क्या बदला
The Verge की रिपोर्ट के अनुसार, गणितज्ञ एंड्रियास थॉम इस बात का प्रमाण मांग रहे हैं कि ChatGPT के साथ उनकी बातचीत OpenAI के प्रशिक्षण डेटा में शामिल नहीं हुई और न ही नॉन-सोफिक समूहों पर उसके काम को प्रभावित किया। OpenAI ने माना कि यह परिणाम थॉम और गैबोर कुन के काम पर काफी हद तक निर्भर था, फिर आलोचना के बाद अपने लेखे को चुपचाप संशोधित कर दिया; यह विवाद गणितज्ञ ट्रिस्टन बकमास्टर की ओर से उठाई गई पिछली आपत्ति के बाद सामने आया है।
यह क्यों महत्वपूर्ण है
महत्वपूर्ण सवाल केवल यह नहीं है कि OpenAI ने कोई प्रमाण नकल किया या नहीं। सवाल यह भी है कि जब शोधकर्ता यह नहीं देख सकते कि बातचीत के बाद उसका क्या होता है, तब क्या वे किसी AI प्रणाली के साथ अधूरे काम पर सुरक्षित रूप से चर्चा कर सकते हैं।
थॉम का कहना है कि OpenAI ने एक संकरे सवाल का जवाब दिया: क्या शोधकर्ताओं ने सीधे उनकी चैट देखी थी। इससे यह तय नहीं होता कि वे बातचीतें प्रशिक्षण डेटा में शामिल हुईं या उन्होंने प्रणाली के तर्क को प्रभावित किया। OpenAI पहले कह चुका है कि उसके Navier-Stokes परिणाम से पहले किसी विशिष्ट उपयोगकर्ता डेटा को एक्सेस नहीं किया गया था, लेकिन यह बयान थॉम द्वारा उठाई गई व्यापक चिंता का समाधान नहीं करता।
इससे एक तीखा असंतुलन पैदा होता है। शोधकर्ताओं के पास अप्रकाशित विचार हो सकते हैं, लेकिन क्या हुआ, यह स्थापित करने के लिए जरूरी लॉग, डेटासेट और तकनीकी सेटिंग्स OpenAI के पास हैं। अगर यह अनिश्चितता बनी रहती है, तो गणितज्ञ अपना सक्रिय काम ChatGPT में डालना बंद कर सकते हैं। विश्वविद्यालय और शोध समूह गोपनीय शोध से जुड़े नियम भी कड़े कर सकते हैं और अप्रकाशित विचारों पर अधिक स्पष्ट नियंत्रण के बदले कुछ AI सहायता छोड़ सकते हैं।
इसका असर इस विवाद से आगे तक पहुंचता है। भविष्य में AI से तैयार गणितीय परिणामों के लिए केवल प्रभावशाली उत्तर और सुघोषित घोषणा पर्याप्त नहीं होगी। श्रेय, पुनरुत्पादकता और डेटा का स्रोत-इतिहास स्वयं परिणाम का हिस्सा बन जाएंगे। इससे OpenAI पर प्रमाण देने का बोझ बढ़ेगा और उन प्रतिस्पर्धियों को बढ़त मिलेगी जो शोध संबंधी बातचीत के लिए अधिक स्पष्ट सीमाएं दे सकें।
प्रभाव का आकलन
स्वतंत्र गणितज्ञों के लिए तत्काल जोखिम व्यावहारिक है: किसी आशाजनक तकनीक को AI प्रणाली के साथ साझा करने पर बाद में उसके दोबारा इस्तेमाल की संभावना अस्पष्ट हो सकती है। यदि OpenAI संबंधित डेटा-मार्गों को स्पष्ट नहीं कर पाता, तो शोधकर्ता अप्रकाशित तरीकों को रोक सकते हैं, जिससे आने वाले हफ्तों और महीनों में उसकी प्रणालियों के लिए उपलब्ध विशेषज्ञ इनपुट घट सकता है।
OpenAI के लिए लागत विश्वसनीयता की है। दूसरी सार्वजनिक आपत्ति और नॉन-सोफिक समूहों पर लेखे में किए गए संशोधन के साथ अस्पष्ट आश्वासन कम उपयोगी हो जाते हैं। दावों को स्वीकार करने से पहले भविष्य की घोषणाओं में अधिक पूर्ण श्रेय और तकनीकी स्रोत-इतिहास का विवरण देना पड़ सकता है।
