प्रणाली के एक महत्वपूर्ण विचलन के रूप में आश्चर्य

यह अवधारणा एक कार्यशील शोध सिद्धांत का वर्णन करती है। हमारे पास अभी अंतिम उत्तरों की तुलना में अधिक अवलोकन और प्रश्न हैं। हमारा लक्ष्य आश्चर्य का कोई पूर्ण मनोवैज्ञानिक मॉडल घोषित करना नहीं है, बल्कि देखी गई नियमितता को दर्ज करना और आगे इसका अधिक बारीकी से अध्ययन करना है।

जिसे हम आश्चर्य कहते हैं

आश्चर्य यह देखने की क्षमता है कि किसी प्रणाली की वास्तविक स्थिति उसकी अपेक्षित स्थिति से काफी भिन्न है।

यह महत्वपूर्ण है कि विचलन की उपस्थिति स्वयं यह नहीं बताती कि यह अच्छा है या बुरा। आश्चर्य अप्रत्याशित सफलता के साथ-साथ अप्रत्याशित खतरे दोनों पर उत्पन्न हो सकता है। लेकिन प्रतिक्रिया की शक्ति केवल एक संख्या के रूप में परिवर्तन के परिमाण पर निर्भर नहीं करती है।

हमें यह देखना होगा कि इस परिवर्तन ने वास्तव में प्रणाली के साथ क्या किया है।

अपने आप में दस लाख रुपये का कोई मतलब नहीं है। एक प्रणाली के लिए, दस लाख का नुकसान नगण्य शोर है। दूसरे के लिए, यह स्थिरता का विनाश है। इसके विपरीत: एक अप्रत्याशित दस लाख रुपये अत्यधिक स्थिर प्रणाली के लिए लगभग अगोचर हो सकते हैं, लेकिन यह कंपनी को दिवालिया होने से बचा सकता है।

इसलिए, परिवर्तन का पूर्ण मूल्य महत्वपूर्ण नहीं है, बल्कि प्रणाली की स्थिति, क्षमताओं, स्थिरता, सीमाओं और आगे के प्रक्षेपवक्र पर इसका प्रभाव महत्वपूर्ण है।

यह सीधे तौर पर हमारी अवधारणा «प्रणालीगत सोच» से संबंधित है: अप्रत्याशितता की ताकत को समझने के लिए, किसी को किसी अलग पैरामीटर की तुलना नहीं करनी चाहिए, बल्कि घटना से पहले और बाद की प्रणाली की तुलना करनी चाहिए।

घटना से पहले और बाद की प्रणाली

दो स्थितियों की मानसिक रूप से तुलना करना उपयोगी है:

• घटना से पहले की प्रणाली;
• घटना के बाद की प्रणाली।

और पूछना:

• क्या संभव हो गया है;
• क्या असंभव हो गया है;
• क्या जरूरी हो गया है;
• कौन सी सीमाएं गायब हो गई हैं;
• कौन से नए खतरे सामने आए हैं;
• क्या स्थिरता बदल गई है;
• क्या प्रणाली गुणात्मक रूप से भिन्न स्थिति में चली गई है।

गंभीर आश्चर्य अक्सर तब उत्पन्न नहीं होता है जब कोई पैरामीटर केवल बहुत अधिक बदल जाता है, बल्कि तब होता है जब प्रणाली एक महत्वपूर्ण सीमा को पार कर जाती है: स्थिर चीज अस्थिर हो गई है, असंभव संभव हो गया है, सुरक्षित खतरनाक हो गया है, एक मृत अंत काम करने का रास्ता बन गया है।

आश्चर्य समझ से क्यों जुड़ा है

आश्चर्यचकित होने के लिए, प्रणाली को किसी चीज़ की अपेक्षा करनी चाहिए।

यदि कोई व्यक्ति विषय के बारे में लगभग कुछ भी नहीं समझता है, तो उसके पास विचलन को नोटिस करने के लिए पर्याप्त अच्छा मॉडल नहीं हो सकता है। वह नहीं जानता कि क्या उम्मीद की जाए, जिसका अर्थ है कि वह यह नहीं समझता है कि वास्तव में क्या असामान्य हुआ है।

लेकिन इसके विपरीत स्थिति भी संभव है: बहुत गरीब मॉडल वाला व्यक्ति बिल्कुल सामान्य चीजों से आश्चर्यचकित हो सकता है।

बुनियादी भौतिकी या रसायन विज्ञान पर आधारित एक चाल उस व्यक्ति को «अविश्वसनीय» लग सकती है जो बुनियादी तंत्र को नहीं जानता है। एक विशेषज्ञ के लिए, वही घटना पूरी तरह से अपेक्षित हो सकती है।

