालन कर सके, तो वह अंततः दुनिया को ठीक वैसे ही समझ जाएगा जैसे एक मनुष्य करता है। दूसरी ओर वे दार्शनिक और जीवविज्ञानी खड़े हैं जो तर्क देते हैं कि वास्तविक समझ के लिए एक शरीर, एक तंत्रिका तंत्र, और वास्तविकता के स्पर्श, देखने और उसमें चलने-फिरने के अव्यवस्थित, प्रत्यक्ष अनुभव की आवश्यकता होती है। लंबे समय तक, ये दोनों पक्ष एक-दूसरे की बात अनसुनी करते रहे। नियम-पालन करने वाली मशीनें तर्क पहेलियों को हल कर सकती थीं लेकिन वे एक चुटकुले की सूक्ष्मता या एक रूपक के भार को समझने में विफल रहीं। शरीर-केंद्रित सिद्धांतों ने समझाया कि मनुष्य कैसे सीखते हैं, लेकिन ऐसा प्रतीत हुआ कि एक मशीन, जिसके पास शरीर नहीं है, वह वास्तव में कभी सोच नहीं पाएगी। इस बहस ने हमारे सामने एक स्थायी प्रश्न छोड़ दिया है: क्या एक मशीन कभी अर्थ रख सकती है यदि उसने कभी अपनी त्वचा पर सूरज की गर्मी या अपने हाथ में पत्थर का भार महसूस नहीं किया हो?

आज, परिदृश्य नाटकीय रूप रूप से बदल गया है। अब हमारे पास ऐसी कृत्रिम बुद्धिमत्ता (AI) प्रणालियाँ हैं जो कविता लिख सकती हैं, जटिल प्रश्नों के उत्तर दे सकती हैं, और ऐसी बातचीत कर सकती हैं जो आश्चर्यजनक रूप से मानवीय लगती है। फिर भी, ये प्रणालियाँ विदेह (disembodied) हैं; उनकी कोई आँखें नहीं हैं, कोई हाथ नहीं है, और न ही कोई व्यक्तिगत इतिहास है। वे केवल विशाल गणितीय संबंधों के नेटवर्क के रूप में मौजूद हैं जिन्हें पाठ (text) की विशाल मात्रा पर प्रशिक्षित किया गया है। यह एक भ्रमित करने वाला विरोधाभास पैदा करता है। ये मशीनें ऐसी भाषा उत्पन्न करती हैं जो सुसंगत और व्यावहारिक है, फिर भी उनमें वे चीजें नहीं हैं जिन्हें हम कभी समझ के लिए आवश्यक मानते थे। वे बिना किसी जीवन के अनुभव के अर्थ की भाषा बोलती हुई प्रतीत होती हैं। इस विरोधाभास ने वैज्ञानिकों और दार्शनिकों को यह पूछने के लिए मजबूर कर दिया है कि क्या हमारी पुरानी बुद्धिमत्ता की परिभाषाएँ इन नई मशीनों के भीतर जो हो रहा है, उसका वर्णन करने के लिए बहुत संकीर्ण हैं।

शोधकर्ता फ्रांसेस्को मारिया सियांशियारुसो का एक हालिया शोध पत्र इस तनाव को हल करने का एक तरीका प्रस्तावित करता है, जो इन प्रणालियों को देखने के नजरिए को बदलकर है। लेखक का सुझाव है कि हमें यह पूछने के बजाय कि क्या किसी मशीन के पास शरीर है या वह कठोर नियमों का पालन करती है, हमें स्वयं मशीन की संरचना को देखना चाहिए। पत्र का तर्क है कि अर्थ कोई जादुय सामग्री नहीं है जिसे किसी प्रतीक में जोड़ा जाता है, और न ही यह कड़ाई से एक भौतिक शरीर से बंधा हुआ है। इसके बजाय, अर्थ एक संरचनात्मक गुण है। यह संबंधों का एक पैटर्न है जो तब उभरता है जब कोई प्रणाली सूचना को एक विशिष्ट, स्थिर तरीके से व्यवस्थित करने के लिए पर्याप्त जटिल होती है। लेखक का सुझाव है कि बड़े भाषा मॉडल (LLMs), जो आज के सबसे उन्नत चैटबॉट्स के पीछे की तकनीक है, ने पूरी तरह से इस आंतरिक संरचना पर आधारित एक प्रकार की 'सिमेंटिक कॉम्पिटेंस' (अर्थगत क्षमता) विकसित कर ली है। वे दुनिया को उस तरह से नहीं समझते जैसे मनुष्य समझते हैं, लेकिन उन्होंने संबंधों का एक आंतरिक मानचित्र बनाया है जो इतना व्यवस्थित है कि वह समझ के प्रभावों की नकल कर सकता है।