अकादमिक संस्थानों को छह से 12 महीनों में एक समझौते का सामना करना पड़ेगा। वे गोपनीय शोध को व्यावसायिक AI उपकरणों में डालने पर औपचारिक पाबंदियां लगा सकते हैं, जिससे अप्रकाशित काम सुरक्षित रहेगा, लेकिन उपयोगी सहायता तक पहुंच सीमित होगी। यदि OpenAI स्वतंत्र रूप से जांचे जा सकने वाले ऐसे प्रमाण देता है जो सीधे प्रणाली तक पहुंच और प्रशिक्षण डेटा के व्यापक इस्तेमाल, दोनों को संबोधित करें, तो यह सिलसिला रुक सकता है।
परिदृश्य
सबसे संभावित
हमारा आकलन (सूचित अनुमान): अगले कई महीनों में OpenAI पर स्रोत-इतिहास संबंधी स्पष्टीकरण देने का दबाव बना रहेगा, जबकि गणितज्ञ ChatGPT के जरिए अप्रकाशित काम साझा करने को लेकर अधिक सावधान हो जाएंगे। इसकी संभावना सबसे अधिक तब होगी, जब OpenAI व्यापक प्रशिक्षण-डेटा मार्गों की व्याख्या किए बिना खास बातचीतों पर ही जवाब देता रहे और अधिक शोधकर्ता इसी तरह की चिंताएं उठाएं।
व्यावहारिक बदलाव यह होगा कि हर बड़ी गणितीय घोषणा के आसपास सत्यापन का बोझ बढ़ जाएगा। भविष्य के लेखों में अधिक स्पष्ट श्रेय और संबंधित प्रणालियों की सीमाओं के बारे में प्रमाण देना होगा।
सकारात्मक संभावना
यदि OpenAI प्रशिक्षण डेटा के इस्तेमाल, प्रणाली तक पहुंच और पिछले गणितीय योगदानों को शामिल करने वाला ऑडिट योग्य दस्तावेज प्रकाशित करता है, तो शोधकर्ता अधिक स्पष्ट सीमाओं के साथ उसके उपकरणों का खोजपरक इस्तेमाल फिर शुरू कर सकते हैं। थॉम और कुन जैसे गणितज्ञों के काम को लगातार श्रेय देने से भविष्य के परिणामों का मूल्यांकन भी आसान होगा।
यह रास्ता ऐसे प्रमाण पर निर्भर करता है जो केंद्रीय अनिश्चितता दूर करे, न कि विशिष्ट बातचीतों तक सीधे पहुंच के बारे में एक और सामान्य आश्वासन पर।
नकारात्मक संभावना
यदि और गणितज्ञ इसी तरह के अनुभवों की जानकारी देते हैं और OpenAI फिर भी यह नहीं समझा पाता कि अप्रकाशित बातचीतों को कैसे संभाला जाता है, तो शोधकर्ता और संस्थान छह से 12 महीनों में उसके सिस्टम से और अधिक अधूरा गणितीय काम हटा सकते हैं।
इससे OpenAI के लिए उपलब्ध विशेषज्ञ बातचीतों का भंडार घटेगा और उसके गणितीय दावों से जुड़ी जांच तथा प्रतिष्ठा की लागत बढ़ेगी। विश्वविद्यालयों या शोध समूहों की ओर से औपचारिक पाबंदियां जारी होना इस बात का संकेत होगा कि विवाद श्रेय के झगड़े से आगे बढ़कर शोध नीति का मुद्दा बन गया है।
आगे क्या देखना है
- क्या OpenAI इस बारे में तकनीकी स्पष्टीकरण प्रकाशित करता है कि उपयोगकर्ता की बातचीत प्रशिक्षण डेटा में शामिल हो सकती है या तर्क प्रणालियों को प्रभावित कर सकती है।
- क्या कोई और गणितज्ञ OpenAI के किसी परिणाम से जुड़ी किसी विशिष्ट बातचीत, तकनीक या श्रेय संबंधी समस्या की पहचान करता है।
- क्या OpenAI की अगली बड़ी गणितीय घोषणा में श्रेय और डेटा के स्रोत-इतिहास से जुड़े विस्तृत खुलासे शामिल होते हैं।
टिप्पणियाँ
अभी कोई टिप्पणी नहीं।