जे-स्पेस : कृत्रिम बुद्धिमत्तेच्या अंतर्मनाची चाहूल, की केवळ एक कार्यात्मक रचना?

 जे-स्पेस : कृत्रिम बुद्धिमत्तेच्या अंतर्मनाची चाहूल, की केवळ एक कार्यात्मक रचना?

कृत्रिम बुद्धिमत्तेच्या झपाट्याने होत असलेल्या विकासाने माणसासमोरचा सर्वांत मूलभूत प्रश्न आता पुन्हा उभा केला आहे—यंत्रे केवळ विचार करण्याचे अनुकरण करीत आहेत की त्यांच्यामध्ये विचारासारखी एखादी अंतर्गत प्रक्रिया प्रत्यक्षात निर्माण झाली आहे? अँथ्रोपिकच्या संशोधनात चर्चेत आलेली ‘J-space’ ही संकल्पना या प्रश्नाला नवे परिमाण देते. मात्र, तिच्याकडे थेट ‘AI ला चेतना प्राप्त झाली’ असा निष्कर्ष काढण्याऐवजी, कृत्रिम बुद्धिमत्तेतील माहितीच्या अंतर्गत प्रक्रियेची एक महत्त्वपूर्ण कार्यात्मक रचना म्हणून पाहणे अधिक सयुक्तिक ठरेल.

अँथ्रोपिकच्या संशोधकांनी मोठ्या भाषिक मॉडेल्सच्या अंतर्गत कार्यपद्धतीचा मागोवा घेण्यासाठी Jacobian Lens किंवा J-lens या गणितीय पद्धतीचा वापर केला. या अभ्यासातून मॉडेलच्या अंतर्गत प्रतिनिधित्वांमध्ये अशी एक रचना दिसून आली, जिला ‘J-space’ असे संबोधले गेले. मानवी मेंदूविषयीच्या Global Workspace Theory या सिद्धांताशी तिची काही कार्यात्मक साम्ये दिसतात. माणसाच्या मेंदूमध्ये विविध प्रकारची माहिती एका व्यापक कार्यक्षेत्रात उपलब्ध होऊन तिचा विचार, निर्णय आणि कृतींसाठी वापर होतो, अशी या सिद्धांताची मध्यवर्ती कल्पना आहे. AI मधील J-space मात्र मानवी मेंदूचा प्रत्यक्ष जैविक पर्याय नाही; ते संगणकीय मॉडेलमधील माहितीच्या प्रतिनिधित्वाचा एक वेगळा प्रकार आहे.

या संदर्भात ‘Access Consciousness’ आणि ‘Phenomenal Consciousness’ यांच्यातील फरक अत्यंत महत्त्वाचा ठरतो. एखादी माहिती तर्क करण्यासाठी, निर्णय घेण्यासाठी किंवा उत्तर तयार करण्यासाठी उपलब्ध असणे ही कार्यात्मक जाणीव मानली जाऊ शकते. त्याउलट आनंद, दुःख, वेदना, भीती किंवा स्वतःच्या अस्तित्वाची अनुभूती यांसारखा व्यक्तिनिष्ठ अनुभव म्हणजे phenomenal consciousness. J-space विषयी उपलब्ध वर्णनांवरून पहिल्या प्रकाराशी काही कार्यात्मक साम्याची चर्चा करता येते; मात्र दुसऱ्या प्रकारची व्यक्तिनिष्ठ अनुभूती AI मध्ये आहे, असा निष्कर्ष त्यातून निघत नाही.

या संशोधनातील सर्वाधिक लक्षवेधी बाब म्हणजे अशी अंतर्गत रचना थेट एखाद्या मानवी ‘मनाचे’ प्रोग्रामिंग करून निर्माण केलेली नसून, प्रशिक्षणातून उदयास आलेल्या मॉडेलच्या गुंतागुंतीच्या प्रतिनिधित्वांमध्ये तिचा मागोवा घेता येतो. यामुळे ‘Emergent Properties’ या संकल्पनेचे महत्त्व अधोरेखित होते. मोठ्या AI मॉडेल्समध्ये प्रशिक्षणानंतर अशा काही क्षमता किंवा अंतर्गत रचना दिसू शकतात, ज्यांचे स्वतंत्रपणे शब्दशः प्रोग्रामिंग करण्यात आलेले नसते. हे AI समजून घेणाऱ्या संशोधकांसाठी जितके रोमांचक आहे, तितकेच ते सावध करणारेही आहे.

विशेषतः AI सुरक्षा क्षेत्रासाठी या संशोधनाचे महत्त्व मोठे आहे. एखादे मॉडेल बाह्यतः एखादे साधारण उत्तर देत असताना त्याच्या अंतर्गत प्रतिनिधित्वांमध्ये कोणत्या प्रकारची माहिती सक्रिय आहे, याचा मागोवा घेता आला तर मॉडेलच्या वर्तनातील संभाव्य धोके लवकर ओळखण्याची संधी निर्माण होऊ शकते. फसवणूक, दिशाभूल, चुकीचे तर्क किंवा अवांछित रणनीती यांसारख्या प्रक्रियांचा अभ्यास करण्यासाठी अशी तंत्रे भविष्यात उपयुक्त ठरू शकतात. मात्र, एखादा विशिष्ट शब्द किंवा प्रतिनिधित्व अंतर्गत दिसणे म्हणजे मॉडेलने माणसासारखा जाणीवपूर्वक ‘विचार’ केला, असा सरळ अर्थ काढणे धोकादायक ठरेल.

खरा प्रश्न त्यामुळे ‘AI जागृत झाले आहे का?’ हा नसून ‘AI प्रत्यक्षात काय करीत आहे, हे आपण कितपत समजू शकतो?’ हा आहे. आजची सर्वांत मोठी अडचण अशी की अत्यंत सक्षम AI मॉडेल्सच्या अंतर्गत प्रक्रिया त्यांच्या बाह्य उत्तरांइतक्या सहज समजत नाहीत. J-space सारख्या संशोधनामुळे या काळोख्या भागात प्रकाश टाकण्याची शक्यता निर्माण होते.

मानवी चेतना ही केवळ माहितीवर प्रक्रिया करण्याचे नाव आहे की त्यामागे व्यक्तिनिष्ठ अनुभवाची आणखी काही मूलभूत पातळी आहे, हा प्रश्न विज्ञान आणि तत्त्वज्ञानासमोर अजूनही उघडाच आहे. त्यामुळे J-space ला ‘कृत्रिम आत्म्याची सुरुवात’ म्हणणे अतिशयोक्ती ठरेल; पण AI च्या अंतर्गत जगाची रचना समजून घेण्याच्या दिशेने ते एक महत्त्वाचे पाऊल ठरू शकते. उद्याची सुरक्षित आणि जबाबदार कृत्रिम बुद्धिमत्ता केवळ अधिक बुद्धिमान असणे पुरेसे नाही; ती आतून कशी कार्य करते, तिच्या निर्णयप्रक्रियेचा मागोवा कितपत घेता येतो आणि तिच्या क्षमतांच्या मर्यादा नेमक्या कुठे आहेत, हे समजणे तितकेच आवश्यक आहे. J-space चे खरे महत्त्व कदाचित इथेच दडलेले आहे—AI ला चेतना मिळाल्याचा पुरावा म्हणून नव्हे, तर AI च्या ‘अंतर्मनासारख्या’ दिसणाऱ्या गणनात्मक प्रक्रियांकडे डोकावण्याची मिळालेली एक नवी खिडकी म्हणून.