From Computation to Cognition Assessing the Integration Gap Between Artificial Intelligence and Human Cognition
यह समीक्षा तर्क देती है कि यद्यपि वर्तमान एआई प्रणालियाँ मजबूत कार्यात्मक और व्यवहारिक कार्य प्रदर्शन प्रदर्शित करती हैं, लेकिन उनमें वास्तविक मानव-समान संज्ञान के लिए आवश्यक स्मृति, शिक्षण, संदर्भ संवेदनशीलता, निर्णय लेने और मूर्तीकरण (एम्बॉडमेंट) का यांत्रिक एकीकरण का अभाव है, और यह इस अंतर को पाटने के लिए मापने योग्य मानदंडों के साथ एक अनुसंधान एजेंडा प्रस्तावित करती है।
मूल पेपर CC BY 4.0 (https://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
एक ऐसी दुनिया की कल्पना करें जहाँ मशीनें वे काम कर सकती हैं जिन्हें कभी हम केवल मनुष्यों के योग्य समझते थे। वे भीड़ में एक चेहरा पहचान सकती हैं, किसी विदेशी भाषा का तुरंत अनुवाद कर सकती हैं, या एक ऐसी कविता लिख सकती हैं जो हमें भावुक कर दे। दशकों तक, वैज्ञानिकों ने सख्त नियमों का पालन करने वाले कंप्यूटर बनाए, लेकिन पिछले दस वर्षों में, एक नए प्रकार की मशीन उभरी है। ये प्रणालियाँ, जिन्हें अक्सर 'लार्ज लैंग्वेज मॉडल्स' कहा जाता है, टेक्स्ट और डेटा की विशाल मात्रा से सीखती हैं ताकि यह अनुमान लगाया जा सके कि आगे क्या आएगा, चाहे वह वाक्य में अगला शब्द हो या किसी योजना का अगला चरण। वे विशिष्ट कार्यों को करने में अविश्वसनीय रूप से कुशल हैं, जो अक्सर चिकित्सा निदान या वित्तीय पूर्वानुमान जैसे संकीर्ण क्षेत्रों में मानव विशेषज्ञों के बराबर या उनसे भी बेहतर प्रदर्शन करते हैं। लेकिन कंप्यूटर विज्ञान, मनोविज्ञान और तंत्रिका विज्ञान के शोधकर्ताओं को एक गहरे प्रश्न ने परेशान करना शुरू कर दिया है: सिर्फ इसलिए कि एक मशीन सही उत्तर दे सकती है, क्या वह वास्तव में दुनिया को उसी तरह समझती है जैसे हम समझते हैं?
यह प्रश्न इस बारे में नहीं है कि क्या एक रोबोट किसी व्यक्ति की तुलना में गणित की समस्या को तेज़ी से हल कर सकता है। यह इस बारे में है कि क्या उस रोबोट के पास एक एकीकृत मन (unified mind) है। मानवीय विचार अलग-अलग युक्तियों का संग्रह नहीं है; यह एक निर्बाध प्रवाह है जहाँ स्मृति, सीखना, संदर्भ और निर्णय लेना निरंतर एक साथ काम करते हैं। हम एक पिछली घटना को याद करते हैं, उस स्मृति का उपयोग नई स्थिति को समझने के लिए करते हैं, और इस आधार पर अपने व्यवहार को बदलते हैं कि हम कैसा महसूस कर रहे हैं और हमारे आसपास क्या हो रहा है। यह सब एक एकल, निरंतर प्रणाली में होता है जो हर अनुभव के साथ बदलती और विकसित होती है। बड़ा सवाल यह है कि क्या हमारी कृत्रिम रचनाएँ इसी तरह के एकीकृत मन का निर्माण करना शुरू कर रही हैं, या वे केवल मानवीय बुद्धिमत्ता की सतह की नकल कर रही हैं बिना उसके अंतर्निहित तंत्र के।
तस्मानिया विश्वविद्यालय के मुहम्मद सुभान द्वारा की गई एक हालिया समीक्षा इस मुद्दे पर एक कठोर और स्पष्ट दृष्टि डालती है। मशीनों के "स्मार्ट" होने के बारे में अस्पष्ट रूप से पूछने के बजाय, यह अध्ययन समस्या को तीन अलग-अलग स्तरों में विभाजित करता है। पहला स्तर कार्यात्मक पुनरुत्पादन (functional reproduction) है, जो केवल यह पूछता है कि क्या एक मशीन मानव के समान कार्य कर सकती है। दूसरा व्यवहारिक पुनरुत्पादन (behavioral reproduction) है, जो यह पूछता है कि क्या मशीन न केवल औसत रूप से, बल्कि उन कठिन स्थितियों में भी मानव की तरह व्यवहार करती है जहाँ मनुष्य लड़खड़ा सकते हैं या अपना निर्णय बदल सकते हैं। तीसरा और सबसे कठिन स्तर यांत्रिक पुनरुत्पादन (mechanistic reproduction) है, जो यह पूछता है कि क्या मशीन उन्हीं आंतरिक प्रक्रियाओं का उपयोग कर रही है जिनका उपयोग हमारा मस्तिष्क करता है। अध्ययन पाता है कि जबकि मशीनें पहले दो स्तरों में उत्कृष्ट हैं, वे तीसरे स्तर से अभी भी बहुत दूर हैं।
