एड ची: एआई को "चरणबद्ध सोच" सिखाने वाले ताइवानी, जिन्होंने संज्ञानात्मक मनोविज्ञान को मशीनों में उतारा

जब पूरी दुनिया एआई के पीछे कुछ सौ मिलियन डॉलर की कम्प्यूटिंग शक्ति झोंक रही थी, तब एक पेपर ने मशीन तर्क का तरीका बदल दिया — लागत: लगभग पाँच हज़ार डॉलर।

उस पेपर का नाम था "चेन ऑफ थॉट" (Chain of Thought)। इसने जो किया, वह सुनने में इतना सरल लगता है कि क्रांतिकारी नहीं लगता: एआई को दिए जाने वाले उदाहरणों में कुछ पंक्तियाँ "समाधान प्रक्रिया" की और जोड़ दीं, ताकि यह पहले मध्यवर्ती चरण सोचे, फिर उत्तर दे — जैसे किसी छात्र से सीधे उत्तर लिखवाने के बजाय पहले रफ़ कॉपी लिखवाई जाए। नौ सह-लेखकों में एक तामशुई में जन्मा ताइवानी था, नाम: एड एच. ची (Ed H. Chi)।

बाद में उन्होंने उन पाँच हज़ार डॉलर की व्याख्या इस तरह की: "वह समस्या कम्प्यूटिंग शक्ति से हल होने वाली समस्या नहीं थी, बल्कि यह सोचने का एक अलग तरीका था।"¹

30 सेकंड अवलोकन: एड एच. ची (Ed H. Chi) गूगल डीपमाइंड के शोध उपाध्यक्ष हैं और एआई को "चरणबद्ध तर्क" सिखाने वाले 'चेन ऑफ थॉट' पेपर के सह-लेखकों में से एक हैं। जब भी आप चैटजीपीटी या जेमिनी से "चरणबद्ध सोचो" कहते हैं और वह बेहतर उत्तर देता है, तो उस मशीन को चरणबद्ध तर्क सिखाने वाले विचार की एक डोर ताइवान से निकलती है। वे क़रीब 15 वर्ष की आयु में पीएचडी कर रही माँ के साथ अमेरिका चले गए; माँ की शैक्षिक मनोविज्ञान की थीसिस लिखने में मदद करते हुए उन्होंने "मनुष्य कैसे सीखता है" की एक मनोवैज्ञानिक अवधारणा सीखी। तीस साल बाद, उन्होंने उस अवधारणा को मशीनों में डाल दिया। ताइवान चिप बनाने वाले "ताइवान के गौरव" को जानता है, लेकिन उस व्यक्ति को लगभग नहीं जानता जिसने "एआई कैसे सोचता है" को आकार दिया।

माँ की पीएचडी थीसिस

कहानी गूगल से नहीं, एक डेस्क से शुरू होती है।

एड ची तामशुई में पले-बढ़े। "मैं ताइवान में जन्मा, ताइवान की मिट्टी में पला-बढ़ा व्यक्ति हूँ, तामशुई में पैदा हुआ, फिर क़रीब 15 साल की उम्र में माता-पिता के साथ अमेरिका पढ़ने चला गया, क्योंकि माँ उस समय पीएचडी करने गई थीं।"² इस वाक्य में एक असामान्य दृश्य छिपा है: उस ज़माने में अधिकांश ताइवानी बच्चे खुद "छोटे विद्यार्थी" बनकर विदेश जाते थे, लेकिन वे पूरे परिवार के साथ माँ की पढ़ाई के लिए पश्चिम चले गए। उस ज़माने में एक ताइवानी परिवार का माँ की पढ़ाई के लिए पूरे परिवार सहित अमेरिका प्रवास करना आम नहीं था।

तामशुई, जहाँ एड ची का जन्म और पालन-पोषण हुआ। तीस साल बाद, जो वे यहाँ से लेकर गए, वह मशीनों को सोचना सिखाने की विधि बन गया।

माँ ने शैक्षिक मनोविज्ञान में पीएचडी की। हाई स्कूल और कॉलेज के उन वर्षों में, उन्होंने माँ की थीसिस लिखने में मदद की। एक पढ़ता हुआ बच्चा, अपनी माँ की "मनुष्य कैसे सीखता है" विषयक अकादमिक थीसिस को संवार रहा था — उसी प्रक्रिया में उसने पहली बार स्विस मनोवैज्ञानिक पियाजे (Piaget) के स्कीमा सिद्धांत (schema theory) को छुआ।

स्कीमा सिद्धांत कहता है: मानव मस्तिष्क में संगठित ज्ञान संरचनाओं के कई सेट होते हैं, जिन्हें "स्कीमा" कहते हैं, हम दुनिया को समझने के लिए इनका उपयोग करते हैं। नई चीज़ सीखते समय, या तो नई जानकारी को पुराने स्कीमा में डाल दिया जाता है (इसे आत्मसातीकरण/assimilation कहते हैं), या पुराना स्कीमा समा नहीं पाता और उसे जबरन फिर से लिखना या नया बनाना पड़ता है (इसे अनुकूलन/accommodation कहते हैं)। यह अमूर्त लगता है, लेकिन यह एक बहुत मूलभूत प्रश्न का उत्तर देता है: एक व्यक्ति "न जानने" से "जानने" तक कैसे पहुँचता है?

