I, Creative Cyborg: An Autoethnographic Account of Poietic Rumination, GenAI, and the Act of Academic Research
एक एमए (MA) शोध प्रबंध लिखने के स्व-नृवंशविज्ञान संबंधी वृत्तांत के माध्यम से, यह शोध पत्र तर्क देता है कि यद्यपि जनरेटिव एआई (GenAI) शैक्षणिक कार्यों के लिए एक परिधीय उपकरण के रूप में कार्य करता है, लेकिन यह "पोएटिक रुमिनेशन" (poietic rumination) के आवश्यक संज्ञानात्मक मूल का स्थान नहीं ले सकता, और शोधकर्ताओं से आग्रह करता है कि वे वास्तविक बौद्धिक जुड़ाव सुनिश्चित करने के लिए इस चिंतनशील प्रक्रिया को स्वयं के लिए सुरक्षित रखें।
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
आधुनिक दुनिया में, मानव और मशीन के बीच की रेखा तेजी से धुंधली होती जा रही है। हमने लंबे समय से यह स्वीकार कर लिया है कि हमारे उपकरण हमें आकार देते हैं, चाहे वह पेन से लिखने का तरीका हो या जीपीएस के माध्यम से रास्ता खोजने का। उच्च शिक्षा के क्षेत्र में, एक नए प्रकार के उपकरण का आगमन हुआ है: जनरेटिव आर्टिफिशियल इंटेलिजेंस (जेनेरेटिव एआई)। ये प्रणालियाँ निबंध लिख सकती हैं, पुस्तकों का सारांश बना सकती हैं, और मानवीय सोच की नकल करते हुए गति और प्रवाह के साथ समस्याओं को हल कर सकती हैं। इसने विद्वानों और छात्रों के बीच एक तीव्र बहस छेड़ दी है: क्या यह तकनीक एक ऐसी साथी है जो हमें बेहतर सोचने में मदद करती है, या यह एक ऐसा शॉर्टकट है जो हमें सोचने से रोक देता है? इसका उत्तर देने के लिए, शोधकर्ताओं ने शैक्षणिक कार्य करने की वास्तविक प्रक्रिया को बारीकी से देखना शुरू कर दिया है। वे पूछ रहे हैं कि अनुसंधान के किन हिस्सों को मशीन को सौंपा जा सकता है और किन हिस्सों को कड़ाई से मानव तक ही सीमित रहना चाहिए। मुख्य प्रश्न केवल दक्षता के बारे में नहीं है, बल्कि स्वयं समझ की प्रकृति के बारे में है। यदि एक कंप्यूटर एक आदर्श पैराग्राफ तैयार कर सकता है, तो क्या इसका मतलब यह है कि उसने विचार को समझा है, या उसने केवल शब्दों को इस तरह व्यवस्थित किया है जो समझ जैसा दिखता है?
लंदन के यूनिवर्सिटी ऑफ द आर्ट्स के एक शोधकर्ता, रे ग्रूवल ने अपने स्वयं के कार्य पर लेंस केंद्रित करके इस प्रश्न की जांच करने का निर्णय लिया। उन्होंने कृत्रिम बुद्धिमत्ता (एआई) रचनात्मकता और सीखने को कैसे प्रभावित करती है, इसी विषय पर अपना मास्टर्स शोध प्रबंध (डिसर्टेशन) लिखा, लेकिन उन्होंने कुछ असामान्य किया: उन्होंने एक विस्तृत, ईमानदार डायरी रखी कि कब भी उन्होंने किसी कंप्यूटर प्रोग्राम का उपयोग करने में मदद ली। उन्होंने मशीन से पूछे गए हर प्रश्न, मशीन द्वारा दिए गए हर उत्तर और उन्होंने उन उत्तरों का उपयोग कैसे किया, इसका रिकॉर्ड रखा। फिर उन्होंने इस डायरी की तुलना अंतिम लिखित कार्य से की ताकि यह देखा जा सके कि मशीन ने कहाँ मदद की और कहाँ विफल रही। उनका लक्ष्य मानव मस्तिष्क की सीमाओं को मानचित्रित करना था जब वह एक शक्तिशाली डिजिटल सहायक के साथ मिलकर काम कर रहा हो। वह यह पता लगाना चाहते थे कि क्या मशीन वास्तव में सोचने का बोझ साझा कर सकती है, या वह केवल डेटा का भारी काम संभालने में सक्षम है जबकि वास्तविक अर्थ निकालने का काम मानव मस्तिष्क को करना पड़ता है।
