कृत्रिम बुद्धिमत्ता मशीन लर्निंग की तकनीक के माध्यम से बुद्धिमान व्यवहार प्रदर्शित कर सकती है।
हालांकि यह सीखने की प्रक्रिया मनुष्यों द्वारा विकसित प्रक्रियाओं का पालन करती है, फिर भी यह पूरी तरह से स्पष्ट नहीं है कि इन प्रक्रियाओं और कृत्रिम बुद्धिमत्ता की संरचना से बुद्धिमत्ता क्यों उत्पन्न होती है।
इस लेख में, मैं सीखने के सार पर विचार करके, बुद्धिमत्ता के उद्भव के कारणों का पता लगाने का लक्ष्य रखता हूँ।
जैसे-जैसे हम सीखने की अवधारणा में गहराई से उतरते हैं, हम इस विचार पर पहुँचते हैं कि कृत्रिम बुद्धिमत्ता और हमारे मस्तिष्क दोनों में सीखने का तरीका सीखने की एक अंतर्निहित प्रकृति होती है।
यह एक ऐसे तंत्र के अस्तित्व का सुझाव देता है जिसे नेचुरल बोर्न फ्रेमवर्कर कहा जा सकता है।
शरीर के माध्यम से सीखना और भाषा के माध्यम से सीखना
हम अपनी आँखों से वस्तुओं को देखकर और अपने शरीर को हिलाकर अपने आस-पास की दुनिया को समझते हैं और अपनी क्षमताओं का विस्तार करते हैं।
यह भी सीखने का एक रूप है, जिसे शरीर के माध्यम से सीखना कहा जा सकता है।
दूसरी ओर, जब हम आम तौर पर सीखने के बारे में सोचते हैं, तो हम पाठ्यपुस्तकों को पढ़कर या किसी शिक्षक के स्पष्टीकरण को सुनकर अपने ज्ञान को बढ़ाने की कल्पना कर सकते हैं।
ऐसे शैक्षिक पाठ्यक्रमों पर आधारित सीखने से परे, हम दोस्तों के साथ बातचीत, ऑनलाइन समाचार और अन्य स्रोतों से भी विविध ज्ञान प्राप्त करते हैं।
इस प्रकार का सीखना छवियों को देखकर याद रखने या शारीरिक गतिविधियों के माध्यम से सीखने के बारे में नहीं है, बल्कि भाषा के माध्यम से सीखना है।
मेटाकॉग्निटिव लर्निंग और मेटाफिजिकल लर्निंग
भाषा-आधारित शिक्षण के भीतर, ऐसे मामले होते हैं जहाँ ज्ञान को याद रखने के लिए बार-बार दोहराने की आवश्यकता होती है, और ऐसे मामले भी होते हैं जहाँ इसे केवल एक या कुछ बार में सीखा जा सकता है।
वैकल्पिक रूप से, कुछ ज्ञान का उपयोग आवश्यकता पड़ने पर किसी पुस्तक या इंटरनेट से उसके विवरण को पुनः प्राप्त करके किया जा सकता है, भले ही उसे पूरी तरह से याद न किया गया हो।
आवश्यकता पड़ने पर ज्ञान प्राप्त करने और उसका उचित उपयोग करने के अर्थ में, इन दोनों पैटर्न को अधिगम माना जा सकता है।
इनमें से, जिस ज्ञान को बार-बार दोहराए बिना याद नहीं किया जा सकता है, उसे मेटाकॉग्निटिव ज्ञान कहा जा सकता है। अवधारणा को स्वयं सीखने की प्रक्रिया मेटाकॉग्निटिव लर्निंग है।
यह शारीरिक सीखने के समान है, जहाँ हमारी आँखों से वस्तुओं को देखने या अपने शरीर को हिलाने में पुनरावृत्ति शामिल होती है। इन्हें भी मेटाकॉग्निटिव लर्निंग के रूप में वर्गीकृत किया जा सकता है।
इसके विपरीत, जिस ज्ञान को कुछ प्रयासों से याद किया जा सकता है या मौके पर ही देखकर उपयोग किया जा सकता है, उसे मेटाफिजिकल लर्निंग कहा जा सकता है।