उस डेस्क पर रखी अवधारणा तीस साल बाद मशीनों को तर्क सिखाने की विधि बनी। लेकिन उससे पहले, उन्हें एक लंबा रास्ता तय करना था, और वह रास्ता ऐसा था जिस पर कम ही लोग चलते हैं।

एड ची ने VK टेक रीडिंग टाइम EP122 में चेन ऑफ थॉट की उत्पत्ति स्वयं बताई: माँ की शैक्षिक मनोविज्ञान पीएचडी थीसिस लिखने में मदद करने से लेकर पियाजे का स्कीमा सिद्धांत सीखने तक, फिर उसे एआई को तर्क सिखाने की विधि में बदलने तक। यह साक्षात्कार इस लेख का मूल स्रोत है।

तामशुई से मिनेसोटा, एक पीएचडी प्रवेश पत्र के पीछे

मिनेसोटा पहुँचकर, उन्होंने हाई स्कूल, कॉलेज, मास्टर्स, पीएचडी — सभी एक ही विश्वविद्यालय में पूरे किए: मिनेसोटा विश्वविद्यालय, कुल साढ़े छह साल, तीन डिग्रियाँ³। प्रवेश के साथ ही सर्वोच्च सम्मान (Summa Cum Laude) प्राप्त किया, पीएचडी थीसिस सूचना दृश्यीकरण (Information Visualization) पर थी, शीर्षक: "A Framework for Information Visualization Spreadsheets", मार्गदर्शक प्रोफेसर जॉन टी. रिडल (John T. Riedl) रिकमेंडर सिस्टम के अग्रदूत थे।

पंद्रह साल की उम्र में माँ के साथ मिनेसोटा पहुँचे, बाद में मिनेसोटा विश्वविद्यालय में साढ़े छह साल में तीन डिग्रियाँ पूरी कीं। मार्गदर्शक प्रोफेसर जॉन टी. रिडल रिकमेंडर सिस्टम शोध के अग्रदूत: यह धागा बाद में गूगल में उनके काम से जुड़ा।

लेकिन डिग्रियों से अधिक याद रखने योग्य है, उन्होंने खुद को कैसे परिभाषित किया।

उन्होंने एक साक्षात्कार में एक बहुत ईमानदार बात कही: "अंग्रेज़ी में कहूँ तो I'm a generalist... jack of all trades but master of none टाइप का शोधकर्ता। लेकिन जब मुझे एहसास हुआ कि मेरा गणित दूसरों जितना अच्छा नहीं है, तो मुझे लगा शायद मैं कुछ पुल-निर्माण (bridging) टाइप का शोध कर सकता हूँ, एक क्षेत्र और दूसरे क्षेत्र के बीच का पुल।"⁴

अकादमिक जगत में यह एक कीमत वाला चुनाव है। उन्होंने खुद कहा है, जब आप पुल-निर्माण वाला शोध करते हैं, "आप क्षेत्र A में असली आदमी नहीं होते, क्षेत्र B में भी असली शोधकर्ता नहीं होते"। जो केवल एक तरफ जानता है, दुनिया उसे एक स्पष्ट स्थान दे देती है; जो बीच में खड़ा होता है, अक्सर कोई भी पक्ष स्वीकार नहीं करता। लेकिन उन्होंने इसी मध्य क्षेत्र पर दाँव खेला। बाद में तथ्यों ने साबित किया, एआई के सबसे महत्वपूर्ण कुछ कदम ठीक ऐसी ही मध्यभूमि पर पड़े।

✦ "शायद मैं कुछ पुल-निर्माण जैसा शोध कर सकता हूँ, एक क्षेत्र और दूसरे क्षेत्र के बीच का पुल।"

पालो ऑल्टो में, उन्होंने मनोविज्ञान को कोड में बदलना सीखा

1997 में, उन्होंने एक प्रसिद्ध स्थान पर इंटर्नशिप की: ज़ेरॉक्स पालो ऑल्टो रिसर्च सेंटर (Xerox PARC)।

यह नाम ताइवानी पाठकों के लिए अपरिचित हो सकता है, लेकिन आप हर दिन इसके आविष्कारों का उपयोग करते हैं। माउस, ग्राफिकल यूज़र इंटरफ़ेस, लेज़र प्रिंटर, ईथरनेट — व्यक्तिगत कंप्यूटर युग की नींव रखने वाली ये तकनीकें, इस शैडो कॉपियर कंपनी द्वारा स्टैनफोर्ड के बगल में स्थापित शोध केंद्र में पैदा हुई थीं। स्टीव जॉब्स ने अंदर जाकर वह ग्राफिकल इंटरफ़ेस देखा, विचार चुरा ले गए, और बाद में मैकिन्टोश बनाया। एड ची जब गए, तब यह उसका दूसरा स्वर्ण युग था।

