कृत्रिम बुद्धिमत्ता प्रणालियाँ अनुकरण में उत्कृष्ट पाई गईं, लेकिन नवाचार में नहीं
आज की AI प्रणालियाँ अनुकरण में उत्कृष्ट हैं लेकिन सच्चे नवाचार में नहीं — इस दावे पर यह बहस छिड़ जाती है कि मशीनों के लिए “रचनात्मकता” और “समझ” का असल मतलब क्या है, खासकर तब जब उन्हें मुख्यतः पाठ और छवियों पर प्रशिक्षित किया गया हो। टिप्पणीकार संभाव्य next-token prediction की तुलना मानव अनुभव, देहधारण, इच्छा, और feedback loops से करते हैं, जबकि अन्य का कहना है कि पुनर्संयोजन, सांख्यिकीय पैटर्न-खोज, और self-play से पहले ही नए, उपयोगी आउटपुट निकल सकते हैं। कई लोग उम्मीद करते हैं कि दुनिया के साथ अधिक समृद्ध अंतःक्रिया और मौलिकता के लिए स्पष्ट प्रोत्साहनों वाली भविष्य की प्रणालियाँ नवाचार-खाई को कम करेंगी, लेकिन इस बात पर असहमति है कि दोष मौलिक सीमाओं का है या केवल मौजूदा training setups का।
अध्ययन का दायरा और बेंचमार्क
- कई टिप्पणीकार कहते हैं कि पेपर परोक्ष रूप से “AI” को मौजूदा LLMs के बराबर मान लेता है और ऐसा बेंचमार्क इस्तेमाल करता है जो भारी रूप से तर्क और सीमित कार्यों पर निर्भर है, जहाँ स्टॉक मॉडल के कमजोर होने की बात पहले से जानी जाती है।
- कुछ लोग बताते हैं कि कच्चे आँकड़े (कार्य के कुछ हिस्सों में लगभग मानव-जैसी नवाचार दर) “AI में नवाचार की कमी है” वाली हेडलाइन को मानो लक्ष्य-रेखा बदलने जैसा महसूस कराते हैं।
अनुकरण, संयोजन, और “वास्तविक” नवाचार
- व्यापक सहमति है कि LLMs अनुकरण में और खासकर संयोजन में उत्कृष्ट हैं: मौजूदा विचारों (कोड, थीम, शैलियाँ) को फिर से जोड़कर सुसंगत नई रचनाएँ बनाना।
- दृष्टिकोण: मानव ज्ञान-कार्य का अधिकांश भाग भी छोटे-छोटे बदलावों के साथ संयोजन ही है, इसलिए LLMs मजबूत प्रतिस्पर्धी हैं।
- प्रतिवाद: AI का आउटपुट अक्सर सतही और उच्च-गुणवत्ता वाले मानव कार्य से अलग पहचानने योग्य लगता है; यह मुख्यतः निम्न-स्तरीय सामग्री नौकरियों के लिए खतरा है।
प्रतिक्रिया, इच्छा, और यादृच्छिकता के रूप में नवाचार
- एक पक्ष: नवाचार के लिए इच्छा या अंतर्निहित लक्ष्य चाहिए; AIs केवल शक्तिशाली लक्ष्य-खोज उपकरण हैं जिन्हें मानव डिज़ाइनर परिभाषित करते हैं।
- विरोधी दृष्टिकोण: वास्तव में महत्वपूर्ण “इच्छा” नहीं, बल्कि प्रतिक्रिया और मूल्यांकन हैं। self-play और वैज्ञानिक विधियों को उदाहरण के रूप में उद्धृत किया जाता है कि प्रतिक्रिया कैसे रचनात्मकता को संचालित करती है; भविष्य की प्रणालियाँ जो अपना अनुभव स्वयं उत्पन्न करती हैं, अधिक नवाचार कर सकती हैं।
- तर्क की एक और दिशा: सभी नवाचार संयोजन और (छद्म-)यादृच्छिक विविधता का कोई मिश्रण हैं; आलोचक जवाब देते हैं कि यह मानव संवेदनात्मक अनुभव और विचारशील अमूर्तीकरण की समृद्धि को नज़रअंदाज़ करता है।
रचनात्मकता परीक्षण, अमूर्तन, और रूपक
- कुछ लोग वास्तव में नए रूपकों और गहरे अमूर्त पैटर्न को डिकोड करने को एक सार्थक रचनात्मकता परीक्षण मानते हैं; उनका कहना है कि LLMs ऐसे कार्यों में खराब प्रदर्शन करते हैं।
- अन्य लोग LLMs द्वारा गैर-तुच्छ उपमाएँ और विशेष GUI कोड बनाने के अनुभवजन्य उदाहरण देते हैं, और तर्क करते हैं कि संदेह करने वाले व्यवस्थित रूप से असफलताओं को ज़्यादा महत्व देते हैं।
हैलुसिनेशन, तर्क, और योजना
- हैलुसिनेशन को इस रूप में देखा जाता है कि मॉडल बिना योजना बनाए या अज्ञान स्वीकार किए, अपने ज्ञान से आगे बोल रहे होते हैं।
- सुझाए गए उपायों में reasoning ऐड-ऑन, tree-of-thought रोलआउट, और स्वचालित self-critique लूप शामिल हैं।
चेतना, संवेदनशीलता, और परिभाषाएँ
- एक समूह “समझ,” “sentience,” और “consciousness” पर बहस को अस्पष्ट-शब्दावली वाले विवादों के रूप में देखता है, जो ठोस क्षमताओं से ध्यान भटका देते हैं।
- दूसरा तर्क देता है कि परिभाषाएँ फिर भी नैतिकता, अधिकारों, और कानून के लिए महत्वपूर्ण हैं, भले ही वे निकट-अवधि के तकनीकी आकलन न बदलें।
नवाचार बनाम एकरूपता की माँग
- कई टिप्पणीकार नोट करते हैं कि अनेक बाज़ार (मेनू, हॉलीवुड फ्रैंचाइज़, ट्रेंडी डिज़ाइन) वास्तव में नवाचार से अधिक सुरक्षित, परिचित आउटपुट को पुरस्कृत करते हैं, जिससे LLM-शैली का अनुकरण व्यावसायिक रूप से आकर्षक बन जाता है।