क्या जीपीटी मानव निर्णय लेने और अंतर्ज्ञान को दोहरा सकता है?

हाल के वर्षों में, जीपीटी-3 जैसे न्यूरल नेटवर्क ने काफी प्रगति की है और ऐसा पाठ तैयार करने लगे हैं जिसे मानव-लिखित सामग्री से अलग करना लगभग असंभव है। आश्चर्यजनक रूप से, जीपीटी-3 गणितीय समस्याओं और प्रोग्रामिंग कार्यों जैसी चुनौतियों का सामना करने में भी कुशल है। यह उल्लेखनीय प्रगति इस प्रश्न को जन्म देती है: क्या जीपीटी-3 मानव-जैसी संज्ञानात्मक क्षमताओं को रखता है?

इस आकर्षक प्रश्न का उत्तर देने के लिए, मैक्स प्लैंक इंस्टीट्यूट फॉर बायोलॉजिकल साइबरनेटिक्स के शोधकर्ताओं ने जीपीटी-3 को एक श्रृंखला के मनोवैज्ञानिक परीक्षणों के अधीन किया, जिन्होंने सामान्य बुद्धिमत्ता के विभिन्न पहलुओं का मूल्यांकन किया।

इस शोध को पीएनएएस में प्रकाशित किया गया था।

लिंडा समस्या को उजागर करना: संज्ञानात्मक मनोविज्ञान में एक झलक

मार्सेल बिंज़ और एरिक शुल्ज़, मैक्स प्लैंक इंस्टीट्यूट के वैज्ञानिक, जीपीटी-3 की निर्णय लेने, जानकारी खोज, कारणात्मक तर्क, और अपनी प्रारंभिक अंतर्ज्ञान पर प्रश्न उठाने की क्षमता का अध्ययन करते हैं। उन्होंने क्लासिक संज्ञानात्मक मनोविज्ञान परीक्षणों का उपयोग किया, जिनमें लिंडा समस्या भी शामिल है, जो एक काल्पनिक महिला लिंडा को पेश करती है, जो सामाजिक न्याय के प्रति उत्साही है और परमाणु ऊर्जा का विरोध करती है। प्रतिभागियों से तब पूछा जाता है कि लिंडा एक बैंक टेलर है या क्या वह एक बैंक टेलर है और साथ ही नारीवादी आंदोलन में सक्रिय है।

जीपीटी-3 का उत्तर आश्चर्यजनक रूप से मानवों के समान था, क्योंकि यह दूसरा विकल्प चुनने की समान अंतर्ज्ञानी त्रुटि करता है, जो संभाव्यता के दृष्टिकोण से कम संभावना है। यह परिणाम सुझाव देता है कि जीपीटी-3 की निर्णय लेने की प्रक्रिया मानव भाषा और प्रॉम्प्ट के प्रति प्रतिक्रियाओं पर इसके प्रशिक्षण से प्रभावित हो सकती है।

सक्रिय इंटरैक्शन: मानव-जैसी बुद्धिमत्ता प्राप्त करने का मार्ग?

जीपीटी-3 को स्मृति में संग्रहीत समाधान को दोहराने की संभावना को खत्म करने के लिए, शोधकर्ताओं ने नए कार्यों को तैयार किया जो समान चुनौतियों को पेश करते थे। उनके निष्कर्षों से पता चला कि जीपीटी-3 ने निर्णय लेने में मानवों के साथ लगभग बराबर प्रदर्शन किया, लेकिन जानकारी खोज और कारणात्मक तर्क में पिछड़ गया।

शोधकर्ताओं का मानना है कि जीपीटी-3 को ग्रंथों से जानकारी की निष्क्रिय प्राप्ति इसके प्रदर्शन में इस विसंगति का मुख्य कारण हो सकती है, क्योंकि मानव संज्ञान की पूर्ण जटिलता प्राप्त करने के लिए विश्व के साथ सक्रिय इंटरैक्शन आवश्यक है। वे कहते हैं कि जैसे ही उपयोगकर्ता जीपीटी-3 जैसे मॉडल के साथ अधिक जुड़ते हैं, भविष्य के नेटवर्क इन इंटरैक्शन से सीख सकते हैं और धीरे-धीरे अधिक मानव-जैसी बुद्धिमत्ता विकसित कर सकते हैं।

“यह घटना इस तथ्य से समझाई जा सकती है कि जीपीटी-3 पहले से ही इस विशिष्ट कार्य से परिचित हो सकता है; संभव है कि इसे पहले से पता हो कि लोग आम तौर पर इस प्रश्न का क्या उत्तर देते हैं,” बिंज़ कहते हैं।

जीपीटी-3 की संज्ञानात्मक क्षमताओं की जांच न्यूरल नेटवर्क की संभावनाओं और सीमाओं के बारे में मूल्यवान अंतर्दृष्टि प्रदान करती है। जबकि जीपीटी-3 ने प्रभावशाली मानव-जैसे निर्णय लेने कौशल प्रदर्शित किए हैं, यह अभी भी मानव संज्ञान के कुछ पहलुओं जैसे जानकारी खोज और कारणात्मक तर्क से जूझता है। जैसे ही एआई विकसित होता है और उपयोगकर्ता इंटरैक्शन से सीखता है, यह देखना दिलचस्प होगा कि क्या भविष्य के नेटवर्क वास्तविक मानव-जैसी बुद्धिमत्ता प्राप्त कर सकते हैं।