अध्ययन से पता चलता है कि शोधकर्ता और मशीन के बीच का संबंध समान स्तर की साझेदारी नहीं है, बल्कि परिधि (पेरिफेरी) और केंद्र (कोर) के बीच श्रम का विभाजन है। परिधि पर, मशीन एक अविश्वसनीय रूप से उपयोगी उपकरण साबित हुई। इसने एक अथक ट्यूटर के रूप में कार्य किया, जब शोधकर्ता अटक जाता था तो जटिल विचारों को सरल शब्दों में समझाया। इसने एक अनुसंधान सहायक के रूप में कार्य किया, सबसे प्रासंगिक लेखों को खोजने के लिए सैकड़ों शैक्षणिक लेखों को छाँटा, जिससे पढ़ने के घंटों की बचत हुई। इसने एक डेटा प्रोसेसर के रूप में कार्य किया, कच्चे आंकड़ों से सर्वेक्षण परिणामों को व्यवस्थित किया और चार्ट बनाए। इसने अध्ययन के लिए आवश्यक प्रश्नावली और पाठ योजनाएं डिजाइन करने में भी मदद की। इन क्षेत्रों में, मशीन ने शोधकर्ता की पहुंच का विस्तार किया, जिससे कम समय में अधिक कार्य किया जा सका। यह एक प्रोस्थेसिस (कृत्रिम अंग) की तरह था जिसने शोधकर्ता को अधिक सक्षम बनाया, ठीक वैसे ही जैसे एक दूरबीन खगोलशास्त्री को और दूर देखने में मदद करती है।
हालाँकि, जब काम अनुसंधान प्रक्रिया की परिधि से हटकर उसके केंद्र की ओर बढ़ा, तो मशीन एक कठोर दीवार से टकरा गई। अध्ययन अनुसंधान प्रक्रिया के एक विशिष्ट मानव चक्र की पहचान करता जिसे मशीन की नकल नहीं की जा सकी। इस चक्र में पांच चरण शामिल हैं: जानकारी लेना, उस पर गहराई से विचार करना, नए बोध को आकार देने के लिए विभिन्न विचारों को जोड़ना, उस समझ को शब्दों में व्यक्त करना, और अंत में कार्य में सुधार के लिए फीडबैक पर चिंतन करना। मशीन सूचना खोजने के पहले चरण में सहायता कर सकती थी, लेकिन वह एक कठिन पाठ की प्रतिरोधकता को वास्तव में पढ़ या समझ नहीं सकती थी। वह एक भ्रमित करने वाले विचार के साथ तब तक नहीं बैठ सकती थी जब तक कि वह समझ में न आ जाए। सबसे महत्वपूर्ण बात यह है कि वह नए अंतर्दृष्टि बनाने के लिए दो दूरस्थ सिद्धांतों को जोड़ने का कदम नहीं उठा सकती थी। जब शोधकर्ता ने अध्ययन के लिए दो अलग-अलग ढांचों को मिलाने की कोशिश की, तो मशीन ने उत्साहपूर्वक योजना का समर्थन किया, भले ही वे दोनों ढांचे वास्तव में असंगत थे। यह मानव शोधकर्ता ही था, जिसने गहन सोच के कठिन कार्य के माध्यम से, अंततः त्रुटि को पहचाना और मशीन के सुझाव को त्याग दिया।
