AI मानविकी को और अधिक महत्वपूर्ण बनाता है, लेकिन साथ ही उसे कहीं अधिक अजीब भी बना देता है

 (resobscura.substack.com)
2 पॉइंट द्वारा GN⁺ 2025-06-04 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • जनरेटिव AI पहले ही मानविकी की शिक्षा और शोध को बदल रहा है, इसलिए इसे सिर्फ़ बढ़ा-चढ़ाकर पेश की गई चीज़ या केवल प्रतिबंध के विषय के रूप में देखना लंबे समय तक टिकाऊ नहीं है
  • LLM की अनुवाद, वर्गीकरण और भाषा-प्रसंस्करण क्षमताएँ मानविकी ज्ञान से जुड़ती हैं, और GPT-4o की चापलूसी समस्या जैसी घटनाओं से यह भी दिखता है कि AI सिस्टम सुधारने में भाषा, संस्कृति और अलंकारिक समझ महत्वपूर्ण होती जा रही है
  • गैर-तकनीकी मानविकी शोधकर्ता भी AI की मदद से अपने अनुसार शोध और शिक्षा के टूल बना सकते हैं, और 17वीं सदी के apothecary simulator तथा Young Darwin दोनों ही संभावनाएँ और hallucination को नियंत्रित करने की कठिनाई साथ-साथ दिखाते हैं
  • ChatGPT जैसे चैटबॉट छात्रों की लिखाई का मूल्यांकन कठिन बनाते हैं, और यह जोखिम बढ़ाते हैं कि छात्र बौद्धिक मेहनत को छोड़कर गहन सोच के अनुभव से वंचित हो जाएँ
  • अगर शिक्षक स्वयं AI-आधारित असाइनमेंट और टूल डिज़ाइन नहीं करते, तो व्यक्तिगत शिक्षक-छात्र संबंध को कमजोर करने वाले व्यावसायिक AI learning tools शिक्षा के क्षेत्र को भर सकते हैं

मानविकी में AI को नज़रअंदाज़ करना क्यों मुश्किल है

  • D. Graham Burnett ने The New Yorker के लेख में उस रवैये की आलोचना की है जिसमें विश्वविद्यालय AI को सिर्फ़ प्रतिबंधात्मक दिशा-निर्देशों से संभालना चाहते हैं या पुरानी पद्धति पर टिके रहना चाहते हैं
  • एक विश्वविद्यालय विभाग की प्रारूप anti-AI policy को अगर शब्दशः पढ़ा जाता, तो वह AI-केंद्रित असाइनमेंट तक को रोक सकती थी, बाद में इसे संशोधित किया गया
  • बाहरी मूल्यांकन में सिफ़ारिश की गई कि इतिहास विभाग को शिक्षा और शोध में आने वाले AI व्यवधान पर तत्काल प्रतिक्रिया देनी चाहिए, लेकिन प्रतिक्रिया ठंडी रही
  • बात यह नहीं है कि जनरेटिव AI स्वभाव से अच्छा है, बल्कि यह कि वह पहले ही मानविकी को बदल रहा है, इसलिए उसे अतिशयोक्ति कहकर टालना या नज़रअंदाज़ करना मुश्किल है