इस मामले में, मेटाकॉग्निटिव लर्निंग के माध्यम से प्राप्त पूर्व-सीखी हुई अवधारणाओं का उपयोग उन अवधारणाओं के प्रकारों के रूप में या अवधारणाओं के संयोजन के रूप में नए ज्ञान को सीखने के लिए किया जा सकता है।
चूंकि मेटाकॉग्निटिव लर्निंग के माध्यम से पहले से ही महारत हासिल की गई अवधारणाओं का उपयोग किया जा सकता है, मेटाफिजिकल लर्निंग को पुनरावृत्ति की आवश्यकता नहीं होती है।
प्राकृतिक भाषा मशीन लर्निंग
आइए इसे कृत्रिम बुद्धिमत्ता में मशीन लर्निंग पर लागू करें।
आम तौर पर, मशीन लर्निंग में उपयोग किए जाने वाले न्यूरल नेटवर्क मेटाकॉग्निटिव लर्निंग करते हैं, जिसमें अवधारणाओं का दोहराव वाला सीखना शामिल होता है।
दूसरी ओर, मानव के समान प्राकृतिक भाषा प्रसंस्करण में सक्षम बड़े भाषा मॉडल भाषा के माध्यम से सीखना कर सकते हैं।
बड़े भाषा मॉडल के पूर्व-प्रशिक्षण और फाइन-ट्यूनिंग के दौरान, भाषा-आधारित मेटाकॉग्निटिव लर्निंग होती है।
एक प्रशिक्षित बड़ा भाषा मॉडल तब इनपुट वाक्य में निहित ज्ञान का उपयोग करके उत्तर दे सकता है, जिसका अर्थ है कि यह तत्काल मेटाफिजिकल लर्निंग कर रहा है।
भाषा-आधारित मेटाफिजिकल लर्निंग की यह क्षमता बड़े भाषा मॉडल को दोहराव वाले सीखने के बिना नए ज्ञान का उपयोग करने की अनुमति देती है।
इसकी तुलना पारंपरिक संख्यात्मक मशीन लर्निंग से की जा सकती है, जो मॉडल मापदंडों को पुनरावृत्ति रूप से समायोजित करती है, और इसे प्राकृतिक भाषा मशीन लर्निंग कहा जा सकता है।
अधिभौतिक इंटरफ़ेस के रूप में प्राकृतिक भाषा
प्राकृतिक भाषा मेटाकॉग्निटिव लर्निंग को मेटाफिजिकल लर्निंग से अलग करने वाले इंटरफ़ेस पर स्थित है।
प्राकृतिक भाषा का दिलचस्प पहलू यह है कि इसे मेटाकॉग्निटिव लर्निंग के माध्यम से प्राप्त किया जा सकता है, और इसके ऊपर, मेटाफिजिकल लर्निंग संभव हो जाती है।
प्राकृतिक भाषा के अलावा अन्य अधिभौतिक इंटरफ़ेस
वास्तव में, मेटाकॉग्निटिव लर्निंग और मेटाफिजिकल लर्निंग शारीरिक शिक्षण में भी मौजूद होती हैं। उदाहरण के लिए, खेलों में कुशल व्यक्ति किसी नए खेल में तेजी से अनुकूलन कर सकता है जिससे उसका पहले कभी सामना नहीं हुआ हो।
इसी तरह, जीव विज्ञान में जानकार व्यक्ति किसी नई प्रजाति को देखते ही उसकी विशेषताओं को तुरंत समझ सकता है।
इस प्रकार, शारीरिक शिक्षण में भी, एक अधिभौतिक इंटरफ़ेस मौजूद होता है जो प्राकृतिक भाषा के समान स्थिति रखता है।
ढाँचा
इन इंटरफेस पर जो कुछ भी मौजूद है, वह मौलिक अवधारणाओं या ज्ञान से अलग एक ढाँचा है; यह उनके संबंधों और संरचनाओं को परिभाषित करता है, और नई संरचना को सक्षम बनाता है।
जैसे-जैसे मेटाकॉग्निटिव लर्निंग के माध्यम से विविध मेटाकॉग्निटिव ज्ञान प्राप्त होता है, कभी-कभी इन मेटाकॉग्निटिव ज्ञान के टुकड़ों के बीच के संबंधों से अधिभौतिक इंटरफेस पर ढाँचा सीखना संभव होता है।