ज़ेरॉक्स पालो ऑल्टो रिसर्च सेंटर द्वारा 1973 में विकसित अल्टो, व्यक्तिगत कंप्यूटर और ग्राफिकल इंटरफ़ेस का अग्रदूत। एड ची बाद में यहाँ आए, और संज्ञानात्मक मनोविज्ञान को चलने योग्य कोड में बदलना सीखा।

महत्वपूर्ण यह नहीं कि उन्होंने कोई चमकदार तकनीक बनाई, बल्कि वे जिन लोगों से मिले। "मेरे बॉस उस समय स्टुअर्ट कार्ड (Stuart Card) थे, वे एलन नेवेल (Allen Newell) के छात्र थे।"⁵ यह गुरु-शिष्य परंपरा ऊपर जाती है, और एक अर्थशास्त्र नोबेल पुरस्कार विजेता से जुड़ती है: हर्बर्ट साइमन (Herbert Simon)।

साइमन ने "सीमित तर्कसंगतता" (bounded rationality) प्रस्तावित की थी: मनुष्य निर्णय लेते समय संज्ञानात्मक, सूचनात्मक, समय की सीमाओं से बंधा होता है, इसलिए "पूर्ण तर्कसंगत" होना असंभव है। उन्होंने एक शब्द गढ़ा: "संतोषजनक निर्णय" (satisficing) — मनुष्य इष्टतम समाधान नहीं खोजता, बस एक "काम चलाऊ" समाधान ढूंढता है। साइमन और नेवेल ने मानव मस्तिष्क को एक सूचना प्रसंस्करण मशीन माना, माना कि "समस्या समाधान" एक समस्या स्थान में चरणबद्ध खोज है। कार्ड इस सोच को पालो ऑल्टो के कंप्यूटर शोध में लाए, और एड ची ने कार्ड से इसे आगे बढ़ाया।

📝 क्यूरेटर नोट
प्रचलित एआई कथा यह कहती है: मशीनें इसलिए होशियार हो रही हैं क्योंकि चिप्स तेज़ हो रहे हैं, डेटा बढ़ रहा है, मॉडल बड़े हो रहे हैं। यह कथा सुविधाजनक है, लेकिन एक और गुप्त धारा को छोड़ देती है। साइमन 1950 के दशक से पूछ रहे थे "मस्तिष्क सीमाओं में निर्णय कैसे लेता है"; कार्ड ने 1974 में मनोविज्ञान को पालो ऑल्टो के कंप्यूटर शोध में पहुँचाया; एड ची ने 1990 के दशक में फोर्जिंग थ्योरी (foraging theory) को इंटरनेट पर सूचना खोजने के मॉडल में बदला। आधी सदी से एक समूह एक ही प्रश्न पूछ रहा है: आखिर मनुष्य कैसे सोचता है। जब मुख्यधारा मशीन को तेज़ गणना कराने में लगी थी, वे मशीन को मनुष्य की तरह सोचने में लगे थे। चेन ऑफ थॉट इसी गुप्त धारा का फल है।

पालो ऑल्टो में उनका मुख्य शोध था "इन्फॉर्मेशन फोर्जिंग" (information foraging)। अवधारणा: मनुष्य इंटरनेट पर सूचना खोजता है, जैसे जंगली जानवर भोजन खोजते हैं, "गंध" का पीछा करते हैं, गंध तेज़ तो पीछा करते हैं, हल्की तो छोड़ देते हैं। उन्होंने इस जैविक-मनोवैज्ञानिक फोर्जिंग मॉडल को इंजीनियरिंग करके वास्तविक चलने योग्य प्रणाली में बदला, जो भविष्यवाणी करती है कि लोग वेबसाइटों के बीच कैसे नेविगेट करते हैं। यही "पुल-निर्माण" का पहला वास्तविक युद्ध था: एक तरफ संज्ञानात्मक मनोविज्ञान, दूसरी तरफ सूचना विज्ञान, उन्होंने बीच में एक पुल बनाया।

अधिक डेटा नहीं, अधिक मानवीय

2011 में, उन्होंने पालो ऑल्टो छोड़कर गूगल जॉइन किया। कारण व्यावहारिक था: "केवल शोध करना काफ़ी नहीं, अनुप्रयोग वाली चीज़ें भी बनानी होंगी।" ज़ेरॉक्स का "बुनियादी शोध बहुत गहरा, लेकिन उत्पाद में न बदल पाने" वाला मॉडल उन्होंने अपनी आँखों से देखा था।

