एलएलएम और एलआरएम क्यों आसान पहेलियों पर अधिक सोचते हैं लेकिन कठिन लोगों पर हार मानते हैं

आर्टिफ़िशियल इंटेलिजेंस ने उल्लेखनीय प्रगति की है, जिसमें लार्ज लैंग्वेज मॉडल (एलएलएम) और उनके उन्नत समकक्ष, लार्ज रीज़निंग मॉडल (एलआरएम), मशीनों द्वारा मानव-जैसे पाठ को संसाधित करने और उत्पन्न करने के तरीके को फिर से परिभाषित कर रहे हैं। इन मॉडलों में निबंध लिखने, प्रश्नों के उत्तर देने और यहां तक कि गणितीय समस्याओं को हल करने की क्षमता है। हालांकि, अपनी प्रभावशाली क्षमताओं के बावजूद, इन मॉडलों में एक दिलचस्प व्यवहार प्रदर्शित होता है: वे अक्सर सरल समस्याओं को जटिल बनाते हैं जबकि जटिल समस्याओं के साथ संघर्ष करते हैं। एप्पल शोधकर्ताओं द्वारा एक हालिया अध्ययन इस घटना में मूल्यवान अंतर्दृष्टि प्रदान करता है। यह लेख एलएलएम और एलआरएम के व्यवहार के पीछे के कारणों का अन्वेषण करता है और इसका एआई के भविष्य के लिए क्या अर्थ है।

एलएलएम और एलआरएम को समझना

एलएलएम और एलआरएम के व्यवहार को समझने के लिए, हमें पहले यह स्पष्ट करना होगा कि वे क्या हैं। एलएलएम, जैसे जीपीटी-3 या बीईआरटी, विशाल पाठ डेटासेट पर प्रशिक्षित होते हैं ताकि वे एक अनुक्रम में अगले शब्द का अनुमान लगा सकें। इससे उन्हें पाठ उत्पन्न करने, अनुवाद करने और सारांश करने जैसे कार्यों में उत्कृष्टता प्राप्त होती है। हालांकि, वे स्वाभाविक रूप से तर्क करने के लिए डिज़ाइन नहीं किए गए हैं, जिसमें तार्किक निष्कर्ष या समस्या-समाधान शामिल है।

एलआरएम एक नए प्रकार के मॉडल हैं जो इस अंतर को दूर करने के लिए डिज़ाइन किए गए हैं। वे चेन-ऑफ-थॉट (सीओटी) प्रॉम्प्टिंग जैसी तकनीकों को एकीकृत करते हैं, जहां मॉडल अंतिम उत्तर देने से पहले मध्यवर्ती तर्क चरण उत्पन्न करता है। उदाहरण के लिए, जब एक गणितीय समस्या का समाधान करना होता है, तो एलआरएम इसे चरणों में तोड़ सकता है, जैसा कि एक मानव करता है। यह दृष्टिकोण जटिल कार्यों पर प्रदर्शन में सुधार करता है लेकिन विभिन्न जटिलता स्तरों पर समस्याओं को संबोधित करने में चुनौतियों का सामना करता है, जैसा कि एप्पल अध्ययन से पता चलता है।

शोध अध्ययन

एप्पल शोध टीम ने एलएलएम और एलआरएम की तर्क क्षमताओं का मूल्यांकन करने के लिए एक अलग दृष्टिकोण अपनाया। पारंपरिक बेंचमार्क जैसे गणित या कोडिंग परीक्षणों पर भरोसा करने के बजाय, जो डेटा दूषण (जहां मॉडल उत्तरों को याद रखते हैं) से प्रभावित हो सकते हैं, उन्होंने नियंत्रित पहेली वातावरण बनाए। इनमें टावर ऑफ हानोई, चेकर जंपिंग, रिवर क्रॉसिंग और ब्लॉक्स वर्ल्ड जैसी प्रसिद्ध पहेलियां शामिल थीं। उदाहरण के लिए, टावर ऑफ हानोई में निर्दिष्ट नियमों के अनुसार डिस्क को पेग्स के बीच ले जाना शामिल है, जिसमें जटिलता बढ़ जाती है क्योंकि अधिक डिस्क जोड़ी जाती हैं। पहेलियों की जटिलता को तर्कसंगत रूप से समायोजित करते हुए जबकि तार्किक संरचनाओं को स्थिर रखते हुए, शोधकर्ता मॉडलों के प्रदर्शन का विश्लेषण करते हैं क्योंकि वे कठिनाई के स्पेक्ट्रम में चलते हैं। इस विधि ने उन्हें न केवल अंतिम उत्तरों का विश्लेषण करने की अनुमति दी, बल्कि तर्क प्रक्रियाओं को भी देखा, जो यह देखने के लिए एक गहरी झलक प्रदान करता है कि ये मॉडल “सोचते” हैं।

