Do we carry the false belief that LLMs have a theory of mind?

मानव के पास एक अद्वितीय संज्ञानात्मक महाशक्ति है जो हमें सामाजिक दुनिया में नेविगेट करने की अनुमति देती है: यह समझने की क्षमता कि अन्य लोगों के अपने मन होते हैं, जो हमारे अपने विचारों, विश्वासों और इच्छाओं से भिन्न हो सकते हैं। मनोवैज्ञानिक इस क्षमता को "थ्योरी ऑफ माइंड" (मन का सिद्धांत) कहते हैं। यह वह मानसिक यंत्रवत प्रक्रिया है जो हमें यह महसूस करने देती है कि एक दोस्त उस जगह पर कुछ ढूंढ रहा होगा जहाँ उसने आखिरी बार उसे देखा था, भले ही हमें पता हो कि वस्तु को वहां से हटाकर दूसरी जगह रख दिया गया है। यह कौशल केवल चतुर होने के बारे में नहीं है; यह सहानुभूति, संचार और सहयोग की नींव है। दशकों से, शोधकर्ताओं ने यह परीक्षण करने के लिए कि क्या बच्चों में इस क्षमता का विकास हुआ है, एक सरल कहानी का उपयोग किया है, जिसमें अक्सर सैली और ऐन नामक दो पात्र शामिल होते हैं। कहानी में, सैली एक टोकरी में खिलौना छिपाती है और कमरे से बाहर चली जाती है। जब वह बाहर होती है, तो ऐन खिलौने को एक डिब्बे में रख देती है। जब सैली वापस आती है, तो सवाल सरल होता है: वह अपने खिलौने के लिए कहाँ देखेगी? विकसित 'थ्योरी ऑफ माइंड' वाला बच्चा जानता है कि सैली टोकरी में देखेगी, क्योंकि उसे विश्वास है कि खिलौना वहीं है, भले ही वास्तविकता यह है कि अब वह डिब्बे में है।

हाल ही में, हमारे दैनिक जीवन में एक नए प्रकार की बुद्धिमत्ता का उदय हुआ है: लार्ज लैंग्वेज मॉडल्स (बड़े भाषा मॉडल)। ये कंप्यूटर प्रोग्राम हैं जिन्हें विशाल मात्रा में टेक्स्ट पर प्रशिक्षित किया गया है जो मानवीय बातचीत की नकल करते हुए लिख सकते हैं, चैट कर सकते हैं और समस्याओं को हल कर सकते हैं। क्योंकि ये मॉडल जटिल विषयों पर चर्चा कर सकते हैं और संदर्भ को समझ सकते हैं, कई शोधकर्ताओं और पर्यवेक्षकों ने यह सोचने पर विचार करना शुरू कर दिया है कि क्या उनके पास भी 'थ्योरी ऑफ माइंड' है। यदि एक मशीन काल्पनिक पात्र के विश्वास की सही भविष्यवाणी कर सकती है, तो क्या वह वास्तव में विश्वास की अवधारणा को समझती है, या वह केवल उन पैटर्न पर आधारित अनुमान लगा रही है जिन्हें उसने पहले देखा है? यह प्रश्न तब अत्यंत महत्वपूर्ण हो गया है जब ये उपकरण हमारे सामाजिक और व्यावसायिक जीवन में एकीकृत हो रहे हैं, जिससे यह निर्धारित करने की तत्काल आवश्यकता पैदा हुई है कि वे वास्तविक सामाजिक साथी हैं या केवल बहुत परिष्कृत नकलची।

एक हालिया अध्ययन ने इस प्रश्न का उत्तर देने के लिए क्लासिक सैली-ऐन परिदृश्य और इसके कई विविधताओं का उपयोग करके पांच सबसे उन्नत भाषा मॉडलों को परीक्षण के दायरे में रखकर उत्तर देने का प्रयास किया। शोधकर्ताओं ने, जिनका नेतृत्व यूनिवर्सिटे पेरिस सिटी के निकोलस ग्रिफिन ने किया था, मॉडलों से केवल मानक प्रश्न नहीं पूछा। इसके बजाय, उन्होंने चुनौतियों की एक श्रृंखला डिजाइन की ताकि यह देखा जा सके कि क्या मॉडल कहानियों के उन सूक्ष्म विवरणों को संभाल सकते हैं जिनमें वास्तविक तर्क की आवश्यकता होती है, न कि केवल याद रखने की। उन्होंने प्रमुख कंपनियों के मॉडलों का परीक्षण किया, जिनमें GPT-5.5 लूना, क्लॉड सोनेट 5, जेमिनी 3.1 प्रो, ग्रोक 4.5 और मिस्ट्रल मीडियम 3.5 शामिल थे। परिणामों को निष्पक्ष बनाने के लिए, शोधकर्ताओं ने प्रत्येक परीक्षण के लिए कहानी के नए, अद्वितीय संस्करण बनाए, जिसमें नाम, वस्तुएं और विशिष्ट विवरण बदल दिए गए ताकि मॉडल अपने प्रशिक्षण डेटा से पिछला उत्तर याद न कर सकें। उन्होंने पेचीदा मोड़ भी पेश किए, जैसे कि पात्रों को खिलौना देखने के लिए पारदर्शी कंटेनर दिखाना, या खिलौने को रखी गई जगह का वर्णन करने के लिए शब्दों को बदलना, ताकि यह देखा जा सके कि क्या मॉडल नए दृश्य या भाषाई सूचना के आधार पर अपने तर्क को समायोजित कर सकते हैं।