शोधकर्ताओं ने आधुनिक कृत्रिम बुद्धिमत्ता प्रणालियों की एक विस्तृत श्रृंखला का परीक्षण किया, दैनिक उपयोग के टेक्स्ट-जनरेटिंग मॉडल्स से लेकर उन रोबोटों तक जो भौतिक दुनिया में देख और चल सकते हैं। उन्होंने देखा कि ये प्रणालियाँ स्मृति, सीखना, संदर्भ और निर्णय लेने, यहाँ तक कि भावनाओं को कैसे संभालती हैं। साक्ष्य दिखाते हैं कि मशीनें निश्चित रूप से स्मृति की आवश्यकता वाले कार्यों को कर सकती हैं। उदाहरण के लिए, एक प्रणाली डेटाबेस में जानकारी खोज सकती है और प्रश्न का उत्तर देने के लिए उसका उपयोग कर सकती है। यह मानव स्मृति का एक कार्यात्मक मिलान है। हालाँकि, जिस तरह से मशीन यह करती है, वह मानव मस्तिष्क के काम करने के तरीके से मौलिक रूप से भिन्न है। मानव मस्तिष्क तथ्यों को एक अलग फाइल कैबिनेट में संग्रहीत नहीं करता और फिर उन्हें खोजने जाता है। इसके बजाय, हमारी स्मृतियाँ हमारे सोचने के ताने-बाने में बुनी हुई होती हैं; वे कनेक्शनों के ऐसे पैटर्न हैं जो हमारे सीखने के साथ बदलते और मजबूत होते हैं। जब कोई मशीन जानकारी प्राप्त करती है, तो वह आमतौर पर एक अलग, इंजीनियर की गई खोज प्रक्रिया चला रही होती है जिसे उसके मुख्य मस्तिष्क के साथ जोड़ा गया है, बजाय इसके कि स्मृति उसके सोचने का एक अभिन्न हिस्सा हो।
जब सीखने (learning) को देखा जाता है, तो यह अंतर और भी बढ़ जाता है। मनुष्य निरंतर सीखते हैं। हम आज एक नया तथ्य सुन सकते हैं और कल उसका उपयोग कर सकते हैं बिना अपने पूरे मस्तिष्क को पुन: प्रोग्राम किए। हम गलतियों से भी सीख सकते हैं बिना वह सब कुछ मिटाए जो हम पहले से जानते थे। वर्तमान कृत्रिम बुद्धिमत्ता प्रणालियाँ इसके साथ संघर्ष करती हैं। जब वे कुछ नया सीखती हैं, तो वे अक्सर वह भूल जाती हैं जो वे पहले जानती थीं, एक समस्या जिसे वैज्ञानिक 'कैटास्ट्रोफिक फॉरगेटिंग' (catastrophic forgetting) कहते हैं। इंजीनियरों ने इसे ठीक करने के लिए पैच बनाए हैं, जैसे कि विशेष तकनीकें जो पुराने डेटा को सुरक्षित रखती हैं जबकि नया डेटा जोड़ा जाता है, लेकिन ये बाहरी समाधान हैं। वे उस प्राकृतिक, प्लास्टिक तरीके के समान नहीं हैं जिससे मानव न्यूरॉन्स जीवन भर बदलते और अनुकूल होते हैं। मशीन उसी तरह नहीं सीख रही है जैसे एक व्यक्ति सीखता है; इसे एक विशिष्ट विफलता मोड से बचने के लिए पैच किया जा रहा है।
अध्ययन ने यह भी देखा कि ये प्रणालियाँ संदर्भ और निर्णय लेने को कैसे संभालती हैं। मनुष्य अपनी स्थिति के प्रति अविश्वसनीय रूप से संवेदनशील होते हैं। हम जानते हैं कि एक शब्द का अर्थ एक मजाक में कुछ और हो सकता है और एक गंभीर बहस में कुछ पूरी तरह से अलग हो सकता है। हम अपने लक्ष्यों, अपनी भावनाओं और अपने पिछले अनुभवों के आधार पर निर्णय लेते हैं, अक्सर उन शॉर्टकट का उपयोग करते हैं जो पूरी तरह से तार्किक नहीं होते लेकिन वास्तविक