अधिक सोच और हार मानने के निष्कर्ष

अध्ययन ने समस्या जटिलता के आधार पर तीन अलग प्रदर्शन क्षेत्रों की पहचान की:

• निम्न जटिलता स्तरों पर, मानक एलएलएम अक्सर एलआरएम की तुलना में बेहतर प्रदर्शन करते हैं क्योंकि एलआरएम अतिरिक्त चरणों का उत्पादन करते हैं जो आवश्यक नहीं हैं, जबकि मानक एलएलएम अधिक कुशल होते हैं।
• मध्यम-जटिलता वाली समस्याओं के लिए, एलआरएम अपनी विस्तृत तर्क निशान उत्पन्न करने की क्षमता के कारण उत्कृष्ट प्रदर्शन दिखाते हैं जो उन्हें इन चुनौतियों का प्रभावी ढंग से सामना करने में मदद करते हैं।
• उच्च-जटिलता वाली समस्याओं के लिए, एलएलएम और एलआरएम दोनों पूरी तरह से विफल हो जाते हैं; एलआरएम, विशेष रूप से, कठिनाई में वृद्धि के बावजूद सटीकता में एक पूर्ण पतन का अनुभव करते हैं और अपने तर्क प्रयास को कम कर देते हैं।

सरल पहेलियों के लिए, जैसे कि एक या दो डिस्क के साथ टावर ऑफ हानोई, मानक एलएलएम सही उत्तर प्रदान करने में अधिक कुशल थे। एलआरएम, हालांकि, इन समस्याओं पर अधिक सोचते थे, भले ही समाधान सीधा था, लंबे तर्क निशान उत्पन्न करते थे। यह सुझाव देता है कि एलआरएम अपने प्रशिक्षण डेटा से अतिरिक्त विवरण वाले स्पष्टीकरण की नकल कर सकते हैं, जो अकुशलता को जन्म दे सकता है।

मध्यम जटिलता वाले दृश्यों में, एलआरएम ने बेहतर प्रदर्शन किया। उनकी विस्तृत तर्क चरणों का उत्पादन करने की क्षमता ने उन्हें कई तार्किक चरणों की आवश्यकता वाली समस्याओं को संबोधित करने में मदद की। इससे उन्हें मानक एलएलएम से बेहतर प्रदर्शन करने में मदद मिली, जो तर्कसंगतता बनाए रखने में संघर्ष करते थे।

हालांकि, जटिल पहेलियों के लिए, जैसे कि कई डिस्क के साथ टावर ऑफ हानोई, दोनों मॉडल पूरी तरह से विफल हो गए। आश्चर्यजनक रूप से, एलआरएम ने जटिलता में वृद्धि के बावजूद एक निश्चित बिंदु से परे तर्क प्रयास को कम कर दिया,尽管 उन्हें पर्याप्त कम्प्यूटेशनल संसाधन थे। यह “हार मानने” व्यवहार उनकी तर्क क्षमताओं को स्केल करने में एक मूलभूत सीमा को इंगित करता है।

यह क्यों होता है

सरल पहेलियों पर अधिक सोच की संभावना एलएलएम और एलआरएम के प्रशिक्षण से उत्पन्न होती है। इन मॉडलों को विशाल डेटासेट से सीखने के लिए प्रशिक्षित किया जाता है जिसमें संक्षिप्त और विस्तृत स्पष्टीकरण दोनों शामिल हैं। आसान समस्याओं के लिए, वे सीधे उत्तर के बजाय विस्तृत तर्क निशान उत्पन्न करने के लिए डिफ़ॉल्ट कर सकते हैं, अपने प्रशिक्षण डेटा में लंबे उदाहरणों की नकल करते हैं। यह व्यवहार आवश्यक रूप से एक दोष नहीं है, बल्कि उनके प्रशिक्षण का प्रतिबिंब है जो तर्क पर कुशलता को प्राथमिकता देता है।

जटिल पहेलियों पर विफलता एलएलएम और एलआरएम की तार्किक नियमों को सामान्य बनाने में असमर्थता को दर्शाती है। जैसे ही समस्या जटिलता बढ़ती है, उनकी पैटर्न मिलान पर निर्भरता टूट जाती है, जिससे असंगत तर्क और प्रदर्शन में गिरावट आती है। अध्ययन में पाया गया कि एलआरएम स्पष्ट एल्गोरिदम का उपयोग नहीं करते हैं और विभिन्न पहेलियों में असंगत रूप से तर्क देते हैं। यह दर्शाता है कि जबकि ये मॉडल तर्क का अनुकरण कर सकते हैं, वे मानवों की तरह तर्क के अंतर्निहित तर्क को वास्तव में नहीं समझते हैं।