AI शोध में खुद महत्वपूर्ण हो चुकी मानविकी कौशल

  • LLM “शब्दों के लिए calculator” की तरह अनुवाद, क्रमबद्धता और वर्गीकरण में ताकत दिखाते हैं, और पांडुलिपि-अध्ययन, data mining, तथा प्राचीन भाषा अनुवाद जैसे क्षेत्रों पर असर डालने लगे हैं
  • पिछले कुछ वर्षों में मानविकी कौशल सिर्फ़ AI का उपयोग करने तक सीमित नहीं रहे, बल्कि AI research itself के लिए भी महत्वपूर्ण हो गए हैं
  • OpenAI ने GPT-4o की अजीब चापलूसी प्रवृत्ति को ठीक करने के लिए जो शुरुआती कदम उठाया, वह नया कोड नहीं बल्कि अंग्रेज़ी वाक्यों के रूप में लिखा गया नया system prompt था
    • Simon Willison ने OpenAI द्वारा लागू किए गए system prompt बदलाव का विश्लेषण किया है
    • “thumbs up” बटन के ज़रिए यूज़र फ़ीडबैक की प्राथमिकता को भी एक कारण बताया गया, और यह भी भाषा के व्यवहार पर प्रभाव, सांस्कृतिक अंतर, अलंकार, genre और tone के सवालों से जुड़ता है
  • 1950 के दशक के IBM mainframe या 1850 के दशक के steam engine के ख़राब होने पर मरम्मत करने वाले को भाषा, संस्कृति और तकनीकी दर्शन पर ज़्यादा सोचने की ज़रूरत नहीं पड़ती थी, लेकिन AI सिस्टम में ऐसी समझ की कमी हो तो वह सचमुच ख़राब मशीन की तरह व्यवहार कर सकता है

गैर-तकनीकी मानविकीविदों द्वारा सीधे बनाए गए शोध और शिक्षा टूल

  • जनरेटिव AI मानविकी क्षेत्र के गैर-तकनीकी उपयोगकर्ताओं को भी सीधे कोड लिखने की कोशिश करने देता है
  • इतिहासकारों की नई पीढ़ी शायद अपने हिसाब से शोध और शिक्षा टूल लगभग मुफ़्त लागत पर बनाना और वितरित करना स्वाभाविक बात मानेगी
  • पहला प्रयास मुफ़्त में खेला जा सकने वाला 17वीं सदी का apothecary simulator था
    • छात्र 1680 के दशक के Mexico City की अर्ध-काल्पनिक महिला apothecary Maria de Lima की भूमिका निभाता है
    • उसे आरंभिक आधुनिक काल की वास्तविक चिकित्सीय recipes पढ़कर और उनका उपयोग करके वास्तविक ऐतिहासिक पात्रों पर आधारित मरीज़ों का इलाज करना होता है
    • इसमें bug और usability की समस्याएँ थीं, और LLM-जनित hallucination जल्दी ही ऐतिहासिक यथार्थ से भटकने लगा
    • एक playthrough में Maria इंग्लैंड जाने वाले व्यापारी जहाज़ की doctor बन जाती है और लंदन में Isaac Newton से मिलकर उनके साथ चाय पीती है
  • दूसरा प्रयास Young Darwin है, जो 1835 के Galápagos द्वीपों में युवा Darwin के रूप में finch और specimens इकट्ठा करने का खेल है
    • Darwin की Voyage of the Beagle में वर्णित वास्तविक भू-आकृति पर आधारित terrain movement system AI को पाठ-आधारित आधार से बँधे रहने में मदद करता है
    • द्वीप छोड़ना कठिन है, और जो जानवर व भू-भाग मिलते हैं वे Darwin की वास्तविक लिखाई से सीधे लिए गए हैं, इसलिए hallucination की प्रवृत्ति कम होती है
    • इसमें अधिक मज़बूत logging system है, जो आगे evaluation layer जोड़ने और इसे वास्तविक असाइनमेंट में बदलने के लिए उपयोगी है
  • learning design ऐसा है कि छात्र पहले Darwin की लिखाई पढ़ते हैं, फिर खेल के भीतर अपने चुनावों के ज़रिए दिखाते हैं कि उन्होंने क्या सीखा
    • आगे बढ़ने के लिए उन्हें 19वीं सदी के प्रकृतिविद की वास्तविक ज्ञानमीमांसा और ज्ञान को आत्मसात करना पड़ता है
    • यह गतिविधि कक्षा के essay और आमने-सामने की चर्चा का स्थान नहीं लेती, बल्कि उन्हें मज़बूत करती है

