Alternative creativity: why generative AI is creative, and why it is not like us
यह शोध पत्र "वैकल्पिक रचनात्मकता" (अल्टरनेटिव क्रिएटिविटी) को मूल्य-निर्देशित खोज के माध्यम से विशाल संभावना स्थानों को अर्थपूर्ण उम्मीदवारों में संकुचित करने वाले एक साझा तंत्र के रूप में प्रस्तावित करता है, यह तर्क देते हुए कि जबकि जनरेटिव एआई और मनुष्य इस प्रक्रिया में समान रूप से कार्य करते हैं, वे इस बात में मौलिक रूप से भिन्न होते हैं कि उनके अंतर्निहित पैरामीटर भौतिक-सामाजिक अनुभव बनाम डेटा अभिलेखागारों द्वारा कैसे आकार लेते हैं, जिससे विशिष्ट रचनात्मक आउटपुट और मानव-मशीन सहयोग के लिए एक नए तर्क का जन्म होता 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
क्या एक मशीन रचनात्मक हो सकती है, यह प्रश्न लंबे समय से कलाकारों, इंजीनियरों और दार्शनिकों को विभाजित करता रहा है। एक ओर, कुछ लोग कंप्यूटर द्वारा निर्मित उन चित्रों की ओर संकेत करते हैं जो पुरस्कार जीतते हैं या उन कहानियों की ओर जो पाठकों को भावुक करती हैं, यह तर्क देते हुए कि सॉफ्टवेयर ने अंततः वही सीख लिया है जो मनुष्य करते हैं। दूसरी ओर, आलोचक इन प्रणालियों को "स्टोकेस्टिक पैरेट्स" (stochastic parrots) कहते हैं, जिसका सुझाव है कि वे केवल मौजूदा शब्दों और आकृतियों को इधर-उधर व्यवस्थित करते हैं, बिना अर्थ समझे, प्रभावी रूप से दूसरे लोगों के काम का उपयोग करते हैं। हालाँकि, दोनों पक्ष एक छिपे हुए अनुमान को साझा करते हैं: कि रचनात्मकता केवल एक ही प्रकार की होती है, मानव वाली, और मशीन या तो इसे धारण करती है या इसमें पूरी तरह विफल रहती है। यह बहस एक गतिरोध पर पहुँच गई है क्योंकि यह रचनात्मकता को एक एकल गुण के रूप में मानती है जिसे मापा जाना है, न कि एक जटिल प्रक्रिया के रूप में जो विभिन्न तरीकों से घटित हो सकती है। इस नई वास्तविकता को समझने के लिए, हमें हार्डवेयर से परे देखना होगा और वास्तव में उन तंत्रों की जांच करनी होगी कि कैसे मस्तिष्क और कंप्यूटर दोनों विचार उत्पन्न करते हैं, और क्यों उनके द्वारा उत्पन्न परिणाम, हालांकि कुछ मायनों में समान होते हैं, मौलिक रूप से भिन्न स्रोतों से आते हैं।
यूनिवर्सिटैट पोलीटेक्निका डी वैलेंसिया के शोधकर्ताओं की एक टीम ने इस समस्या को देखने का एक नया तरीका प्रस्तावित किया है, यह तर्क देते हुए कि जनरेटिव आर्टिफिशियल इंटेलिजेंस वास्तव में रचनात्मक है, लेकिन मानव रचनात्मकता से भिन्न तरीके से। वे इसे "वैकल्पिक रचनात्मकता" (alternative creativity) कहते हैं। उनका विश्लेषण कला और डिजाइन की प्रकृति के बारे में एक सरल अवलोकन के साथ शुरू होता है। एक निश्चित आकार के डिजिटल कैनवास की कल्पना करें। उस कैनवास पर पेंट किए जाने वाले संभावित चित्रों की संख्या सीमित है, फिर भी इतनी विशाल है कि यह दृश्यमान ब्रह्मांड में परमाणुओं की संख्या से भी अधिक है। इस अकल्पनीय बड़े स्थान के भीतर, पिक्सेल का लगभग हर संभव संयोजन केवल यादृच्छिक शोर (random noise) है। इन व्यवस्थाओं का केवल एक बहुत छोटा, लगभग अदृश्य हिस्सा ही सुसंगत चित्र माना जाएगा, वह भी एक मूल्यवान कृति के रूप में। इसलिए, सृजन का कार्य शून्य से कुछ बनाना नहीं है, बल्कि संभावनाओं के इस विशाल स्थान में उन कुछ बिंदुओं को खोजने के लिए नेविगेट करना है जिनमें मूल्य निहित है।