विविध दृष्टिकोण

इस अध्ययन ने एआई समुदाय में चर्चा को जन्म दिया है। कुछ विशेषज्ञ तर्क देते हैं कि इन निष्कर्षों को गलत व्याख्या की जा सकती है। वे सुझाव देते हैं कि जबकि एलएलएम और एलआरएम मानवों की तरह तर्क नहीं करते हैं, वे अभी भी निश्चित जटिलता सीमा के भीतर प्रभावी समस्या-समाधान प्रदर्शित करते हैं। वे जोर देते हैं कि एआई में “तर्क” को मानव संज्ञान की नकल करने की आवश्यकता नहीं है ताकि यह मूल्यवान हो। इसी तरह, हैकर न्यूज जैसे प्लेटफार्मों पर चर्चा अध्ययन के कठोर दृष्टिकोण की प्रशंसा करती है लेकिन आगे शोध की आवश्यकता पर जोर देती है ताकि एआई तर्क में सुधार किया जा सके। ये दृष्टिकोण एआई में तर्क की प्रकृति और इसका मूल्यांकन कैसे किया जाना चाहिए, इस बारे में जारी बहस पर प्रकाश डालते हैं।

निहितार्थ और भविष्य के निर्देश

अध्ययन के निष्कर्षों के एआई विकास के लिए महत्वपूर्ण निहितार्थ हैं। जबकि एलआरएम मानव तर्क की नकल करने में प्रगति का प्रतिनिधित्व करते हैं, जटिल समस्याओं को संभालने और तर्क प्रयासों को स्केल करने में उनकी सीमाएं दर्शाती हैं कि वर्तमान मॉडल सार्वजनिक तर्क प्राप्त करने से बहुत दूर हैं। यह तर्क प्रक्रियाओं की गुणवत्ता और अनुकूलनशीलता पर ध्यान केंद्रित करने वाली नई मूल्यांकन विधियों की आवश्यकता पर प्रकाश डालता है, न कि केवल अंतिम उत्तरों की सटीकता पर।

भविष्य के शोध को मॉडलों की तर्क चरणों को सटीक रूप से निष्पादित करने और समस्या जटिलता के आधार पर अपने तर्क प्रयासों को समायोजित करने की क्षमता में सुधार पर ध्यान केंद्रित करना चाहिए। वास्तविक दुनिया के तर्क कार्यों जैसे चिकित्सा निदान या कानूनी तर्क को प्रतिबिंबित करने वाले बेंचमार्क विकसित करना एआई क्षमताओं में अधिक अर्थपूर्ण अंतर्दृष्टि प्रदान कर सकता है। इसके अलावा, मॉडलों की पैटर्न मान्यता पर निर्भरता को दूर करने और तार्किक नियमों को सामान्य बनाने की उनकी क्षमता में सुधार करना एआई तर्क को आगे बढ़ाने के लिए महत्वपूर्ण होगा।

नीचे की रेखा

अध्ययन एलएलएम और एलआरएम की तर्क क्षमताओं का एक महत्वपूर्ण विश्लेषण प्रदान करता है। यह दिखाता है कि जबकि ये मॉडल सरल पहेलियों पर अधिक सोचते हैं, वे जटिल पहेलियों के साथ संघर्ष करते हैं, दोनों उनकी ताकत और सीमाओं को उजागर करते हैं। हालांकि वे कertain स्थितियों में अच्छा प्रदर्शन करते हैं, जटिल समस्याओं को संबोधित करने में उनकी अक्षमता तर्क के अनुकरण और वास्तविक समझ के बीच के अंतर को रेखांकित करती है। अध्ययन जोर देता है कि एक ऐसी एआई प्रणाली विकसित करने की आवश्यकता है जो विभिन्न जटिलता स्तरों पर अनुकूल रूप से तर्क कर सके, जिससे यह विभिन्न जटिलता वाली समस्याओं को संबोधित कर सके, जैसा कि मानव करते हैं। उनकी अक्षमता अत्यधिक जटिल समस्याओं को संबोधित करने में इस बात को रेखांकित करती है कि अनुकरणित तर्क और वास्तविक समझ के बीच का अंतर है, जिसमें एआई प्रणाली विकसित करने की आवश्यकता है जो विभिन्न स्तरों पर तर्क कर सके।