दुनिया में प्रभावी होते हैं। कृत्रिम प्रणालियाँ तब बहुत अच्छी हो सकती हैं जब नियम स्पष्ट हों और लक्ष्य विशिष्ट हो। लेकिन जब स्थिति अस्पष्ट हो, या प्रश्न की शब्दावली थोड़ी बदल जाए, तो ये प्रणालियाँ अक्सर लड़खड़ा जाती हैं। वे शब्दों के गहरे अर्थ के बजाय उनकी सतही आकृति पर ध्यान केंद्रित करती हैं, जो यह दर्शाता है कि वे उस तरह से संदर्भ को नहीं समझतीं जैसे एक मानव समझता है। वे गलत होने पर भी आत्मविश्वासी और प्रवाहपूर्ण हो सकती हैं, और गलत जानकारी को भी उसी लहजे में उत्पन्न कर सकती हैं जैसा कि एक सत्य तथ्य।
शायद इस समीक्षा का सबसे महत्वपूर्ण निष्कर्ष यह है कि ये समस्याएँ केवल अलग-थलग पड़ी त्रुटियाँ नहीं हैं। वे वर्तमान कृत्रिम बुद्धिमत्ता के संपूर्ण डिज़ाइन में एक लापता हिस्से की ओर संकेत करती हैं। आज की प्रणालियाँ अलग-अलग हिस्सों से बनी हैं। एक भाग भाषा को संभालता है, दूसरा स्मृति को, और एक अन्य निर्णय लेने को। इन भागों को इंजीनियरों द्वारा जोड़ा गया है, लेकिन वे स्वाभाविक रूप से एक-दूसरे से बात नहीं करते या एक एकल इकाई के रूप में एक साथ अनुकूलित नहीं होते हैं। अध्ययन तर्क देता है कि हमने अभी तक ऐसी प्रणाली नहीं बनाई है जहाँ स्मृति, सीखना और निर्णय लेना एक निरंतर, स्व-संशोधित पूर्ण (self-modifying whole) में एकीकृत हो। मशीन काम कर सकती है, लेकिन उसके पास वह एकीकृत मन नहीं है जो एक मानव को लचीलेपन और समझ के साथ दुनिया में नेविगेट करने की अनुमति देता है।
शोधकर्ता सावधानीपूर्वक कहते हैं कि इसका मतलब यह नहीं है कि मशीनें कभी इस तरह की बुद्धिमत्ता प्राप्त नहीं कर सकतीं। इसका सीधा अर्थ यह है कि हमारे पास मौजूद साक्ष्य अभी ऐसा नहीं दिखाते हैं। जो हम वर्तमान में कर रहे हैं—मॉडल्स को बड़ा बनाना और उन्हें अधिक डेटा पर प्रशिक्षित करना—उसने इस समस्या को हल नहीं किया है। वास्तव में, जैसे-जैसे ये मॉडल बड़े होते जाते हैं, कुछ अंतराल, जैसे पुरानी जानकारी को याद रखने के साथ नई चीजें सीखने में कठिनाई, और भी अधिक pressing (गंभीर) होते जाते हैं। अध्ययन सुझाव देता है कि जो हमारे पास है उसे केवल स्केल अप करना पर्याप्त नहीं है। इस अंतर को पाटने के लिए, हमें इन प्रणालियों के मूल ढांचे (architecture) पर फिर से विचार करने की आवश्यकता हो सकती है, शायद ऐसे तरीके खोजने की आवश्यकता है जिससे स्मृति और सीखना मशीन के लिए एक अतिरिक्त उपकरण के बजाय उसके भीतर का अभिन्न हिस्सा बन सके।
यह कार्य हमें बताता है कि हम कहाँ खड़े हैं। यह दिखाता है कि जबकि हमने ऐसी मशीनें बनाई हैं जो कई प्रभावशाली तरीकों से मानवीय व्यवहार की नकल कर सकती हैं, हमने अभी तक ऐसी मशीन नहीं बनाई है जो मनुष्य की तरह सोच सके। अंतर केवल सही उत्तर पाने का नहीं है; यह इस बारे में है कि उत्तर तक कैसे पहुँचा जाता है। जब तक हम एक ऐसी प्रणाली नहीं बना लेते जहाँ सीखना, स्मृति और क्रिया को एक एकल, अनुकूलन योग्य ताने-बाने में बुना जा सके, हमारी कृत्रिम रचनाएँ बुद्धिमत्ता का अनुकरण करने वाले शक्तिशाली उपकरण बनी रहेंगी, न कि वास्तविक बुद्धिमत्ता का उदाहरण। आगे का रास्ता केवल बड़े कंप्यूटरों की मांग नहीं करता; इसके लिए एक ऐसे मन को बनाने की गहरी समझ की आवश्यकता है जो वास्तव में उसके अनुभव की गई दुनिया को एकीकृत कर सके।
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।