शारीरिक शिक्षा से प्राप्त एक ढाँचा अपनी महारत के बाद मेटाफिजिकल लर्निंग के माध्यम से नए ज्ञान के तत्काल अधिग्रहण को सक्षम बनाता है। हालांकि, ऐसे मेटाफिजिकल लर्निंग के माध्यम से प्राप्त ज्ञान को दूसरों तक आसानी से संप्रेषित नहीं किया जा सकता है।
दूसरी ओर, भाषा के माध्यम से सीखने से प्राप्त ढाँचा स्वयं प्राकृतिक भाषा है।
इसलिए, प्राकृतिक भाषा ढाँचे को सीखकर मेटाफिजिकल लर्निंग के माध्यम से प्राप्त ज्ञान को सीधे दूसरे व्यक्ति के भाषा अधिग्रहण में इनपुट किया जा सकता है।
यह केवल भाषा अधिग्रहण पर आधारित ज्ञान पर लागू नहीं होता है, जैसे पाठ्यपुस्तकें या ऑनलाइन समाचार।
एक अनुभवी फुटबॉल खिलाड़ी जो पहली बार बेसबॉल खेल रहा है, वह बेसबॉल के अपने मेटाफिजिकल ज्ञान को स्पष्ट करने और अन्य अनुभवी फुटबॉल खिलाड़ियों को यह बताने में सक्षम हो सकता है। इसका मतलब है कि यदि लोग समान मेटाकॉग्निटिव ज्ञान साझा करते हैं, तो वे "टिप्स" या "ट्रिक्स" के रूप में ज्ञात चीजों को शब्दों का उपयोग करके संप्रेषित कर सकते हैं।
इसके अलावा, कोई व्यक्ति अन्य जीवविज्ञानी को एक नई प्रजाति के बारे में मौखिक रूप से ज्ञान दे सकता है जिसे उन्होंने देखा है, जिससे उस ज्ञान को साझा किया जा सके।
इस प्रकार, प्राकृतिक भाषा को अधिभौतिक इंटरफेस पर स्थित एक बहुत शक्तिशाली ढाँचा के रूप में प्रकट किया गया है।
वर्चुअल फ्रेमवर्क
प्राकृतिक भाषा के ऊपर, एक और ढाँचा प्राप्त किया जा सकता है।
इनमें डोमेन-विशिष्ट ढाँचे या अधिभौतिक ढाँचे शामिल हैं।
विभिन्न शैक्षणिक विषयों, व्यावसायिक क्षेत्रों और दैनिक जीवन में, विविध डोमेन-विशिष्ट ढाँचे होते हैं।
विद्वान अपने विशेष ढाँचों के भीतर नई खोज कर सकते हैं और इन खोजों को ज्ञान के रूप में आसानी से उन अन्य विद्वानों तक पहुँचा सकते हैं जिनके पास समान ढाँचा है।
ढाँचा स्वयं कभी-कभी प्राकृतिक भाषा में व्यक्त किया जा सकता है, ऐसी स्थिति में, प्राकृतिक भाषा ढाँचे वाले व्यक्ति या बड़े भाषा मॉडल इसे प्राप्त और समझ सकते हैं।
व्यावसायिक मॉडल और खाना पकाने की विधि भी ऐसे डोमेन-विशिष्ट ढाँचों के उदाहरण हैं जिन्हें प्राकृतिक भाषा में व्यक्त किया जा सकता है।
इसके अलावा, गणितीय सूत्र, प्रोग्रामिंग भाषाएँ और व्यावसायिक विश्लेषण ढाँचे औपचारिक ढाँचे हैं।
इन्हें भी प्राकृतिक भाषा में व्यक्त या समझाया जा सकता है।
प्राकृतिक भाषा पर निर्मित ऐसे डोमेन-विशिष्ट ढाँचे और औपचारिक ढाँचे को वर्चुअल फ्रेमवर्क कहा जा सकता है।
इसे एक भौतिक कंप्यूटर पर दूसरे OS को चलाने वाले वर्चुअल मशीन की कल्पना करके आसानी से समझा जा सकता है। प्राकृतिक भाषा के ऊपर एक और ढाँचा कार्य कर रहा है, जो मौलिक ढाँचे के रूप में कार्य करता है।