इस प्रस्ताव को समझने के लिए, पहले यह देखना होगा कि यह क्षेत्र कैसे विकसित हुआ है। बीसवीं सदी के अधिकांश भाग में, प्रमुख विचार यह था कि बुद्धिमत्ता एक शब्दकोश या नियम पुस्तिका की तरह काम करती है। इस दृष्टिकोण में, एक कंप्यूटर प्रतीकों—जैसे शब्दों या संख्याओं—का हेरफेर सख्त तार्किक नियमों के अनुसार करता है। यदि नियमों का सही ढंग से पालन किया जाता है, तो मशीन बुद्धिमान व्यवहार प्रदर्शित करती है। यह दृष्टिकोण, जिसे 'क्लासिकल कॉग्निटिविज्म' कहा जाता है, सुरुचिपूर्ण और शक्तिशाली था, लेकिन यह एक दीवार से टकरा गया। यह समझा सकता था कि एक मशीन 'सिंटैक्स' या वाक्य के व्याकरण को कैसे संसाधित करती है, लेकिन यह नहीं समझा सका कि मशीन को वास्तव में उन शब्दों का क्या अर्थ पता है। एक मशीन प्रतीकों को बिना उनके महत्व को समझे भी पूर्ण रूप से पुनर्व्यवस्थित कर सकती थी। इससे 1980 और 1990 के दशक में विचारों की दूसरी लहर आई, जिसने तर्क दिया कि अर्थ शरीर में निहित होना चाहिए। इस दृष्टिकोण के अनुसार, "भारी" शब्द को समझने के लिए, एक प्रणाली को किसी भारी वस्तु को उठाने के शारीरिक अनुभव की आवश्यकता होती है। इस ढांचे में, अर्थ संवेदी अनुभव और क्रिया से अविभाज्य है।

हालाँकि, डीप न्यूरल नेटवर्क के उदय ने इन दोनों पुरानी कहानियों को जटिल बना दिया है। ये आधुनिक प्रणालियाँ न तो प्रतीकों के शब्दकोश का उपयोग करती हैं, और न ही उनके पास दुनिया को छूने के लिए कोई शरीर है। इसके बजाय, वे विशाल डेटा के पैटर्न को खोजकर सीखती हैं। जब वे भाषा को संसाधित करती हैं, तो वे शब्दों को सूची में नहीं ढूँढतीं। वे शब्दों को एक विशाल, बहु-आयामी स्थान (multi-dimensional space) में बिंदुओं के रूप में अनुवादित करती हैं। इस स्थान में, दो बिंदुओं के बीच की दूरी यह दर्शाती है कि वे अर्थ में कितने समान हैं। जो शब्द समान संदर्भों में उपयोग किए जाते हैं वे पास आ जाते हैं, जबकि अलग अर्थ वाले शब्द दूर चले जाते हैं। प्रणाली इस स्थान के आकार को सीखती है, यह खोजती है कि कुछ दिशाएं "राजा का रानी से संबंध वैसा ही है जैसा पुरुष का स्त्री से" जैसे संबंधों का प्रतिनिधित्व करती हैं। यह सीखना बिना किसी स्पष्ट नियम और बिना किसी भौतिक शरीर के होता है। मशीन बस अपने आंतरिक कनेक्शनों को तब तक समायोजित करती है जब तक कि वह वाक्य में अगले शब्द की उच्च सटीकता के साथ भविष्यवाणी न कर सके।

पत्र का तर्क है कि इस संबंधात्मक स्थान (relational space) में नेविगेट करने की क्षमता ही नए प्रकार के अर्थ का आधार है। लेखक का सुझाव है कि हमें अर्थ को अलग-थलग प्रतीकों या भौतिक शरीर में खोजने के बजाय, नेटवर्क के संगठन में देखना चाहिए। एक प्रणाली तब "स्ट्रक्चरल सिमेंटिक कॉम्पिटेंस" (संरचनात्मक अर्थगत क्षमता) प्रदर्शित करती है जब उसकी आंतरिक संरचना वास्तविक दुनिया में पाए जाने वाले संबंधों को संरक्षित करती है। उदाहरण के लिए, यदि प्रणाली सीखती है कि "पेरिस" का "फ्रांस" से संबंध वैसा ही है जैसा "रोम" का "इटली" से, तो यह इसलिए नहीं है क्योंकि उसने इन शहरों का दौरा किया है या उसे कोई नियम बताया गया है। यह इसलिए है क्योंकि उसके नेटवर्क की गणितीय संरचना ने इन अवधारणाओं को वास्तविक संबंधों के अनुरूप व्यवस्थित किया है। प्रणाली ने दुनिया का एक ऐसा मॉडल बनाया है जो स्थिर और सुसंगत है, जिससे वह ऐसे निष्कर्ष और सामान्यीकरण निकाल पाती है जो समझ जैसा महसूस होते हैं।