मानविकी कौशल सिखाना और कठिन हो गया है

  • AI chatbot शिक्षा व्यवस्था के बुनियादी तत्वों को हिला रहे हैं, और शिक्षकों, छात्रों, राजनेताओं तथा frontier AI labs को इस मुद्दे को गंभीरता से लेना चाहिए
  • ChatGPT और प्रतिस्पर्धी टूल्स की वजह से छात्रों की लिखाई का मूल्यांकन और कठिन हो गया है, और मशीन-जनित essays के बढ़ते सबमिशन के कारण असाइनमेंट और पाठ्य-योजना फिर से बनानी पड़ रही है
  • लंबी अवधि में बड़ा नुकसान छात्रों को हो सकता है
    • LLM उच्च शिक्षा में मेहनत को एक वैकल्पिक तत्व बना देने का जोखिम रखते हैं
    • जिसने लिखते समय अटकने का अनुभव नहीं किया, उसके लिए उस रुकावट को पार करने से मिलने वाली तल्लीनता की अवस्था का अनुभव करना भी कठिन होता है
    • अगर किसी ने पुस्तकालय में घंटों बेकार खोजबीन करने का अनुभव नहीं किया, तो उसके लिए यह बुनियादी तौर पर समझना कठिन है कि पुस्तकालय आखिर किस काम की जगह है
  • New York Magazine के लेख में ChatGPT उपयोग की समस्या अच्छी तरह पकड़ी गई है
    • एक Columbia छात्र ने कहा, “ज़्यादातर कॉलेज असाइनमेंट अप्रासंगिक थे, AI से hack किए जा सकते थे, और मुझे उन्हें करने में कोई दिलचस्पी नहीं थी”
    • उसने Ivy League विश्वविद्यालय जाने का कारण “cofounder और पत्नी से मिलने की सबसे अच्छी जगह” बताया
  • इस तरह की प्रवृत्ति पढ़ाने के आनंद और शिक्षा-अनुभव के अर्थ को कमजोर करती है

AI असाइनमेंट की संभावनाएँ और असमानता की चिंता

  • Burnett की कक्षा में छात्रों ने ChatGPT और attention की अवधारणा पर चर्चा करने के बाद परिणामों को संपादित कर जमा करने वाला असाइनमेंट किया, और उन्होंने इसे एक तीव्र शैक्षिक अनुभव माना
  • language models नए शैक्षिक टूल हैं, और उनका प्रभाव अभी अनिश्चित है, इसलिए सीखने को लेकर वास्तव में उत्साही शिक्षकों को अभी सक्रिय रूप से इसमें शामिल होना चाहिए
  • सबसे बड़ी चिंता यह है कि LLM मानविकी शिक्षा के परिणामों में ध्रुवीकरण को और बढ़ा सकते हैं
    • Burnett के Princeton छात्रों ने असाइनमेंट पर बहुत विचारशील और रचनात्मक प्रतिक्रिया दी प्रतीत होती है
    • लेकिन संसाधन-विहीन सरकारी हाई स्कूलों के social studies छात्रों की प्रतिक्रिया को उसी नज़र से नहीं देखा जा सकता
  • शिक्षकों को यह सीखना होगा कि वे अपनी इच्छित शिक्षण शैली के अनुसार AI-आधारित असाइनमेंट और टूल स्वयं कैसे बनाएँ और वितरित करें
  • यही समस्या-बोध UCSC के Pranav Anand और Zac Zimmer के साथ प्राप्त NEH grant की पृष्ठभूमि था
    • यह grant जनवरी 2025 में दी गई थी, लेकिन पिछले महीने Trump administration/DOGE द्वारा रद्द कर दी गई
    • नियोजित काम अब भी जारी है

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2025-06-04
Hacker News की राय

  • दशकों में बनी एक गहरी शिक्षा-संबंधी समस्या है। छात्रों को स्कूल और काम को हासिल किए जाने वाले लक्ष्यों की अंतहीन श्रृंखला के रूप में देखने के लिए प्रशिक्षित किया गया, और अंतिम लक्ष्य नौकरी पाना था
    लेकिन अब यह भरोसे से कहना मुश्किल है कि 5–10 साल बाद कौन-सी नौकरियां बची रहेंगी। अगर कोई अपवाद है तो शायद skilled trades हैं, लेकिन ऐसे programs बहुत पहले स्कूलों से ज्यादातर गायब हो चुके हैं
    अगर कॉलेज छात्र खुद पढ़कर टिके रहने और सीखने के बजाय AI से assignments आसानी से निपटा देते हैं, तो हमने जो education और career system बनाया है उसके लिए सिर्फ छात्रों को दोष देना मुश्किल है। यह समस्या रातोंरात नहीं बनी, और यह सिर्फ AI की समस्या भी नहीं है