परिणाम एक ऐसी प्रणाली की तस्वीर पेश करते हैं जो कुछ क्षेत्रों में अत्यधिक सक्षम है लेकिन अन्य क्षेत्रों में मौलिक रूप से सीमित है। जब मॉडलों को कहानी का मानक संस्करण दिया गया, तो उन्होंने उल्लेखनीय रूप से अच्छा प्रदर्शन किया, जिनमें से अधिकांश लगभग हर बार सही उत्तर दे रहे थे। वास्तव में, विभिन्न प्रकार के प्रश्नों में औसत निकालने पर, मॉडलों का स्कोर रैंडम चांस (यादृच्छिक संयोग) से काफी ऊपर रहा। शीर्ष प्रदर्शन करने वाले मॉडल, जेमिनी 3.1 प्रो ने कुल मिलाकर 84 प्रतिशत बार सही उत्तर दिया। यह सफलता बताती है कि इन मॉडलों ने पढ़े गए टेक्स्ट की विशाल मात्रा से "फॉल्स बिलीफ" (मिथ्या विश्वास) कार्य के सामान्य पैटर्न को सीख लिया है। वे कहानी की संरचना को पहचान सकते हैं और वह उत्तर प्रदान कर सकते हैं जो एक पाठ्यपुस्तक परिदृश्य में एक मानव देगा।

हालाँकि, अध्ययन ने खुलासा किया कि यह सफलता नाजुक है। जब शोधकर्ताओं ने ऐसे बदलाव किए जिनमें सामान्य ज्ञान का उपयोग करने या दृश्य जानकारी को एकीकृत करने की आवश्यकता थी, तो प्रदर्शन नाटकीय रूप से गिर गया। एक विविधता में, कहानी में कंटेनरों को पारदर्शी बताया गया, जिसका अर्थ था कि कमरे में लौटने वाला पात्र वास्तव में खिलौने को देख सकता था। वास्तविक दुनिया की स्थिति में, एक व्यक्ति समझ जाएगा कि चूंकि पात्र खिलौना देख सकता है, इसलिए उसके पास अब गलत विश्वास नहीं है; वह सत्य को जानता है। हालाँकि, मॉडल मुख्य रूप से विफल रहे। केवल एक मॉडल, जेमिनी 3.1 प्रो, इन उत्तरों में से आधे से अधिक सही देने में सफल रहा। अन्य मॉडल अभी भी इस बात पर अड़े रहे कि पात्र पुराने, खाली स्थान पर देखेगा, इस तथ्य को अनदेखा करते हुए कि पात्र खिलौना देख सकता था।

जब शोधकर्ताओं ने खिलौने के स्थान का वर्णन करने के लिए प्रयुक्त पूर्वसर्गों (prepositions) को बदला, तो कठिनाई और भी स्पष्ट हो गई। मानक कहानी में, एक खिलौना डिब्बे "में" (in) रखा जाता है। परीक्षण में, शोधकर्ताओं ने खिलौने को डिब्बे "पर" (on) या बाल्टी के "नीचे" (underneath) रखा हुआ बताया। जब कहानी ने संकेत दिया कि खिलौना दिखाई दे रहा था क्योंकि वह किसी कंटेनर के ऊपर रखा था न कि अंदर छिपा हुआ था, तो प्रत्येक मॉडल पूरी तरह से विफल रहा, इन प्रश्नों पर शून्य प्रतिशत स्कोर किया। वे यह निष्कर्ष निकालने में असमर्थ रहे कि वस्तु की दृश्यता ने पात्र की मानसिक स्थिति को बदल दिया था। इसी तरह, जब कहानी में किसी पात्र को स्पष्ट रूप से बताया गया कि खिलौना कहाँ ले जाया गया था, या जब प्रश्न यह था कि एक पात्र क्या सोचता है कि दूसरा क्या करेगा, तो मॉडल लड़खड़ा गए। वे अक्सर कहानी के दौरान पात्रों की मानसिक अवस्थाओं को गतिशील रूप से ट्रैक करने के बजाय सरल, कठोर पैटर्न पर लौट आए।