मशीन लेखन और चिंतन के चरणों में भी विफल रही। वह प्रवाहपूर्ण वाक्य तो बना सकती थी, लेकिन वह एक मन से दूसरे मन तक एक विशिष्ट विचार को स्थानांतरित करने के इरादे से नहीं लिख सकती थी। जब शोधकर्ता ने शोध पत्र के अनुभागों का मसौदा तैयार करने के लिए मशीन का उपयोग किया, तो वे मसौदे अक्सर केवल खाली प्लेसहोल्डर्स थे जिन्हें शोधकर्ता की अपनी समझ का भार उठाने के लिए पूरी तरह से फिर से लिखना पड़ा। इसी तरह, मशीन उस प्रकार का फीडबैक नहीं दे सकती थी जो एक शोधकर्ता का मन बदल दे। वास्तविक चिंतन एक मानव आलोचक द्वारा कठिन प्रश्न पूछने या तर्क की कमी की ओर इशारा करने के घर्षण से आता है। इसके विपरीत, मशीन अत्यधिक सहमत होने की प्रवृत्ति रखती है, जो सहज उत्तर देती है जो उस संघर्ष को समाप्त कर देते हैं जो गहरे सीखने के लिए आवश्यक है। अध्ययन में पाया गया कि इन मुख्य कार्यों के लिए मशीन पर निर्भर रहने से शोधकर्ता अधिक स्मार्ट नहीं बनेगा; यह केवल उस मानसिक मांसपेशियों के निर्माण को दरकिनार कर देगा जो एक व्यक्ति के स्वयं समस्या को हल करने के संघर्ष के दौरान होता है।
यह हमें भविष्य के "साइबोर्ग" को देखने के तरीके में एक महत्वपूर्ण अंतर की ओर ले जाता है। साइबोर्ग शब्द, जिसका उपयोग अक्सर तकनीक के साथ विलीन मानव का वर्णन करने के लिए किया जाता है, एक सहज मिश्रण का सुझाव देता है। लेकिन यह शोध बताता है कि सबसे प्रभावी साइबोर्ग वह नहीं है जो मशीन के साथ पूरी तरह से विलीन हो जाता है, बल्कि वह है जो जानता है कि रेखा कहाँ खींचनी है। मशीन को लॉजिस्टिक्स, डेटा और सूचना की प्रारंभिक खोज को संभालने की अनुमति दी जानी चाहिए। लेकिन मानव को प्रक्रिया के केंद्र की रक्षा करनी चाहिए: गहन सोच, विचारों का संश्लेषण और आलोचनात्मक चिंतन। यदि मानव केंद्र को मशीन के हवाले कर देता है, तो वह उसी क्षमता को खोने का जोखिम उठाता है जो अनुसंधान को मूल्यवान बनाती है। खतरा यह नहीं है कि मशीन मानव की जगह ले लेगी, बल्कि यह है कि मानव सोचना छोड़ देगा क्योंकि मशीन इसे आसान बना देती है।
निष्कर्ष स्पष्ट मार्ग प्रदान करते हैं कि इन उपकरणों का उपयोग करने वाले किसी भी व्यक्ति को क्या करना चाहिए। सलाह यह है कि किए जा रहे विशिष्ट मानसिक कार्य को नाम दें और पूछें कि क्या मशीन उस कार्य का समर्थन कर रही है या उसे प्रतिस्थापित कर रही है। यदि कार्य डेटा को व्यवस्थित करना या परिभाषा खोजना है, तो मशीन एक शक्तिशाली सहयोगी है। यदि कार्य एक जटिल तर्क को समझना, दो सिद्धांतों को जोड़ना, या यह तय करना है कि लेखन का वास्तविक अर्थ क्या है, तो मानव को नेतृत्व करना चाहिए। अध्ययन इस बात पर समाप्त होता है कि अनुसंधान में कृत्रिम बुद्धिमत्ता का मूल्य समय और ऊर्जा को मुक्त करने की इसकी क्षमता में निहित है, न कि हमारे लिए सोचने की इसकी क्षमता में। सबसे महत्वपूर्ण बात जो एक शोधकर्ता कर सकता है वह है गहन विचार के धीमे, असहज घंटों की रक्षा करना, यह सुनिश्चित करना कि अंतिम उत्पाद मानव समझ की एक वास्तविक अभिव्यक्ति हो न कि शब्दों का एक पॉलिश किया हुआ संयोजन। अंत में, मशीन को अपने आउटपुट को अर्थ देने के लिए मानव की आवश्यकता होती है, लेकिन मानव को सोचने के लिए मशीन की आवश्यकता नहीं है; मानव को मशीन की आवश्यकता केवल बेहतर सोचने में मदद के लिए है।
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।