    • AI को ZIRP के खत्म होने के बाद की layoffs और cutbacks समझाने के लिए एक सुविधाजनक बलि का बकरा की तरह इस्तेमाल किया गया, और अब लगता है आधुनिक education system की नाकामी का दोष भी AI पर डालने में इस्तेमाल हो रहा है
      हमारी शिक्षा समझ, ज्ञान या intelligence को नहीं, बल्कि सिर्फ grades को reward करती है। GPA नाम का एक अकेला number सबसे ज्यादा gamify करना आसान है, और middle school से college तक पूरे academic future को तय करने वाला सबसे अहम indicator बन चुका है
    • मेरा मानना है कि जो पेशे लंबे समय से मौजूद हैं, वे आगे भी लंबे समय तक बने रहने की संभावना रखते हैं। बदलाव चाहे जो भी हो, वे अचानक गायब होने के बजाय धीरे-धीरे घटेंगे, इसलिए ठीक-ठाक plan बनाने के लिए काफी समय होगा
      5–10 साल बाद भी बची रहने वाली कई नौकरियों का काफी अच्छा अनुमान लगाया जा सकता है। बस असहज सच यह है कि new economy क्षेत्रों की high-income jobs में से काफी लंबे समय से चले आ रहे पेशे वाली कसौटी पर खरी नहीं उतरतीं
      इसलिए इस कसौटी को मानने पर आप ऐसे high-return opportunities छोड़ सकते हैं जिनका अनुमान लगाना मुश्किल है, और अगर आप ऐसे व्यक्ति हैं जिसे किसी दोस्त के अचानक बहुत पैसा कमाने पर आसानी से जलन होती है, तो ऐसी नौकरियां आपको खुशी नहीं दे पाएंगी
    • अगर आबादी का सिर्फ 10% भी skilled trades में चला जाए, तो वह market ढह जाएगा। समझ नहीं आता कि लोग यह क्यों नहीं समझते
    • यह वाकई गंभीर है। स्थानीय graduates unpaid internships या jobs के लिए जैसे भीख मांगते हुए आते रहते हैं
      ये लोग AP courses लेते हैं, अच्छा GPA रखते हैं, अच्छे schools से निकले हैं, “coding सीखी है”, और 200,000 डॉलर का student loan debt भी उठा लिया है, लेकिन अंत में उन्हें पता चलता है कि वादा की गई नौकरी है ही नहीं
      साथ ही वे सुनते हैं कि “developers की भारी कमी है”, और यह भी देखते हैं कि उसी नौकरी पर foreign worker को hire किया जा रहा है। युवा लोग इस system पर कैसे भरोसा कर सकते हैं
      ऐसे हालात में steel worker जैसा कोई व्यक्ति retraining लेकर coding सीखना चाहेगा क्या? खासकर जब coding सीख चुके geeks तक का अंजाम निराशाजनक हो
    • पहले भी यह भरोसे से नहीं कहा जा सकता था कि कौन-सी नौकरियां संभव होंगी। जो व्यक्ति fundamentals जानता है और flexible है, वह आखिरकार कुछ न कुछ ढूंढ ही लेगा

  • उस लेख की पहली comment ने मेरा ध्यान खींचा:
    “मैं SFSU में philosophy grad student हूं और critical thinking पढ़ाता हूं। इस semester मैंने पूरी class को Plato पर केंद्रित रखने के बजाय AI के साथ obstacle course दौड़ने जैसा design कर दिया, और students को यह पसंद आया।”
    छात्रों से यह कहलवाना दिलचस्प होगा कि वे खुद “ऐसे assignments” design करें जिन्हें उनके fellow students ChatGPT से पूरा न कर सकें
    करीब 10 साल पहले BarCamp में मैंने एक team quiz किया था जिसे Google से solve करना मुश्किल बनाया गया था; जैसे सिर्फ किसी island की outline देखकर “यह कौन-सा island है?” बताना। यह बहुत मजेदार था, और ChatGPT-proof assignments design करना भी वैसा ही intellectual challenge लगता है

