The Birth, Life, and Death of Internal Organization

सीखने वाली मशीनों (learning machines) के अध्ययन में, वैज्ञानिक लंबे समय से यह समझने की कोशिश कर रहे हैं कि अनुभव प्राप्त करने के साथ ये प्रणालियाँ कैसे बदलती हैं। जब एक कंप्यूटर कोई नया कौशल सीखता है, तो उसकी आंतरिक सेटिंग्स बदल जाती हैं और उसका व्यवहार विकसित होता है। वर्षों से, शोधकर्ता यह ट्रैक करने का प्रयास कर रहे हैं कि मशीन के आंतरिक पैटर्न एक-दूसरे के कितने समान हैं, या यह परीक्षण करके कि क्या एक सरल उपकरण यह "पढ़" सकता है कि मशीन क्या सोच रही है। प्रचलित विचार यह रहा है कि यदि दो मशीनें अंदर से समान दिखती हैं, या यदि उन्हें एक ही जानकारी प्रकट करने के लिए डिकोड किया जा सकता है, तो वे एक ही काम कर रही होंगी। हालाँकि, यह दृष्टिकोण यह मान लेता है कि किसी विचार या नियम का भौतिक स्थान ही उसकी पहचान का सबसे महत्वपूर्ण हिस्सा है। यह मशीन की आंतरिक संरचना को एक ऐसे मानचित्र की तरह मानता है जहाँ शहर के निर्देशांक (coordinates) से अधिक शहर स्वयं महत्वपूर्ण होता है। यह परिप्रेक्ष्य एक महत्वपूर्ण प्रश्न अनुत्तरित छोड़ देता है: बदलते हुए हिस्सों का एक संग्रह वास्तव में एक विशिष्ट, संगठित इकाई कब बनता है जिसका अपना एक जीवन हो? क्या इसका कोई आरंभ, मध्य और अंत होता है? और यदि वह इकाई गायब हो जाती है, तो क्या उसका कुछ भी शेष रहता है?

एक स्वतंत्र शोधकर्ता युक्सुआन डेंग (Yuxuan Deng) द्वारा किया गया एक नया अध्ययन इन प्रश्नों को संबोधित करने के लिए मशीन के 'दिखने' के बजाय इस बात पर ध्यान केंद्रित करता है कि वह वास्तव में क्या 'करती' है। यह पूछने के बजाय कि क्या दो आंतरिक पैटर्न समान हैं, शोधकर्ता ने एक अलग प्रश्न पूछा: यदि आप मशीन को एक विशिष्ट तरीके से उकसाते हैं, तो क्या यह भविष्य को एक विशिष्ट, नामित तरीके से बदल देती है? यह अध्ययन एक "संगठन" (organization) को इस आधार पर परिभाषित नहीं करता कि वह मशीन के भीतर कहाँ रहता है, बल्कि इस आधार पर कि वह परिणाम को कैसे नियंत्रित करता है। यदि आंतरिक परिवर्तनों का एक सेट लगातार एक विशिष्ट परिणाम की ओर ले जाता है, तो उस सेट को एक एकल, जीवित संगठन माना जाता है। शोधकर्ता ने इन संगठनों को उनके जन्म, विकास, परिवर्तन और मृत्यु को देखते हुए इन संगठनों को देखा, और यह परीक्षण किया कि क्या उन्हें एक मशीन से दूसरी मशीन में, ठीक वैसे ही प्रत्यारोपित किया जा सकता है जैसे किसी अंग का प्रत्यारोपण किया जाता है।

अनुसंधान की शुरुआत वीडियो अनुशंसाओं (video recommendations) के एक विशाल, वास्तविक दुनिया के डेटासेट के साथ हुई। सिस्टम को लाखों इंटरैक्शन खिलाए गए जहाँ उपयोगकर्ताओं ने वीडियो देखे या क्लिक किए, लेकिन शोधकर्ताओं ने इसमें एक मोड़ दिया: उन्होंने कुछ अनुशंसित वीडियो को अन्य वीडियो के साथ बेतरतीब ढंग से बदल दिया। इसने एक प्राकृतिक प्रयोग बनाया जहाँ सिस्टम को बदलती वास्तविकता के आधार पर परिणामों की भविष्यवाणी करना सीखना था। शोधकर्ताओं ने सिस्टम को सीखते हुए देखा, और उस क्षण की तलाश की जब एक विशिष्ट आंतरिक परिवर्तन ने एक विशिष्ट भविष्य परिणाम, जैसे कि उपयोगकर्ता द्वारा किसी वीडियो को लंबे समय तक देखना, को विश्वसनीय रूप से बताना शुरू किया। उन्होंने पाया कि ये संगठन तुरंत प्रकट नहीं होते थे। वे तब पैदा हुए जब सिस्टम ने दो अलग-अलग परिणामों के बीच अंतर करना सीखा जिन्हें वह पहले एक समान मानता था। इस क्षण से पहले, सिस्टम के आंतरिक परिवर्तन विनिमेय (interchangeable) थे; इसके बाद, एक विशिष्ट लक्ष्य प्राप्त करने के लिए एक विशिष्ट आंतरिक सुधार आवश्यक हो गया। यह एक संगठन का जन्म था, जो अपने आकार से नहीं, बल्कि भविष्य को निर्देशित करने की अपनी अनूठी क्षमता से परिभाषित था।