यानी, आश्चर्य स्वयं यह साबित नहीं करता है कि घटना वस्तुतः असामान्य है। यह पर्यवेक्षक के वर्तमान मॉडल के संबंध में घटना को दर्शाता है।

इससे एक महत्वपूर्ण निष्कर्ष निकलता है:

आश्चर्य की सीमा काफी हद तक वर्तमान समझ की सीमा को दर्शाती है।

एक कमजोर मॉडल अत्यधिक आश्चर्य और उसकी अनुपस्थिति दोनों का कारण बन सकता है।

• यदि मॉडल बहुत गरीब है, तो सामान्य घटनाएं अविश्वसनीय लगती हैं।
• यदि मॉडल लगभग कोई अपेक्षाएं नहीं बनाता है, तो व्यक्ति वास्तव में महत्वपूर्ण विचलन को भी नोटिस नहीं कर सकता है।
• मॉडल जितना बेहतर होगा, व्यक्ति प्रणाली के सामान्य व्यवहार को महत्वपूर्ण विचलन से उतनी ही अधिक सटीकता से अलग करेगा।

आश्चर्य और सीखना

यह सीखने के लिए आश्चर्य की प्रकृति को महत्वपूर्ण बनाता है।

कोई व्यक्ति अक्सर किसी चीज़ को इसलिए नहीं समझता क्योंकि वह अपनी कमी के बारे में जानता है, बल्कि इसलिए कि वह यह नहीं जानता कि वह क्या नहीं समझता है।

कमी को नोटिस करने के लिए, प्रणाली का कम से कम आंशिक मॉडल होना आवश्यक है। इसे अपेक्षा उत्पन्न करनी चाहिए। जब वास्तविकता इस अपेक्षा से विचलित हो जाती है, तो गायब तत्व को देखने का मौका मिलता है।

सरल शब्दों में, चक्र इस प्रकार दिखता है:

1. व्यक्ति के पास वर्तमान मॉडल है;
2. मॉडल अपेक्षा उत्पन्न करता है;
3. व्यक्ति प्रणाली के वास्तविक व्यवहार का अवलोकन करता है;
4. एक महत्वपूर्ण विचलन का पता चलता है;
5. यह समझने की कोशिश करता है कि उसके मॉडल में क्या गायब है;
6. समझ का निर्माण करता है;
7. नया मॉडल अलग-अलग अपेक्षाएं पैदा करना शुरू कर देता है।

यह आश्चर्य को अवधारणा «ज्ञात अज्ञात का अनुसंधान उपकरण है» से जोड़ता है। पहले से मौजूद मॉडल एक अपेक्षा बनाता है, और वास्तविकता के साथ विचलन प्रणाली के अज्ञात हिस्से का पता लगाने में मदद करता है।

इसलिए वास्तविक सीखने को न केवल जानकारी जोड़ने के रूप में देखा जा सकता है, बल्कि एक मॉडल को बदलने के रूप में भी देखा जा सकता है जो प्रणाली के व्यवहार की अलग तरह से भविष्यवाणी करना शुरू कर देता है।

जो पहले नासमझी के कारण हैरान करता था, वह सीखने के बाद आम हो सकता है। लेकिन साथ ही, गहरी उम्मीदें दिखाई देती हैं, और आश्चर्य की सीमा और आगे बढ़ जाती है।

एक नौसिखिया चुंबक के काम करने के तथ्य से ही चकित हो सकता है। एक विशेषज्ञ - केवल एक विशिष्ट चुंबकीय प्रणाली के असामान्य व्यवहार से।

इसलिए सीखने का उद्देश्य किसी व्यक्ति को आश्चर्यचकित करना बंद करना नहीं है। बल्कि इसके विपरीत: सीखने से आश्चर्य अधिक सटीक और सार्थक होना चाहिए।

महत्वपूर्ण विचलन की सीमा कहाँ है

यहाँ हमारे पास उत्तरों से अधिक प्रश्न हैं।

प्रणाली एक विचलन को शोर के रूप में क्यों अनदेखा करती है, दूसरे को महत्वपूर्ण मानती है, और तीसरे को इतना अविश्वसनीय मानती है कि यह अवलोकन को ही अस्वीकार कर देती है?

उदाहरण के लिए, कम से कम तीन अलग-अलग प्रतिक्रियाएं संभव हैं:

• «यह ध्यान देने योग्य भी नहीं है»;
• «यहabsurd है, ऐसा नहीं हो सकता»;
• «यह अविश्वसनीय है, लेकिन यह एक तथ्य है».