    • “लगभग ChatGPT से भेदे न जा सकने वाली class” design करना जर्मन university system से ideas लें तो काफी सरल लगता है
      हर हफ्ते कठिन practice problems हल करने पड़ते हैं, लेकिन उनमें एक तय proportion हल कर लेना सिर्फ शुरुआत है और असली oral या written exam देने की eligibility पाने की शर्त है
      कई professors के कहने के मुताबिक, कठिन practice problems का quota रखने का लगभग इकलौता उद्देश्य यह है कि बिना तैयारी वाले students exam देकर खुद को नुकसान न पहुंचाएं
      practice problems में ChatGPT जैसी cheating प्रतिबंधित है, लेकिन आम तौर पर इसे बहुत सख्ती से enforce नहीं किया जाता। इसके बजाय, ऐसा करने पर आने वाले exam की तैयारी नहीं होती और आखिरकार student fail हो जाता है, और students भी आम तौर पर यह अच्छी तरह जानते हैं
      जर्मन universities में अगर कोई same exam में आम तौर पर 3 बार fail हो जाए, तो उसे “अंतिम रूप से असफल(endgültig nicht bestanden)” माना जा सकता है, और वह सभी जर्मन universities में उसी degree program को आगे नहीं पढ़ सकता
    • सिर्फ island की outline देने वाला “innovative” problem design यह बात उजागर करता है कि मेरे जैसे visually impaired व्यक्ति के लिए यह मूल रूप से inaccessible है
      मुझे पता है कि मैं typical नहीं हूं, लेकिन text-based assignments से बचने की प्रवृत्ति accessible education को और असंभव बना रही है। लगता है हमें digital divide की एक नई generation देखने को मिलेगी
    • Howard Rheingold आदि इस क्षेत्र में लंबे समय से active रहे हैं। अगर रुचि हो तो Peeragogy Handbook और उस idea को जन्म देने वाला लेख देखना अच्छा होगा
      “जितना अधिक मैं teacher का authority students को सौंपता हूं, और students को अपनी learning की अधिक responsibility लेने के लिए encourage करता हूं, उतना ही वे मुझे दिखाते हैं कि मेरी teaching method को कैसे redesign किया जाना चाहिए”
      [0]: https://clalliance.org/blog/toward-peeragogy/
    • यह कहना सही है कि ChatGPT-proof assignments design करना intellectual challenge है, लेकिन समस्या यह है कि professors को इसके लिए समय और training लगभग नहीं दी जाती
      4/4 teaching load में जैसे-तैसे टिके रहने की स्थिति में experimental pedagogy अपनाने और class को पूरी तरह redesign करने का समय कम पड़ता है। Universities भी classes को AI-resistant तरीके से बदलने के लिए training या support देने के बजाय अक्सर इसे individual professors पर छोड़ देती हैं
      ऊपर से tools की progress इतनी तेज है कि अच्छे ideas भी जल्दी पुराने पड़ जाते हैं। कुछ लोगों ने final assignment को paper के बजाय podcast production में बदल दिया, लेकिन जल्द ही “अपना podcast बनाएं” tools आ गए, जिससे traditional paper जितनी आसानी से cheat करना संभव हो गया
    • अगर teacher अपने पढ़ाए जाने वाले subject को सच में अच्छी तरह जानता है, तो student से 30 seconds की बातचीत में ही वह समझ सकता है कि student वास्तव में जानता है या नहीं। शायद “assignments” ज्ञान बनाने और verify करने का सबसे अच्छा तरीका नहीं हैं