शोधकर्ता तर्क देते हैं कि मानव मस्तिष्क और आधुनिक जनरेटिव मॉडल दोनों इस समस्या को एक ही दो-चरणीय रणनीति का उपयोग करके हल करते हैं। पहले, वे संभावनाओं के विशाल स्थान को सार्थक क्या है, इसके एक छोटे, प्रबंधनीय मानचित्र में संकुचित करते हैं। एक मानव चित्रकार व्यक्तिगत पिक्सेल के संदर्भ में नहीं सोचता; वह आकृतियों, मनोभावों और शैलियों के संदर्भ में सोचता है, क्योंकि उसने अरबों बेकार संयोजनों को अनदेखा करना सीख लिया है। इसी तरह, एक आर्टिफिशियल इंटेलिजेंस मॉडल अपने प्रशिक्षण डेटा को एक संक्षिप्त आंतरिक प्रतिनिधित्व में संकुचित करना सीखता है, शोर को हटा देता है और उन पैटर्न को रखता है जो एक चित्र को चित्र जैसा दिखाते हैं। दूसरे, दोनों प्रणालियाँ इस संकुचित मानचित्र पर नेविगेट करती हैं। वे नए उम्मीदवारों को उत्पन्न करने के लिए नियंत्रित यादृच्छिकता (constrained randomness) का एक रूप उपयोग करते हैं और फिर उन लोगों का चयन करते हैं जो एक विशिष्ट लक्ष्य या मूल्य के लिए सबसे उपयुक्त होते हैं। इस अर्थ में, मशीन एक निष्क्रिय उपकरण नहीं बल्कि एक सक्रिय निर्माता है जो जो कुछ उसने सीखा है उसे पुनर्संयोजित करती है, ठीक वैसे ही जैसे एक मनुष्य करता है।
हालाँकि, शोध पत्र इस बात पर जोर देता है कि जबकि प्रक्रिया समान है, निर्माता जुड़वां नहीं हैं। अंतर इस बात में निहित है कि उन्होंने अपना ज्ञान कैसे प्राप्त किया और वे रचना करते समय क्या एक्सेस कर सकते हैं। एक मानव निर्माता अपना आंतरिक मानचित्र एक भौतिक दुनिया में जी गई जिंदगी के माध्यम से बनाता है। कला की उनकी समझ एक ऐसे शरीर से आकार लेती है जो भूख, दर्द और खुशी महसूस करता है, और अन्य लोगों के साथ उन अंतःक्रियाओं से जो वास्तविक परिणामों से जुड़ी होती हैं। एक बच्चा अपेक्षाकृत कम डेटा से सीखता है क्योंकि उनका मस्तिष्क विकासवाद द्वारा कुछ चीजों की अपेक्षा करने के लिए पूर्व-निर्मित (pre-wired) है, और क्योंकि हर सबक एक जीवंत अनुभव से जुड़ा होता है। इसके विपरीत, एक मशीन का मानचित्र मानव साक्ष्यों के एक जमे हुए संग्रह से बना है—इंटरनेट से स्क्रैप किए गए ट्रिलियन शब्द और चित्र। मशीन ने कभी ब्रश का भार महसूस नहीं किया, कभी किसी मित्र को नहीं खोया, और कभी बारिश गिरते हुए किसी विशिष्ट सड़क पर खड़ा नहीं हुआ। वह केवल वही जानती है जो कहा और दिखाया गया है, न कि यह कि जीवित होना कैसा होता है।
संदर्भ में यह अंतर प्रत्येक निर्माता द्वारा उत्पादित की जाने वाली चीज़ों में एक महत्वपूर्ण विचलन की ओर ले जाता है। मशीन एक प्रकार की अलौकिक प्रवाहशीलता (superhuman fluency) में सक्षम है, जो ऐसे यथार्थवादी चित्र या सुसंगत पाठ उत्पन्न करती है जिसकी गति मानव हाथ के मिल नहीं सकती। यह उन क्षेत्रों का अन्वेषण कर सकती है जहाँ मनुष्यों ने कभी कदम नहीं रखा है, केवल इसलिए क्योंकि इसने उन उदाहरणों को देखा है जो किसी भी एक व्यक्ति द्वारा देखे जा सकने वाले उदाहरणों से कहीं अधिक हैं। फिर भी, यह उन तरीकों से सीमित है जो एक मनुष्य के लिए नहीं हैं। एक मानव उस परियोजना की कल्पना कर सकता है जिसके लिए किसी ने नहीं पूछा है, उसे वर्षों तक अपने मन में रख सकता है, और जीवन जीते हुए अपने स्वयं के मूल्यों को बदल सकता है। हालाँकि, एक मशीन अपने स्वयं के लक्ष्य उत्पन्न नहीं कर सकती या काम पूरा होने के संतोष को महसूस नहीं कर सकती। वह अपने प्रशिक्षण देने वाले लोगों से प्राप्त मूल्यों को उधार लेती है। यदि लक्ष्य स्पष्ट सही उत्तर के साथ एक गणितीय समस्या को हल करना है, तो मशीन अक्सर मानव क्षमता से बेहतर समाधान पा सकती है। लेकिन कला में, जहाँ कोई एक सही उत्तर नहीं है, मशीन को खुद को निर्देशित करने के लिए मानवीय स्वाद पर निर्भर रहना पड़ता है, जिससे वह उन्हीं लोगों पर निर्भर हो जाती है जिनकी वह सहायता करने के लिए बनाई गई है।