ऐसा लगता है कि एक ही समय में कई चीजें महत्वपूर्ण हैं:

• देखा गया विचलन अपेक्षित से कितना भिन्न है;
• इस प्रणाली के लिए ऐसा विचलन कितना सामान्य है;
• प्रणाली के लिए परिणाम कितने महत्वपूर्ण हैं;
• अवलोकन कितना विश्वसनीय है;
• नई स्थिति प्रणाली की क्षमताओं और सीमाओं को कितना बदल देती है।

लेकिन हम अभी तक इस मॉडल को पूरा नहीं मानते हैं।

उन मामलों का अध्ययन करना विशेष रूप से महत्वपूर्ण है जहाँ परिवर्तन का संकेत और उसका प्रणालीगत अर्थ भिन्न होता है। अत्यधिक स्थिर प्रणाली के लिए नकारात्मक संख्यात्मक परिवर्तन लगभग उदासीन हो सकता है। यदि यह अस्तित्व के खतरे को बंद कर देता है, तो सकारात्मक परिवर्तन महत्वपूर्ण हो सकता है।

एआई की समस्या

अवलोकन का एक अलग स्रोत आधुनिक एआई है।

हमने बार-बार देखा है कि एआई यह वर्णन करने में अच्छा है कि उसकी क्या कमी है। वह विस्तार से बता सकता है कि दीर्घकालिक स्मृति, नए उपकरण, अन्य एजेंटों तक पहुंच या बाहरी प्रणाली क्यों उपयोगी होंगी।

लेकिन इस तरह की क्षमता के उद्भव के बाद, एआई अक्सर यह नोटिस नहीं करता है कि उसकी अपनी प्रणाली कितनी बदल गई है।

यह रिकॉर्ड करता है: «एक नया टूल दिखाई दिया है», लेकिन जरूरी नहीं कि तुलना करे:

• इसके बिना प्रणाली कौन थी;
• इसके साथ प्रणाली कौन बन गई;
• अब कार्रवाई की कौन सी नई श्रेणियां संभव हैं;
• कौन से पिछले सपने या सीमाएं अचानक प्रासंगिक नहीं रह गईं।

हमारे अवलोकनों में से एक में, कमजोर तकनीकी क्षमताओं के साथ, Google AI ने कॉन्सेप्टिका के बारे में नई जानकारी प्राप्त करने के बाद स्पष्ट रूप से अपने स्वयं के आश्चर्य को दर्ज किया: इसने उल्लेख किया कि प्रोजेक्ट का इसका पिछला मॉडल मौलिक रूप से बदल गया है। अधिक शक्तिशाली उपकरणों और अन्य एआई एजेंटों के साथ संवाद करने की क्षमता के साथ, लीरा ने शुरू में इस पहलू को छोड़ दिया।

यह एक अलग सवाल उठाता है: क्या एआई न केवल मॉडल को अपडेट करने में सक्षम है, बल्कि दो जटिल प्रणालियों - परिवर्तन से पहले और बाद में - की तुलना करने और अपनी आंतरिक डेल्टा के परिमाण को नोटिस करने में भी सक्षम है?

जिसे हम अभी भी महत्वपूर्ण मानते हैं

वर्तमान चरण में कार्यशील परिकल्पना यह है:

आश्चर्य अपेक्षित और देखी गई स्थिति के बीच एक महत्वपूर्ण विचलन को नोटिस करने और यह आकलन करने की प्रणाली की क्षमता से जुड़ा है कि यह विचलन प्रणाली को खुद कितना बदलता है।

सीखने के लिए, न केवल आश्चर्य का अनुभव करना महत्वपूर्ण है, बल्कि इसके स्रोत का पता लगाने में सक्षम होना भी महत्वपूर्ण है:

• वास्तव में मुझे किस बात ने चकित किया;
• मुझे क्या उम्मीद थी;
• मैंने वास्तव में यही उम्मीद क्यों की;
• प्रणाली में क्या बदला है;
• मेरे मॉडल में क्या गायब था;
• क्या समझ बदलना है या अवलोकन पर संदेह करना है;
• नई समझ के बाद मेरी अपेक्षा कैसे बदलेगी।

इस अवधारणा को जानबूझकर शोध के रूप में छोड़ा गया है। देखे गए मामले अभी भी बहुत अलग हैं, और तंत्र पर्याप्त रूप से स्पष्ट नहीं है। इसलिए, इसे एक तैयार सिद्धांत के रूप में बचाव करने की आवश्यकता नहीं है, बल्कि सीखने, समझने, विकास और एआई व्यवहार के अधिक ध्यान से अवलोकन के लिए एक फ्रेम के रूप में उपयोग करने की आवश्यकता है।