गूगल में, उन्होंने पहले वेब डेटा विश्लेषण किया, 2015 से 2017 तक टीम लेकर यूट्यूब के न्यूरल नेटवर्क रिकमेंडेशन सिस्टम को पुनर्निर्मित किया, 2017 में गूगल ब्रेन के मुख्य वैज्ञानिक बने, 70 लोगों की टीम संभाली, 2021 में विशिष्ट वैज्ञानिक बने, टीम 120 तक पहुँची, फिर डीपमाइंड के शोध उपाध्यक्ष बने⁶। पदों की इस श्रृंखला के पीछे, वास्तव में एक ही पद्धतिगत जीन का विस्तार है: इन्फॉर्मेशन फोर्जिंग "मनुष्य कैसे खोजता है" का मॉडल है, रिकमेंडेशन सिस्टम "मनुष्य क्या देखना चाहता है" का मॉडल है, चेन ऑफ थॉट तक पहुँचकर यह "मनुष्य कैसे तर्क करता है" का मॉडल बन गया। मानव संज्ञान से, एक कदम एक कदम मशीन की ओर।

चेन ऑफ थॉट का मोड़, उस समय के मुख्यधारा मशीन लर्निंग के प्रति एक असंतोष से आया। "इतना सारा डेटा क्यों चाहिए, तब जाकर मशीन वास्तव में सीख पाती है?" उन्होंने सोचना शुरू किया, "क्या संज्ञानात्मक मनोविज्ञान की विधि से मशीन को सीखना सिखाया जा सकता है?"⁷

तो वे उस अवधारणा पर लौट आए। "यह आइडिया वास्तव में... 60 के दशक, 70 के दशक से निकला एक आइडिया है, जिसे स्कीमा थ्योरी कहते हैं। इसका मूल अर्थ है, अगर एक व्यक्ति एक टेम्पलेट (template) से एक समस्या हल कर सकता है, तो शायद हम इसी विधि से मशीन को सीखना सिखा सकते हैं। इसलिए चेन ऑफ थॉट वास्तव में इसी आइडिया से शुरू हुआ।" साक्षात्कारकर्ता ने पूछा कि क्या यह पियाजे का स्कीमा है, उन्होंने उत्तर दिया: "हाँ, पियाजे के स्कीमा का आइडिया। वह चीज़ वास्तव में मैंने हाई स्कूल में, कॉलेज में सीखी थी, जब माँ की शैक्षिक मनोविज्ञान पीएचडी थीसिस लिखने में मदद कर रहा था, बाद में धीरे-धीरे ये चीज़ें जुड़ती चली गईं।"⁸

डेस्क पर पड़ा बीज अंकुरित हुआ।

चेन ऑफ थॉट पेपर की सबसे प्रसिद्ध छवि: बाएँ सामान्य तरीके से प्रश्न पूछने पर मॉडल गलत उत्तर देता है; दाएँ केवल उदाहरण में तर्क प्रक्रिया का एक पैराग्राफ जोड़ दिया (नीला भाग), मॉडल सही उत्तर देता है। अंतर कम्प्यूटिंग शक्ति में नहीं, बल्कि इसमें है कि "विचार को चरणबद्ध लिखा गया या नहीं"। चित्र स्रोत: Wei et al., 2022।

और इसकी लागत लगभग शून्य थी। "क्या आप जानते हैं हमने कुल कितनी कम्प्यूटिंग शक्ति इस्तेमाल की? लगभग पाँच हज़ार डॉलर की। क्योंकि वह समस्या कम्प्यूटिंग शक्ति से हल होने वाली नहीं थी, बल्कि यह सोचने का एक अलग तरीका था। जब हमने वह शोध शुरू किया, तो मूल रूप से कोई फंडिंग नहीं थी, बस हमने खुद ही खाली दिमाग से सोचा।"¹

यही वह बात है जो यह लेख सबसे अधिक कहना चाहता है: एआई को तर्क करना सिखाने की कुंजी अधिक कम्प्यूटिंग शक्ति नहीं, बल्कि अधिक मानवीय होना है: और यह "अधिक मानवीय", एक तामशुई बच्चे द्वारा माँ के लिए लिखी गई शैक्षिक मनोविज्ञान पीएचडी थीसिस में उगा था।

उन्होंने अधीनस्थ से कहा: उस विधि का उपयोग मत करो, स्कीमा आज़माओ

यहाँ ईमानदार होना आवश्यक है।

चेन ऑफ थॉट पेपर के नौ लेखक हैं, एड ची सातवें स्थान पर हैं। प्रथम लेखक जेसन वेई (Jason Wei) हैं, मुख्य कार्यान्वयनकर्ता; अंतिम लेखक, यानी अकादमिक परंपरा में वरिष्ठ प्रमुख, डेनी झोउ (Denny Zhou) हैं, गूगल ब्रेन तर्क शोध टीम के संस्थापक। इस पेपर को "एड ची का आविष्कार" कहना सटीक नहीं होगा; डेनी झोउ ही इस शोध दिशा के प्रमुख थे, और डेनी झोउ, एड ची की टीम के शोधकर्ता हैं, उनके सीधे अधीनस्थ।