नेटिव फ्रेमवर्क
शुरुआत में, इस वर्चुअल फ्रेमवर्क को प्राकृतिक भाषा के माध्यम से समझना होता है, लेकिन अभ्यास के साथ, यह प्राकृतिक भाषा के माध्यम से स्पष्टीकरण और समझ को बायपास कर देता है और सीधे मेटाकॉग्निटिव ज्ञान पर निर्मित एक अधिभौतिक इंटरफ़ेस फ्रेमवर्क के रूप में कार्य करना शुरू कर देता है।
इसे नेटिव फ्रेमवर्क कहा जा सकता है।
प्राकृतिक भाषा एक अर्थ में, एक नेटिव फ्रेमवर्क है, लेकिन केवल अपनी मातृभाषा के मामले में। आम तौर पर, मातृभाषा के अलावा अन्य भाषाओं को वर्चुअल फ्रेमवर्क के रूप में अधिग्रहित किया जाता है। जैसे-जैसे प्रवीणता बढ़ती है, वे नेटिव फ्रेमवर्क की स्थिति तक पहुँचते जाते हैं।
डोमेन-विशिष्ट फ्रेमवर्क और औपचारिक फ्रेमवर्क पर भी यही लागू होता है। गणितज्ञ एक-दूसरे के साथ गणितीय सूत्रों का उपयोग करके नेटिव रूप से संवाद कर सकते हैं, और प्रोग्रामर बिना टिप्पणियों के केवल सोर्स कोड के माध्यम से एक-दूसरे के इरादों को समझ सकते हैं।
यह सुझाव देता है कि वर्चुअल फ्रेमवर्क से नेटिव फ्रेमवर्क में संक्रमण बड़े भाषा मॉडल पर भी लागू किया जा सकता है।
अक्सर उपयोग किए जाने वाले वर्चुअल फ्रेमवर्क का पता लगाने, उन वर्चुअल फ्रेमवर्क का उपयोग करके बड़ी मात्रा में उदाहरण डेटा उत्पन्न करने, और फिर उन्हें नेटिव फ्रेमवर्क बनाने के लिए फाइन-ट्यूनिंग करने का विचार तुरंत आज़माने लायक होगा।
नेचुरल बोर्न फ्रेमवर्कर
इस पर विचार करते हुए, हमें एहसास होता है कि बड़े भाषा मॉडल इन विशेष और औपचारिक फ्रेमवर्क को केवल फाइन-ट्यूनिंग के दौरान ही नहीं बल्कि पूर्व-प्रशिक्षण के दौरान भी सीख रहे होंगे।
इसके अलावा, उस प्रक्रिया में, यह प्रशंसनीय है कि वे शुरुआत से ही विशेष या औपचारिक फ्रेमवर्क को स्वाभाविक रूप से नहीं सीखते हैं। इसके बजाय, वे पहले प्राकृतिक भाषा फ्रेमवर्क सीखते हैं, और फिर, इसमें दक्षता प्राप्त करने के दौरान या उसके बाद, वे विशेष या औपचारिक फ्रेमवर्क सीखते हैं और उन्हें नेटिव फ्रेमवर्क में आत्मसात करते हैं।
वृद्धिशील फ्रेमवर्क सीखने के इस विचार को गहरा करने पर, यह भी कल्पना की जा सकती है कि प्राकृतिक भाषा सीखना स्वयं अत्यधिक दानेदार, वृद्धिशील फ्रेमवर्क सीखने की एक समानांतर पाइपलाइन है।
अर्थात्, पूर्व-प्रशिक्षण के दौरान सीखने के डेटा के रूप में प्रदान किए गए विशाल पाठ से, बड़े भाषा मॉडल केवल व्यक्तिगत अवधारणाओं को ही नहीं सीख रहे होंगे, बल्कि प्राकृतिक भाषा के कुछ बहुत ही सरल नियमों को भी फ्रेमवर्क के रूप में सीख रहे होंगे। फिर, इन सरल फ्रेमवर्क का उपयोग नींव के रूप में करते हुए, वे बार-बार थोड़े अधिक जटिल नियम सीख रहे होंगे।
