कृत्रिम बुद्धिमत्ता के क्षेत्र में, चीन से एक नवोन्मेषी शोध व्यापक ध्यान आकर्षित कर रहा है। तिझुआ विश्वविद्यालय और शंघाई कृत्रिम बुद्धिमत्ता प्रयोगशाला के वैज्ञानिकों ने "सोचने का मानचित्र" (Diagram of Thought, संक्षेप में DoT) नामक एक नया ढांचा प्रस्तुत किया है, जो इस महत्वपूर्ण उपलब्धि के माध्यम से हमें AI के सोचने के तरीके के प्रति हमारी समझ को पूरी तरह से बदलने की उम्मीद है।
DoT ढांचे का मुख्य विचार मानवों द्वारा जटिल समस्याओं को हल करने की सोचने की प्रक्रिया की नकल करना है। जैसे हम कठिन प्रश्नों का उत्तर देते समय लगातार धारणाएँ प्रस्तुत करते हैं, आलोचना करते हैं, संशोधन करते हैं और अंततः निष्कर्ष पर पहुँचते हैं, वैसे ही DoT AI को एकल मॉडल के भीतर एक निर्देशित एसी चक्र (DAG) बनाने की अनुमति देता है, जिससे यह मानवों के अधिक निकटता से तर्क करने का तरीका प्राप्त कर सके।
इस नए प्रकार के सोचने के तरीके की विशेषता यह है कि यह पारंपरिक AI तर्क के सीमाओं को तोड़ता है। पिछले रैखिक या वृक्षीय तर्क विधियों के विपरीत, DoT प्रस्ताव, आलोचना, संशोधन और सत्यापन को एक संगठित DAG संरचना में व्यवस्थित करता है। यह संरचना AI को अधिक जटिल तर्क मार्गों का अन्वेषण करने की अनुमति देती है, जबकि तार्किकता की स्थिरता बनाए रखती है। प्रत्येक नोड एक प्रस्ताव का प्रतिनिधित्व करता है, जिसे प्रस्तुत किया गया, आलोचना की गई, संशोधित किया गया या सत्यापित किया गया, जिससे AI प्राकृतिक भाषा प्रतिक्रिया के माध्यम से अपने तर्क प्रक्रिया को लगातार बेहतर बना सकता है।
DoT ढांचे का कार्यान्वयन एक चतुर डिज़ाइन पर निर्भर करता है: विशेष भूमिकाओं के संकेतों के साथ स्व-प्रतिगामी अगले शब्द की भविष्यवाणी का उपयोग करना, विचार प्रस्तुत करने और आलोचनात्मक मूल्यांकन के बीच निर्बाध स्विचिंग को प्राप्त करना। यह विधि सरल द्विआधारी संकेतों की तुलना में अधिक समृद्ध प्रतिक्रिया तंत्र प्रदान करती है। तर्क प्रक्रिया के दौरान, AI विभिन्न चरणों में विभिन्न भूमिकाएँ निभाता है - "प्रस्तावक" प्रस्ताव प्रस्तुत करता है, "आलोचक" आलोचना करता है, "सारांशकर्ता" सत्यापित प्रस्तावों को एक संगठित तर्क श्रृंखला में समेकित करता है। इन भूमिकाओं को विशेष संकेतों के माध्यम से मॉडल के आउटपुट में स्पष्ट रूप से अलग किया जाता है।
गणितीय दृष्टिकोण से, DoT ढांचा टोपोलॉजी सिद्धांत के आधार पर स्थापित है। यह सिद्धांत गणित और तर्क के लिए एक एकीकृत ढांचा प्रदान करता है, जिससे शोधकर्ता DoT में तर्क प्रक्रिया को सटीकता से व्यक्त कर सकते हैं, यह सुनिश्चित करते हुए कि इसकी तार्किकता और प्रभावशीलता बनी रहे।
व्यवहार में, DoT ढांचे का प्रशिक्षण प्रक्रिया में उदाहरण डेटा को विशिष्ट संरचना में प्रारूपित करना शामिल है, जिसमें भूमिकाओं के संकेत और DAG प्रतिनिधित्व शामिल होते हैं। तर्क चरण में, मॉडल अगले शब्द की भविष्यवाणी करके प्रस्ताव, आलोचना और सारांश उत्पन्न करता है, पूरी प्रक्रिया भूमिकाओं के विशेष संकेतों द्वारा मार्गदर्शित होती है, जिससे तर्क की निरंतरता और सटीकता सुनिश्चित होती है।
इस शोध का महत्व केवल शैक्षणिक क्षेत्र तक सीमित नहीं है। जैसे-जैसे AI तकनीक विभिन्न उद्योगों में व्यापक रूप से अपनाई जा रही है, DoT ढांचा जटिल समस्याओं के समाधान, निर्णय समर्थन प्रणाली, प्राकृतिक भाषा प्रसंस्करण आदि क्षेत्रों में क्रांतिकारी परिवर्तन लाने की उम्मीद है। यह AI को गहन सोच और बहुआयामी विश्लेषण की आवश्यकता वाले कार्यों को संभालने में बेहतर प्रदर्शन करने में सक्षम बना सकता है, जैसे वैज्ञानिक अनुसंधान, रणनीति निर्माण, रचनात्मक लेखन आदि।
हालांकि, हमें यह भी समझना चाहिए कि, भले ही DoT ढांचा मानव सोच की नकल करने में महत्वपूर्ण प्रगति कर चुका है, AI और मानव सोच के बीच मौलिक अंतर अभी भी मौजूद है। कैसे AI की दक्षता को बनाए रखते हुए मानव की रचनात्मकता और अंतर्ज्ञान को बेहतर ढंग से मिलाया जाए, यह भविष्य के अनुसंधान का एक महत्वपूर्ण दिशा है।
पत्र का पता: https://arxiv.org/pdf/2409.10038