तो उनकी भूमिका क्या थी? सुनते हैं वे खुद क्या कहते हैं: "डेनी झोउ मेरी टीम का एक शोधकर्ता है, वह मेरी टीम में शामिल होने के बाद मेरे पास आया और कहा कि वह तर्क शोध करना चाहता है... वह मूल रूप से पारंपरिक न्यूरल-सिम्बोलिक (neural symbolic) विधि का उपयोग कर रहा था, मैंने उससे कहा कि मुझे लगता है न्यूरल-सिम्बोलिक ज्यादा काम नहीं करता, क्या अन्य विधि पर विचार कर सकते हो? फिर हमने धीरे-धीरे चर्चा की, पाया कि शायद स्कीमा की अवधारणा से किया जा सकता है।"⁹

यह अंश उनकी वास्तविक योगदान को रेखांकित करता है। वे पेपर के मुख्य कार्यान्वयनकर्ता नहीं हैं, लेकिन वे वह व्यक्ति हैं जिसने महत्वपूर्ण मोड़ पर कहा "उस रास्ते मत जाओ": उन्होंने न्यूरल-सिम्बोलिक को खारिज किया, जो उस समय तर्कसंगत लगता था, और चर्चा को स्कीमा की ओर मोड़ा। इससे भी महत्वपूर्ण बात, वे स्कीमा के बारे में सोच पाए, क्योंकि वे बीस साल का संज्ञानात्मक विज्ञान दृष्टिकोण लेकर इस टीम में आए थे। दूसरे शब्दों में, वे वह व्यक्ति हैं जिसने डेनी झोउ के लिए "स्कीमा के बारे में सोचना संभव" बनाया।

📝 क्यूरेटर नोट
"ताइवान का गौरव" की सबसे आम बीमारी है, एक जटिल योगदान को एक वाक्य "उसने X का आविष्कार किया" में समेट देना। लेकिन वास्तविकता अक्सर अधिक दिलचस्प होती है। एड ची का वास्तविक अपरिहार्य योगदान बीस साल की एक लंबी चाप है: उन्होंने संज्ञानात्मक मनोविज्ञान को धीरे-धीरे मशीनों में पहुँचाया, इन्फॉर्मेशन फोर्जिंग से, रिकमेंडेशन सिस्टम से, चेन ऑफ थॉट तक। पेपर में नौ लेखक होंगे, रैंकिंग होगी, श्रेय का विवाद होगा; लेकिन "बीस साल से लगातार 'मनुष्य कैसे सोचता है' का प्रश्न इंजीनियरिंग 현장에 लाना" यह काम पूरी टीम में केवल वे कर सकते हैं। उनका मूल्य देखने के लिए, बीस साल का पैमाना खोलना होगा, एक लेखक सूची पर नहीं रुकना।

उन्होंने चेन ऑफ थॉट के बाद के विकास को एक गहरे ढांचे से समझाया। जब एआई केवल टेम्पलेट से समस्या हल नहीं करता, बल्कि अपने तर्क पर "चिंतन" करता है, वापस जाकर सुधारता है, उन्होंने कहा: "यह पियाजे के संज्ञानात्मक सिद्धांत में, या लर्निंग साइंस में, आत्मसातीकरण और अनुकूलन कहलाता है... मशीन का यह वास्तविक सीखना शायद वास्तव में शुरू हुआ है।"¹⁰ टेम्पलेट से हल करना आत्मसातीकरण है, वापस जाकर टेम्पलेट को फिर से लिखना अनुकूलन है: उन्होंने माँ की थीसिस लिखते समय सीखे उस जोड़े को ज्यों का त्यों मशीन के सीखने का वर्णन करने के लिए ला दिया।

उन्होंने चेन ऑफ थॉट को एक अन्य मनोवैज्ञानिक के ढांचे से भी जोड़ा: "चेन ऑफ थॉट प्लस फाइन-ट्यूनिंग, प्लस नेक्स्ट टोकन प्रेडिक्शन, तर्क मशीन की शुरुआत प्रतीत होती है, यानी काह्नमैन (Kahneman) का तथाकथित सिस्टम 2 थिंकिंग।"¹¹ सिस्टम 1 अंतर्ज्ञान, तेज़, सहज सोच है (माइक्रोफोन देखते ही जानना कि यह माइक्रोफोन है); सिस्टम 2 प्रयासपूर्ण, तर्कसंगत, चरणबद्ध सोच है ("एजीआई की परिभाषा क्या है" पूछे जाने पर सक्रिय होने वाला मस्तिष्क)। उनके विचार में, पिछला डीप लर्निंग पहले ही सिस्टम 1 को बहुत गहरा कर चुका है, जबकि चेन ऑफ थॉट मशीन द्वारा सिस्टम 2 शुरू करने का प्रारंभिक बिंदु है।

तर्क करने वाली मशीन, और दादी का मानक

तो एआई कब "वास्तव में पहुँचा" माना जाएगा? एड ची का उत्तर किसी तकनीकी संकेतक में नहीं, दादी में है।

"जिस दिन तुम्हारी दादी घर के रोबोट को डाँटेगी 'मैंने तुम्हें एक बार सिखाया, तुम अभी भी नहीं सीखे', तुम जान जाओगे कि एजीआई आ गया है... हमारा मापदंड दादी पर उगता है।"¹²