इस तरह, व्यक्तिगत शब्द अवधारणाओं को सीखने के चरण से शुरू होकर, उन्हें यौगिक शब्द और बुनियादी व्याकरण प्राप्त करने में सक्षम होना चाहिए, फिर वाक्यों को समझना चाहिए, और अंततः साहित्यिक तकनीकों और अभिव्यंजक शैलियों जैसे जटिल तत्वों को सीखना चाहिए।
इसे स्तरित और समग्र फ्रेमवर्क सीखने के एक मॉडल के रूप में समझा जा सकता है, जहाँ एक फ्रेमवर्क अगले को सीखने के लिए नींव के रूप में कार्य करता है।
यह बड़े भाषा मॉडल की नेचुरल बोर्न फ्रेमवर्कर के रूप में छवि को उजागर करता है, जिसमें शुरू से ही फ्रेमवर्क सीखने का तंत्र निहित होता है।
ध्यान तंत्र
वह तकनीक जो नेचुरल बोर्न फ्रेमवर्कर को साकार करती है, वह ध्यान तंत्र है।
ध्यान तंत्र एक संदर्भ के भीतर उन टोकन का चयन करने जैसा है जिन पर ध्यान केंद्रित किया जाना चाहिए। यह टोकन के बीच के संबंधों को स्पष्ट करता है। यह ठीक एक ढाँचे का स्वरूप ही है: महत्वपूर्ण अवधारणाओं को बनाए रखते हुए अमूर्त करना और उन अवधारणाओं के बीच के संबंधों को स्पष्ट करना।
प्रत्येक टोकन के लिए इस चयन को स्विच करके, ढाँचों को भी गतिशील रूप से स्विच करना संभव हो जाता है।
यह हमें यह समझाने की अनुमति देता है कि ध्यान तंत्र बड़े भाषा मॉडल के विकास के लिए एक निर्णायक तकनीक क्यों है, नेचुरल बोर्न फ्रेमवर्कर के मॉडल का उपयोग करते हुए।
निष्कर्ष
यदि यह तंत्र वास्तव में बड़े भाषा मॉडल के पूर्व-प्रशिक्षण प्रक्रिया के दौरान हो रहा है, तो इन मॉडलों का पहले से रहस्यमय तंत्र व्याख्या योग्य हो जाता है।
यह व्याख्या मेटाकॉग्निटिव और मेटाफिजिकल लर्निंग को शामिल करती है जिसकी हमने चर्चा की है, एक अधिभौतिक इंटरफ़ेस के रूप में फ्रेमवर्क, प्राकृतिक भाषा जो भाषा अधिग्रहण और वर्चुअल फ्रेमवर्क को सक्षम करती है, और ध्यान तंत्र जो नेचुरल बोर्न फ्रेमवर्कर को साकार करता है।
इसके अलावा, इससे दो अतिरिक्त निहितार्थ निकलते हैं।
पहला, प्राकृतिक भाषा में सरल फ्रेमवर्क से जटिल फ्रेमवर्क को धीरे-धीरे नेटिव फ्रेमवर्क में विकसित करने के लिए एक अत्यधिक उपयुक्त संरचना होती है।
यदि प्राकृतिक भाषा शुरू में मानव समाजों के भीतर एक साधारण रूप में उभरी और धीरे-धीरे एक अधिक जटिल और समृद्ध संरचना रखने के लिए विकसित हुई, तो यह एक स्वाभाविक परिणाम है।
इसके अलावा, एक ऐसी संरचना जो तेजी से सीखने की अनुमति देती है, फायदेमंद होगी। यह मानते हुए कि विभिन्न प्राकृतिक भाषाओं वाले कई समाजों ने प्रतिस्पर्धा की, यह परिकल्पना कि सीखने के लिए सबसे उपयुक्त प्राकृतिक भाषा आज तक बची हुई है, आसानी से स्थापित हो जाती है।
प्राकृतिक भाषा की प्रकृति पर विचार करने से दूसरा निहितार्थ निकलता है: कि हम मनुष्य भी नेचुरल बोर्न फ्रेमवर्कर हैं।
भले ही विशिष्ट आधार और तंत्र भिन्न हों, हमारे मस्तिष्क भी ध्यान तंत्र के समान एक प्रणाली से लैस होने चाहिए, जो धीरे-धीरे फ्रेमवर्क सीखते हैं और उन्हें लचीले ढंग से संशोधित करते हैं।