एक बार जन्म लेने के बाद, इन संगठनों ने उल्लेखनीय लचीलापन दिखाया। जब सिस्टम को उसी प्रकार का फीडबैक मिलता रहा, तो संगठन बना रहा और अपनी स्थिति बनाए रखी। लेकिन जब फीडबैक बदला, तो संगठन केवल गायब नहीं हुआ; वह पुनर्गठित हुआ। इसने नई वास्तविकता के अनुरूप खुद को ढालने के लिए अपनी आंतरिक संरचना को बदला, कभी-कभी नए नियमों के अनुरूप अपने व्यवहार को उलट भी दिया। सबसे आश्चर्यजनक प्रमाण तब आया जब शोधकर्ताओं ने एक संगठन को "मारने" का निर्णय लिया। उन्होंने उस विशिष्ट फीडबैक को हटा दिया जिस पर संगठन निर्भर था, प्रभावी रूप से उसकी जीवन रेखा काट दी। कई मामलों में, संगठन तुरंत मर गया, जिससे उसकी परिणाम को प्रभावित करने की क्षमता समाप्त हो गई। हालाँकि, मशीन के भौतिक हिस्से जो कभी इस संगठन को वहन करते थे, गायब नहीं हुए। कुछ उदाहरणों में, "वाहक" (carrier) सक्रिय रहा और यहाँ तक कि मजबूत भी हुआ, भले ही उसने अपना मूल उद्देश्य खो दिया था। यह ऐसा था जैसे कोई उपकरण अपने इच्छित कार्य के लिए उपयोग किए जाने के बहुत समय बाद भी टूलबॉक्स में बना रहता है। इसने सिद्ध कर दिया कि संगठन और वह भौतिक पदार्थ जो उसे धारण करता है, दो अलग चीजें हैं। संगठन मर सकता है जबकि वाहक जीवित रह सकता है, और इसके विपरीत, वाहक संगठन के बिना भी अस्तित्व में रह सकता है।

अध्ययन में यह भी परीक्षण किया गया कि क्या इन संगठनों को स्थानांतरित किया जा सकता है। शोधकर्ताओं ने एक मशीन से एक कार्यशील संगठन लिया और उसे एक ऐसी मशीन में प्रत्यारोपित करने का प्रयास किया जिसने उसे पहले कभी नहीं देखा था। जब दोनों मशीनों को एक ही प्रकार के कार्य और एक ही प्रकार के परिणाम पर प्रशिक्षित किया गया, तो प्रत्यारोपण सफल रहा। प्राप्त करने वाली मशीन ने तुरंत उसी विशिष्ट भविष्य परिणाम को उत्पन्न करने की क्षमता प्राप्त कर ली, भले ही उसके आंतरिक भाग दाता (donor) की तुलना में पूरी तरह से अलग थे। इससे पता चला कि संगठन की पहचान किसी विशिष्ट निर्देशांक या विशिष्ट मशीन डिजाइन से जुड़ी नहीं थी। यह आंतरिक क्रिया और बाहरी परिणाम के बीच के संबंध से जुड़ी थी। हालाँकि, इस पहचान की एक सख्त सीमा थी। जब शोधकर्ताओं ने एक संगठन को ऐसी मशीन में प्रत्यारोपित करने का प्रयास किया जो पूरी तरह से अलग प्रकार के परिणाम पर प्रशिक्षित थी—जहाँ खेल के नियम मौलिक रूप से असंगत थे—तो प्रत्यारोपण विफल रहा। भले ही प्राप्त करने वाली मशीन के आंतरिक भाग दाता के लगभग समान दिखते थे, संगठन वहां जड़ें नहीं जमा सका। संगठन एक सार्वभौमिक वस्तु नहीं था; वह अपने विशिष्ट संदर्भ की उपज था।