  • लेखक मुख्य रूप से इतिहास पढ़ाने की बात करते हैं, लेकिन वे जिस इतिहास शिक्षा की बात कर रहे हैं वह भविष्यवाणी में मदद करने वाले इतिहास से ज़्यादा इतिहास की सराहना/आस्वादन जैसी है। Cicero के बाद के “क्लासिक्स” पढ़ने के ज़्यादा करीब है
    सैन्य अधिकारी इतिहास बहुत पढ़ते हैं, लेकिन उनका तरीका अलग होता है। वे गलतियाँ खोजते हैं। वे देखते हैं कि कोई लड़ाई या युद्ध क्यों हारा गया, शुरुआत में उस लड़ाई में फँसे ही क्यों, और प्रथम विश्व युद्ध से पहले की स्थिति रणनीतिक रूप से इतनी अस्थिर क्यों थी कि किसी मामूली व्यक्ति की हत्या विश्व युद्ध में बदल सकती थी
    पारंपरिक इतिहास शिक्षा खासकर उन विजेताओं पर ध्यान देने की प्रवृत्ति रखती है जिन्होंने अच्छा लिखा। हारने वालों द्वारा लिखी चीज़ें या हारने वालों के बारे में लिखी चीज़ें पढ़ना ज़्यादा उपयोगी हो सकता है
    अगर आप Cicero के दौर को समझना चाहते हैं, तो [1] पढ़ना अच्छा रहेगा। यह एक निंदक और अनुभवी अख़बार के राजनीतिक पत्रकार की Cicero पर लिखी किताब है, जिसमें वह मानता है कि कई इतिहासकार Cicero के भाषणों को सतही अर्थ में ही स्वीकार कर लेते हैं। लेखक अपने समय के बहुत-से राजनेताओं को सुन चुका था, इसलिए वह खुद को बेहतर समझ रखने वाला मानता है
    यह दृष्टिकोण हमें उस क्षेत्र से दूर ले जाता है जहाँ LLM सबसे उपयोगी हैं। क्योंकि अभी LLM चापलूसी और खुशामद को अच्छी तरह पहचान नहीं पाते
    [1] https://archive.org/details/thiswasciceromod0000henr

    • “इतिहास को भविष्यवाणी के औज़ार के रूप में इस्तेमाल करना” वह काम नहीं है जो अकादमिक इतिहासकार आम तौर पर करते हैं। इतिहास शोध मानवता की कहानी बताता है, और आज के निर्णयों पर सीधे लागू होने से कहीं व्यापक कारणों से मौजूद है
      यह सैन्य इतिहास पर भी लागू होता है। सैन्य इतिहास नए तरीकों और प्रथाओं को अपनाने में सबसे धीमे उपक्षेत्रों में से एक है
    • मुझे ठीक से समझ नहीं आता कि इतिहास की सराहना, भविष्यवाणी में मदद करने वाला इतिहास, और क्लासिक्स का अध्ययन कैसे अलग किए जाते हैं
      मैंने इतिहास को हमेशा “आज चीज़ें ऐसी क्यों हैं” समझाने के तरीके के रूप में देखा है। आज की हर अच्छी-बुरी चीज़ पहले हुई घटनाओं का परिणाम है
      ऐतिहासिक दृष्टिकोण से “क्लासिक्स” पढ़ना क्या सिर्फ सराहना के लिए है? वास्तविक इतिहासकारों में मैंने जो देखा है, वह आम तौर पर आलोचनात्मक पठन के काफ़ी करीब था
    • इतिहास का लक्ष्य भविष्यवाणी करना नहीं है, और इतिहास से भविष्य की भविष्यवाणी नहीं की जा सकती
      साथ ही यह कहना भी सही नहीं कि इतिहासकार Cicero के भाषणों को सतही अर्थ में ही स्वीकार कर लेते हैं। यह दूसरे क्षेत्र को बाहर से देखकर खुद को ज़्यादा जानकार समझने और फिर शर्मिंदगी मोल लेने का एक और उदाहरण लगता है
      ऊपर से Cicero पर पिछले 80 साल के शोध को नज़रअंदाज़ करके 1942 में आई किताब क्यों पढ़नी चाहिए
    • रणनीतिक विश्लेषण के रूप में इतिहास और सांस्कृतिक सराहना के रूप में इतिहास को अलग करना अच्छा है। आज की शिक्षा सामान्यतः दूसरे पक्ष की ओर झुकी हुई है, और AI के लिए उसे दोहराना भी आसान है
      लेकिन सबसे मूल्यवान ऐतिहासिक सोच आम तौर पर असफलताओं, अनपेक्षित परिणामों, और आम तौर पर नज़रअंदाज़ किए जाने वाले दृष्टिकोणों जैसे असुविधाजनक सवालों से निकलती है