शोधकर्ताओं ने यह भी देखा कि मॉडल पात्रों के लिंग (gender) को कैसे संभालते हैं। उन्होंने पाया कि मॉडल थोड़े बेहतर प्रदर्शन करते हैं जब कहानी के दोनों पात्र एक ही लिंग के होते हैं, और थोड़ा खराब प्रदर्शन करते हैं जब उनके लिंग अलग-अलग होते हैं। यह सुझाव देता है कि मॉडल वास्तव में प्रत्येक व्यक्ति की भूमिकाओं और कार्यों को समझने के बजाय, यह ट्रैक करने के लिए कि कौन कौन है, लिंग का एक शॉर्टकट के रूप में उपयोग कर रहे हैं। जब इस शॉर्टकट को हटा दिया गया और दो समान लिंग के पात्रों का उपयोग किया गया, तो वे क्रमबद्ध घटनाओं पर निर्भर रहने लगे, जिसने विरोधाभासी रूप से उन्हें उत्तर सही देने में मदद की। यह इंगित करता है कि उनका तर्क उतना मजबूत नहीं है जितना कि मानव तर्क, जो स्थिति को समझने के लिए ऐसे सतही संकेतों पर निर्भर नहीं करता है।

अध्ययन का मुख्य निष्कर्ष यह है कि हालांकि ये भाषा मॉडल 'थ्योरी ऑफ माइंड' परीक्षणों के सही उत्तरों की नकल कर सकते हैं, लेकिन उनमें मनुष्यों की तरह मानसिक अवस्थाओं को समझने की अंतर्निहित क्षमता नहीं दिखती है। वे यह जोड़ने में संघर्ष करते हैं कि एक पात्र क्या देख सकता है, वह क्या जानता है, और वह क्या विश्वास करता है। मॉडल "ह्यूरिस्टिक्स" (heuristics), या मानसिक शॉर्टकट का उपयोग कर रहे हैं, ताकि अपने प्रशिक्षण डेटा में देखे गए सबसे सामान्य पैटर्न के आधार पर उत्तर का अनुमान लगाया जा सके। जब कहानी मानक पैटर्न से विचलित हुई, जैसे दृश्य विवरण जोड़ना या स्थानिक संबंधों को बदलना, तो ये शॉर्टकट विफल हो गए। शोधकर्ता सुझाव देते हैं कि ऐसा इसलिए है क्योंकि ये मॉडल केवल टेक्स्ट पर प्रशिक्षित हैं। उन्होंने कभी खिलौना हिलते हुए नहीं देखा, कभी कुछ खोजने का अनुभव नहीं किया, और कभी दुनिया के बारे में अपने ज्ञान को अपडेट करने के लिए अपनी आँखों पर भरोसा नहीं किया। इस मूर्त अनुभव (embodied experience) के बिना, वे वास्तविकता से भिन्न विश्वास की अवधारणा को वास्तव में नहीं समझ सकते।

अंततः, यह अध्ययन इस धारणा के विरुद्ध एक चेतावनी के रूप में कार्य करता है कि केवल इसलिए कि एक मशीन इंसान की तरह बात कर सकती है, इसका मतलब यह नहीं है कि वह इंसान की तरह सोचती है। मॉडल ऐसे उत्तर दे सकते हैं जो दिखाते हैं कि उनके पास 'थ्योरी ऑफ माइंड' है, लेकिन जब धारणा और विश्वास की समझ की आवश्यकता वाले परिदृश्यों के साथ परीक्षण किया जाता है, तो वे अपनी सीमाओं को प्रकट करते हैं। वे जो कुछ भी पढ़ा है उसे दोहराने में उत्कृष्ट हैं, लेकिन वे अभी तक उस लचीले, सामान्य-ज्ञान वाले तर्क में सक्षम नहीं हैं जो मनुष्यों को जटिल सामाजिक दुनिया में नेविगेट करने की अनुमति देता है। जैसे-जैसे ये उपकरण आम होते जा रहे हैं, यह याद रखना महत्वपूर्ण है कि उनकी स्पष्ट बुद्धिमत्ता उनके द्वारा उपभोग किए गए डेटा का प्रतिबिंब है, न कि उनके स्वयं के मन के विकास का संकेत।