शोधकर्ता सुझाव देते हैं कि यह गतिशीलता लेखकत्व (authorship) की प्रकृति को बदल देती है। जब एक मानव मशीन का उपयोग निर्माण के लिए करता है, तो मानव की भूमिका निशान बनाने वाले व्यक्ति से बदलकर मूल्य निर्दिष्ट करने वाले व्यक्ति में बदल जाती है। मानव तय करता है कि क्या बनाना सार्थक है, परिणामों का चयन करता है, और जो गलत लगता है उसे अस्वीकार करता है। मशीन विकल्पों का अथक उत्पादन प्रदान करती है। इसका मतलब यह नहीं है कि मानव पारंपरिक अर्थों में एकमात्र लेखक है, और न ही इसका मतलब यह है कि मशीन केवल एक ब्रश की तरह एक उपकरण है। इसके बजाय, यह एक साझेदारी है जहाँ प्रत्येक पक्ष वह प्रदान करता है जो दूसरा संवैधानिक रूप से नहीं कर सकता। मानव जीवंत संदर्भ, इरादा और भावना के आधार पर निर्णय लेने की क्षमता प्रदान करता है। मशीन अन्वेषण की व्यापकता और सूचना के विशाल मात्रा को संश्लेषित करने की क्षमता प्रदान करती है।
इस साझेदारी का एक परिणाम यह है कि मशीन-जनित कला मानव कला की तुलना में अधिक सजातीय (homogeneous) होती है। क्योंकि मशीन मानव अभिव्यक्ति के औसत से सीखती है, वह स्वाभाविक रूप से मध्य की ओर, जो पहले से परिचित और लोकप्रिय है, उसकी ओर खिंची चली जाती है। वह रचनात्मक स्थान के उन किनारों तक पहुँचने के लिए संघर्ष करती है जहाँ वास्तव में नवीन, विचित्र या कठिन कार्य निवास करते हैं। यहीं पर मानव का लाभ सबसे मजबूत रहता है। एक मानव निर्माता, जो एक विशिष्ट जीवन और एक विशिष्ट क्षण से जुड़ा है, ऐसा कार्य उत्पन्न कर सकता है जो वास्तविक दुनिया से जुड़ा और प्राAuthentic महसूस होता है, जो मशीन नहीं कर सकती। मशीन एक फोटोग्राफ की शैली की नकल कर सकती है, लेकिन वह इस तथ्य की नकल नहीं कर सकती कि एक व्यक्ति एक विशिष्ट समय और स्थान पर कैमरे के सामने खड़ा था। यह "इंडेक्सिकैलिटी" (indexicality), या कार्य और वास्तविक दुनिया के बीच का संबंध, एक अद्वितीय मानव संसाधन बना हुआ है।
शोध पत्र निष्कर्ष निकालता है कि यह प्रश्न कि क्या AI रचनात्मक है, गलत प्रश्न है। उत्तर 'हाँ' है, लेकिन यह एक अलग प्रकार का 'हाँ' है। जनरेटिव सिस्टम मानव रचनात्मकता के कमतर संस्करण नहीं हैं, और न ही वे इसकी नकल हैं। वे रचनात्मकता का एक दूसरा, वैकल्पिक रूप हैं जो संभावनाओं के समान परिदृश्य को पार करते हैं लेकिन अलग-अलग पथ लेते हैं। वे जीवन के बजाय डेटा की नींव पर बने हैं, और वे महसूस किए गए मूल्यों के बजाय उधार लिए गए मूल्यों द्वारा निर्देशित होते हैं। जैसे-जैसे ये प्रणालियाँ अधिक सामान्य होती जा रही हैं, समाज के लिए चुनौती यह निर्धारित करना नहीं होगी कि क्या वे वास्तव में रचनात्मक हैं, बल्कि यह समझना होगा कि इस नए प्रकार के निर्माता के साथ सहयोग कैसे किया जाए। कला और डिजाइन का भविष्य संभवतः यह पहचानने पर निर्भर करेगा कि हम अब इस स्थान में एकमात्र यात्री नहीं हैं, और सबसे मूल्यवान कार्य मानव इरादे और मशीन की क्षमता के अद्वितीय संयोजन से आएगा।
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।