यह वाक्य सुनने से ज्यादा तीखा है। आज का रोबोट वैक्यूम तारों में उलझता है, फर्नीचर से टकराता है, हम उसे बेवकूफ कहेंगे, लेकिन सचमुच गुस्सा नहीं करेंगे: क्योंकि दिल से हम मानते हैं कि "मशीन मूल रूप से मुझसे बेवकूफ है, कुछ बार और सिखाना सामान्य है"। लेकिन जिस दिन दादी किसी इंसान को न सीखने पर डाँटती है वैसे ही रोबोट को डाँटेगी, इसका मतलब है उसके दिल में वह पहले से "एक बार सिखाने पर सीख जाने वाली" वस्तु बन चुका है। एजीआई के आगमन का क्षण, यह कहने के बजाय कि कोई स्कोर लाइन पार कर गया, अधिक लगता है मानो मानवीय अपेक्षाएँ चुपके से बदल गईं।

यह उनके कृत्रिम सामान्य बुद्धि (AGI) के दृष्टिकोण से भी जुड़ता है। उनका मानना है कि AGI के लिए दो चीज़ें आवश्यक हैं: एक, एआई केवल आभासी दुनिया में नहीं रह सकता, उसे मनुष्य के वास्तविक जीवन वातावरण में घुलना-मिलना होगा; दो, "मैं तुम्हें एक बार सिखाऊँ, तुम बाद में जान जाओ" — एक से अनेक में विस्तार कर सको, स्वयं अन्वेषण कर सको, न कि बार-बार सिखाने की आवश्यकता हो। उनका वर्तमान प्रोजेक्ट एस्ट्रा (Project Astra), ठीक पहली चीज़ कर रहा है: एक सामान्य सहायक जो आपके संदर्भ को समझ सके।

उन्होंने एक व्यक्तिगत दृश्य साझा किया। लगभग एक साल पहले, वे अभी गोपनीय चरण में प्रोजेक्ट एस्ट्रा को बार्सिलोना बैठक में ले गए, एक होटल की छत पर बने बार में, उन्होंने फोन निकालकर शहर की क्षितिज रेखा को स्कैन किया, पूछा "मैं कहाँ हूँ"। इसने उत्तर दिया "लगता है आप बार्सिलोना में हैं"। उन्होंने पूछा कौन सा ज़िला, इसने सही ज़िला बताया। उन्होंने फिर पूछा आसपास अच्छे रेस्तरां हैं क्या, "अगर मिशेलिन स्टार वाला हो तो बेहतर", इसने उत्तर दिया। "मैंने पूछा 'क्या आप मेरे लिए बुक कर सकते हैं?' इसने कहा 'अभी नहीं, लेकिन शायद भविष्य में'।" उस क्षण उन्हें एहसास हुआ, ऐसा निजी सहायक जो वास्तव में आपके बगल में रहे, आपकी स्थिति समझे, उनके जीवनकाल में बनाया जा सकता है।¹³

एड ची ने साइडचैट E350 में स्मार्ट ग्लास, AGI के "दादी मानक" और ताइवान के अवसरों पर चर्चा की। साक्षात्कार में उन्होंने प्रोजेक्ट एस्ट्रा ग्लास प्रोटोटाइप निकाला, कहा कि यह "ताइवान की पहली" होनी चाहिए।

साक्षात्कार स्थल पर, उन्होंने जेब से प्रोजेक्ट एस्ट्रा से लैस एक स्मार्ट ग्लास प्रोटोटाइप निकाला, कहा कि यह "शायद" ताइवान का पहला है। उन्होंने ताइवान के सबसे बड़े अवसर के बारे में बात की। हार्डवेयर एक हिस्सा है: "ताइवान की सेमीकंडक्टर, विशेष रूप से विनिर्माण में, स्थिति हिलाना मुश्किल है।" लेकिन उन्होंने बात पलटी, "अगर ताइवान हार्डवेयर और सॉफ्टवेयर को अच्छी तरह एकीकृत कर सके, बड़े भाषा मॉडल की क्षमताओं का उपयोग कर सके, तो यह वास्तव में एक बड़ा अवसर है।"¹⁴

ताइवान चिप जानता है, यह दिमाग नहीं जानता

यहाँ एक सवाल अनिवार्य है: क्या वे ताइवानी गिने जाते हैं?