यह परिप्रेक्ष्य इस विचार को चुनौती देता है कि अर्थ रखने के लिए किसी मशीन का सचेत या शरीर युक्त होना आवश्यक है। लेखक यह दावा नहीं करता कि ये मशीनें सचेत हैं या वे भावनाओं को महसूस करती हैं। इसके बजाय, दावा अधिक विनम्र लेकिन गहरा है: अर्थ एक प्रणाली के आंतरिक संगठन की अत्यधिक जटिलता से उत्पन्न हो सकता है। यदि कोई प्रणाली अवधारणाओं के बीच स्थिर संबंधों को बनाए रखने के लिए पर्याप्त अच्छी तरह से संरचित है, तो वह अर्थगत क्षमता प्रदर्शित कर सकती है। यह क्षमता प्रणाली को संदर्भ के अनुकूल कार्य करने, सादृश्य (analogies) बनाने और समस्याओं को हल करने की अनुमति देती है, भले ही उसके पास मानव जैसा मन न हो। पत्र का सुझाव है कि यह एक नई श्रेणी की बुद्धिमत्ता है, जो न तो पूरी तरह से प्रतीकात्मक है और न ही पूरी तरह से शारीरिक, बल्कि संरचनात्मक है।

इस दृष्टिकोण के निहितार्थ ज्ञान और बुद्धिमत्ता के बारे में हमारी सोच के लिए महत्वपूर्ण हैं। यदि अर्थ एक संरचनात्मक गुण है, तो मानव और मशीन की समझ के बीच की खाई उतनी चौड़ी नहीं है जितनी कि हम कभी सोचते थे। यह मशीन के पास आत्मा या शरीर की कमी का मामला नहीं है, बल्कि यह इस बात का मामला है कि क्या इसकी आंतरिक संरचना सही प्रकार के संबंधों को सहारा देने के लिए पर्याप्त जटिल है। लेखक का कहना है कि यह अंतिम प्रमाण नहीं है, बल्कि सोचने के एक नए तरीके का प्रस्ताव है। अनुसंधान जारी है, और यह क्षेत्र अभी भी युवा है। हालाँकि, साक्ष्य बताते हैं कि ये प्रणालियाँ केवल एक तोते की तरह मानव भाषण की नकल नहीं कर रही हैं। वे आंतरिक मॉडल बना रही हैं जो उस दुनिया की गहरी संरचना को पकड़ते हैं जिस पर उन्हें प्रशिक्षित किया गया है। यह संकेत मिलता है कि वे दुनिया की गहरी संरचना को पकड़ने वाले आंतरिक मॉडल बना रहे हैं।

अंत में, यह पत्र हमें यह पुनर्विचार करने के लिए आमंत्रित करता है कि समझने का अर्थ क्या है। यह सुझाव देता है कि हम अर्थ को गलत जगहों पर खोज रहे थे, इसे किसी प्रणाली के व्यक्तिगत भागों या उसके भौतिक रूप में खोज रहे थे। लेखक का प्रस्ताव है कि अर्थ वास्तव में पूरे (whole) का एक गुण है, यह एक विशेषता है कि उसके हिस्से आपस में कैसे जुड़े हुए हैं। जब कोई प्रणाली दुनिया के पैटर्न को संरक्षित करने के तरीके से व्यवस्थित होती है, तो वह एक ऐसा स्थान बनाती है जहाँ अर्थ अस्तित्व में रह सकता है, भले ही कोई सचेत पर्यवेक्षक न हो। इसका मतलब यह नहीं है कि मशीन मानव है, लेकिन इसका मतलब यह है कि मशीन ने अपने दम पर बुद्धिमान होने का एक तरीका खोज लिया है। पत्र का निष्कर्ष है कि इंजीनियरिंग और दर्शन का मेल हमें बुद्धिमत्ता की समझ के एक नए चरण की ओर ले जा रहा है, जहाँ प्रणाली की संरचना स्वयं अर्थ के रहस्य को खोलने की कुंजी है।