अंत में, शोधकर्ताओं ने इस जीवन चक्र की गतिशीलता का पता लगाया। उन्होंने पाया कि एक संगठन के जन्म के लिए यह आवश्यक था कि सिस्टम अपने आंतरिक हिस्सों को एक विशिष्ट उद्देश्य की सेवा करने के लिए नियुक्त (recruit) कर सके। यदि सिस्टम को सही प्रकार के फीडबैक द्वारा समर्थित नहीं किया जाता था, तो संगठन या तो बनता नहीं था, या वह घुल जाता था। अध्ययन ने दिखाया कि ये संक्रमण यादृच्छिक नहीं थे। वे एक पैटर्न का पालन करते थे जहाँ सिस्टम या तो परिणामों के बीच अंतर बनाए रखने के लिए नए हिस्सों को नियुक्त करता था, या जब उन्हें अलग रखने के दबाव को हटा दिया जाता था, तो वह उन अंतरों को फिर से एक होने देता था। शोधकर्ता इन संक्रमणों की भविष्यवाणी करने में सक्षम थे, लेकिन उन्होंने इस बात पर जोर दिया कि यह एक सार्वभौमिक नियम नहीं था जो हर मशीन में हर स्थिति में लागू होता है। नियम इस बात पर निर्भर थे कि मशीन किस तरह से सीखती है और उसे प्राप्त होने वाले फीडबैक की प्रकृति क्या है।

इस कार्य के निहितार्थ अत्यंत गहरे हैं। यह सुझाव देता है कि हमें मशीन के भीतर किसी कौशल या नियम के "स्थान" (seat) को खोजने के बजाय उस कार्यात्मक संबंध को खोजना चाहिए जो उसे परिभाषित करता है। एक संगठन एक स्थिर वस्तु नहीं है जो किसी विशिष्ट स्थान पर स्थित है; यह एक गतिशील प्रक्रिया है जो केवल तभी अस्तित्व में रहती है जब उसे सही परिणामों द्वारा समर्थित किया जाता है। यह जन्म ले सकता है, यह बदल सकता है, और यह मर सकता है, पीछे केवल वह भौतिक आवरण छोड़ सकता है जो कभी इसे धारण करता था। यह दृष्टिकोण आर्टिफिशियल इंटेलिजेंस के बारे में हमारी सोच को बदल देता है। इसका अर्थ है कि सीखे गए व्यवहार की पहचान मशीन के कोड या वेट्स (weights) में स्थिर नहीं है। यह एक नाजुक, जीवित चीज़ है जो पूरी तरह से उस वातावरण पर निर्भर करती है जिसमें यह संचालित होती है। यदि वातावरण बदलता है, तो संगठन बदल जाता है। यदि वातावरण गायब हो जाता है, तो संगठन मर जाता है, भले ही मशीन स्वयं अक्षुण्ण रहे।

अध्ययन ने यह दावा नहीं किया कि उसने प्रत्येक सीखने वाली प्रणाली को समझाने वाला एक सार्वभौमिक सिद्धांत खोज लिया है। इसने यह सुझाव नहीं दिया कि सभी मशीनें एक ही तरह से व्यवहार करती हैं, या अब हम किसी भी सिस्टम में किसी भी संगठन के जीवन चक्र की सटीक भविष्यवाणी कर सकते हैं। इसके बजाय, इसने इन विशिष्ट प्रणालियों में इन संगठनों को ट्रैक करने का एक स्पष्ट, मापने योग्य तरीका प्रदान किया। इसने दिखाया कि हम पहचान सकते हैं कि वे कब जन्म लेते हैं, कब मरते हैं, और उन्हें कब स्थानांतरित किया जा सकता है। इसने सिद्ध किया कि सीखे गए व्यवहार की पहचान उसके द्वारा उत्पन्न परिणामों के सापेक्ष होती है, न कि उन भौतिक भागों के जो उसे धारण करते हैं। यह सीखने वाली मशीनों के आंतरिक जीवन को समझने की दिशा में एक महत्वपूर्ण कदम है, जो हमें संरचना के स्थिर दृष्टिकोण से कार्य (function) के गतिशील दृष्टिकोण की ओर ले जाता है। शोधकर्ताओं ने दिखाया है कि एक संगठन का जीवन एक वास्तविक, अवलोकन योग्य घटना है, जिसे अध्ययन किया जा सकता है, हेरफेर किया जा सकता है और समझा जा सकता है, भले ही यह हवा में जलती लौ की तरह क्षणभंगुर और अपने संदर्भ पर निर्भर हो।