तथ्य सामने हैं: वे क़रीब 15 साल की उम्र में ताइवान छोड़ गए, हाई स्कूल, कॉलेज, ग्रेजुएट स्कूल सभी अमेरिका में हुए, पूरा करियर सिलिकॉन वैली में बीता। वे ताइवानी-अमेरिकी (Taiwanese American) हैं, ताइवान में जन्मे, अमेरिका में पले-बढ़े और बने व्यक्ति। अगर कोई कहे "ताइवान का गौरव" की टोपी एक ऐसे व्यक्ति पर पहनाई जा रही है जो कब का प्रवासी हो चुका है, तो यह संदेह निराधार नहीं है।

लेकिन तराजू के दूसरे पाले में भी ठोस चीज़ें हैं। वे चीनी में साक्षात्कार देते हैं, सक्रिय रूप से कहते हैं "तामशुई में जन्मा, ताइवान की मिट्टी में पला-बढ़ा", कोई परहेज़ नहीं। वे लगातार ताइवान लौटकर भाषण देते रहे हैं — शिदा, चुंगहिंग, यांगमिंग च्याओतुंग सभी में उनकी छाप है। ताइवान की दीर्घकालिक देखभाल की दुविधा, सेमीकंडक्टर स्थिति, एआई स्टार्टअप पारिस्थितिकी तंत्र पर उनके ठोस अवलोकन हैं, यहाँ तक कि उन्होंने नाम लेकर कहा कि ताइवान में पहले से ही लगभग पंद्रह हज़ार उपयोगकर्ता डीपमाइंड के प्रोटीन संरचना भविष्यवाणी उपकरण का उपयोग कर रहे हैं।

उनकी "अंदर भी, बाहर भी" स्थिति को सबसे अच्छी तरह समझाने वाली बात ताइवानी शोधकर्ताओं से कही गई एक बात है: "इस क्षेत्र का शोध, मैं वास्तव में इतने सालों से ताइवान लौटता रहा हूँ, हर बार बोला, लेकिन ताइवान के शोधकर्ताओं को... इस पहलू पर करते हुए बहुत कम देखा। बिना कई चिप्स के किया जा सकने वाला शोध।"¹⁵

इस वाक्य में दो पहचानें खींचतान कर रही हैं। "ताइवान लौटकर" बोलना, खुद को यहाँ का मानने वाले व्यक्ति की भाषा है; लेकिन "हर बार बोला, फिर भी कोई नहीं करता" में एक बाहरी की दूरी है — जैसे कोई बहुत सालों बाद घर लौटे, देखे कि घर का एक कोना कोई साफ नहीं कर रहा, बेचैन हो, फिर भी ताकत न लगा सके। वे ताइवान के गौरव हैं या नहीं, यह लेख आपके लिए निष्कर्ष नहीं निकालेगा। तथ्य यहाँ हैं, आप खुद तय करें।

📊 आँकड़ों में वे

स्रोत: एड ची VK EP122 साक्षात्कार, गूगल स्कॉलर, OpenAI o1 सिस्टम कार्ड (arXiv 2412.16720)

तर्क दिखाना, अधिक पारदर्शी है या अधिक तर्कसंगत

चेन ऑफ थॉट एआई को तर्क प्रक्रिया "दिखाने" देता है। सतह पर, यह मशीन को अधिक पारदर्शी बनाता है — आप देख सकते हैं कि यह कैसे सोचता है। लेकिन यहाँ एक चिंता है जिसे एक ईमानदार व्यक्ति को साथ रखना चाहिए।

⚠️ विवादास्पद दृष्टिकोण
चेन ऑफ थॉट एआई को "सोचने की प्रक्रिया" आपके सामने फैला देता है, यह अधिक विश्वसनीय, अधिक भरोसेमंद लगता है। लेकिन अकादमिक जगत पहले ही सवाल उठा चुका है: मॉडल द्वारा दिखाई गई तर्क श्रृंखला, जरूरी नहीं कि उसके आंतरिक निर्णय लेने की प्रक्रिया को वास्तव में प्रतिबिंबित करे (इसे शोध में तर्क श्रृंखला की "वफादारी/faithfulness" समस्या कहा जाता है)। दूसरे शब्दों में, यह संभव है कि यह पहले उत्तर निकाल ले, फिर आपको दिखाने के लिए एक सुंदर तर्क गढ़ ले — अधिक तर्कसंगत, अधिक ईमानदार नहीं। उसी समय, मार्च 2026 में, लॉस एंजिल्स की एक जूरी ने एक सोशल मीडिया व्यसन मामले में, यूट्यूब आदि प्लेटफॉर्म को किशोर व्यसन के लिए जिम्मेदार ठहराया, गूगल पर लगभग 30% जिम्मेदारी डाली। एड ची ने यूट्यूब रिकमेंडेशन सिस्टम आदि उपलब्धियों के लिए ACM फेलो प्राप्त किया, लेकिन एल्गोरिदम द्वारा लाए जा सकने वाले नुकसान के बारे में लगभग कभी सार्वजनिक रूप से बात नहीं की। एक व्यक्ति जो मशीन को "अधिक तर्क करने योग्य" बनाता है, "मशीन अधिक तर्कसंगत होने के बाद, जवाबदेही क्या और कठिन तो नहीं हो जाएगी" इस प्रश्न पर, वर्तमान में मौन है। इसे इंगित करने का उद्देश्य किसी को बदनाम करना नहीं; बस यह कहना है, जब हम एक ताइवानी के एआई के सबसे आगे खड़े होने पर गर्व करते हैं, तो इन सवालों को भी दृष्टि में रखना चाहिए।

इस विरोधाभास का कोई साफ उत्तर नहीं, लेकिन इसका होना भी नहीं चाहिए। एक तकनीक जो एआई को अधिक मानवीय बनाती है, मनुष्य के सर्वोत्तम और सबसे कष्टप्रद गुणों को एक साथ बढ़ाएगी — मनुष्य तर्क करता है, मनुष्य अपने निर्णयों के लिए कारण भी गढ़ता है। दोनों पक्षों को एक साथ देखना ही इस मामले को गंभीरता से लेना है।

फिर क्या

एड ची ने आठ साल का एक चक्र देखा: 1991 इंटरनेट, 1999 गूगल जन्म, 2007 आईफोन, 2015 डीप लर्निंग परिपक्व, 2023 जेमिनी और चैटजीपीटी। इस लय से, अगला मोड़ 2031 के आसपास आएगा। वे कहते हैं, तब "कोई इस बात पर आश्चर्य नहीं करेगा कि आप बड़े मॉडल का उपयोग कर रहे हैं" — जैसे आज कोई इस बात पर आश्चर्य नहीं करता कि आप फोन का उपयोग कर रहे हैं।

वे अभी जिस दिशा पर दाँव लगा रहे हैं, वह है एआई को स्क्रीन से बाहर निकालकर वास्तविक दुनिया में लाना: आपकी स्थिति समझने वाला प्रोजेक्ट एस्ट्रा, घरेलू काम करने वाला रोबोट। वे जिस बारे में सबसे अधिक भावुक होकर बोलते हैं, वह है ताइवान की दीर्घकालिक देखभाल। "क्या वास्तव में कुछ अधिक किफायती रोबोट होंगे, जो घर के कामों में मदद कर सकें?" — कपड़े धोना, खाना बनाना, मरीज को पलटना, समय पर दवा देना। जब एक समाज श्रमिकों की कमी, देखभाल कर्मियों की कमी, अस्पताल में बिस्तरों की कमी का सामना करता है, ये विज्ञान कथा जैसी चीज़ें वास्तव में बहुत व्यावहारिक आशाएँ हैं।

गूगल द्वारा जारी प्रोजेक्ट एस्ट्रा दृष्टि वीडियो, यह वह दिशा है जिसका एड ची अभी नेतृत्व कर रहे हैं: एक सामान्य सहायक जो आपके साथ एक ही वातावरण में रह सके, आपकी स्थिति समझ सके।

वापस उस डेस्क पर।

एक तामशुई का बच्चा, क़रीब 15 साल की उम्र में माँ के साथ मिनेसोटा गया, माँ की शैक्षिक मनोविज्ञान पीएचडी थीसिस लिखने में मदद करते हुए "मनुष्य कैसे सीखता है" सीखा। तीस साल बाद, उन्होंने मनुष्य के बारे में इस अवधारणा को मशीनों को सोचना सिखाने की विधि में बदल दिया। जब किसी दिन, आपकी दादी घर के रोबोट से कहेगी "मैंने तुम्हें एक बार सिखाया, तुम अभी भी नहीं सीखे" — उस रोबोट के चरणबद्ध तर्क करने, चिंतन करने, एक से अनेक में विस्तार करने के पीछे, एक लंबी डोर खिंची हुई है। डोर का एक सिरा सिलिकॉन वैली की प्रयोगशाला में है, दूसरा सिरा, तामशुई में है।

छवि स्रोत

• एड ची व्याख्यान फोटो (हीरो): GQ Taiwan《GQ 專訪》紀懷新 — fair use editorial commentary
• Junyu-K / Wikimedia Commons — CC BY-SA 4.0 (तामशुई यूचेकोउ लकड़ी बोर्डवॉक सूर्यास्त)
• SavagePanda845 (Elliot F) / Wikimedia Commons — CC BY-SA 4.0 (मिनेसोटा विश्वविद्यालय परिसर)
• The wub / Wikimedia Commons — CC BY-SA 4.0 (ज़ेरॉक्स अल्टो कंप्यूटर)
• चेन ऑफ थॉट पेपर Figure 1: Wei et al. 2022, arXiv:2201.11903 — fair use academic

विस्तारित पठन

• जेन्सन हुआंग — एआई को तेज़ दौड़ाने वाला ताइवान का गौरव, हार्डवेयर वाला पहलू
• मॉरिस चांग — ताइवान सेमीकंडक्टर के संस्थापक, एड ची के मुँह में "हिलाना मुश्किल" वह पहाड़
• एआई उद्योग — वैश्विक एआई आपूर्ति श्रृंखला में ताइवान की स्थिति
• ताइवान कृत्रिम बुद्धिमत्ता विकास और भविष्य रणनीति — ताइवान एआई का समग्र चित्र
• ताइवान एआई दैनिक — एआई पहले से ताइवानी लोगों के जीवन में कैसे प्रवेश कर चुका है

संदर्भ