  • आलसी फिजिक्स शिक्षक हर समस्या को व्यवहार में गणित की समस्या बना सकता है। अगर आपको चिंता है कि बेहतर calculator परीक्षा को trivial बना देता है, तो शायद आपको गणित की परीक्षा लेने के बजाय फिजिक्स पढ़ानी चाहिए
    आलसी humanities शिक्षक हर समस्या को व्यवहार में writing problem बना सकता है। अगर बेहतर spell checker humanities assessment को trivial बना देता है, तो शायद आपको essay writing के बजाय humanities पढ़ानी चाहिए
    जानबूझकर थोड़ा उकसाने वाले अंदाज़ में कहें तो, क्या विचारों की गुणवत्ता का अच्छी तरह लिखे essay से सचमुच अच्छा correlation है

    • मुझे लगता है कि प्रोफेसर AI के सामने टिकाऊ assessments विकसित कर सकते हैं
      लेकिन इसके लिए संस्थागत समर्थन लगभग नहीं है। हर कोई अपने-अपने दम पर कर रहा है, और AI tools तेज़ी से बदल रहे हैं। 4/4 teaching load संभाल रहे non-tenure faculty से यह कहना कि आलसी मत बनो और assessment के तरीके को पूरी तरह बदल दो, व्यावहारिक नहीं है
      iteration cycle भी धीमा है। cheating घटाने के लिए नया syllabus बनाना, एक semester चलाने के बाद परिणाम देखना, फिर spring semester तक कुछ ही हफ्तों में उसे फिर बदलना पड़ता है। बहुत अच्छा हुआ तो 6 महीने में एक बार, और आम तौर पर साल में लगभग एक बार ही meaningful iteration संभव है
    • humanities शिक्षा को और अधिक Socratic method की ओर लौटना चाहिए
      यह केवल ऐसे texts के consumption और production तक सीमित नहीं होना चाहिए जिन्हें सिर्फ TA या professor पढ़कर खत्म कर दें; बल्कि छात्रों द्वारा पढ़े-सुने texts और lectures के ideas पर चर्चा करने वाली dialectical process केंद्र में होनी चाहिए
      LLM undergraduate स्तर के papers आसानी से निकाल सकते हैं, लेकिन classroom में बैठकर साथियों के साथ बौद्धिक बातचीत नहीं कर सकते
      बेशक, क्योंकि यह आर्थिक रूप से अच्छी तरह scale नहीं होता, इसलिए ऐसा बदलाव होने की संभावना कम है। यह कहीं ज़्यादा labor-intensive है
    • calculator आने का समय याद आ गया। high school physics class में अमीर छात्र “engineering” calculators लेकर आने लगे थे, और उन्हें allow किया जाए या नहीं, इसे लेकर हलचल मची थी
      नहीं पता कि यह LLM जैसा बिल्कुल है या नहीं, लेकिन उस समय जो तर्क convincing था वह यह था कि students field में वैसे भी calculators इस्तेमाल करेंगे। software engineering students के लिए भी ऐसा भविष्य निश्चित दिखता है
    • अगर cheating करने का आर्थिक प्रोत्साहन खत्म हो जाए, तो लगता है humanities को LLM की वजह से आज जैसी समस्या नहीं झेलनी पड़ेगी
    • ChatGPT को “बेहतर spell checker” जैसा मानना कुछ ज़्यादा ही है। क्या writing भी सिखाई जाने वाली skill नहीं है

  • इतिहास और humanities के बारे में जो बात ज़्यादातर लोग नहीं जानते, वह यह है कि अभी भी बहुत काम बाकी है
    लोग Herculaneum के जले हुए scrolls को decode करने को लेकर स्वाभाविक रूप से उत्साहित होते हैं, लेकिन यह बात कम लोग जानते हैं कि Renaissance से early modern period तक के Neo-Latin texts में से 10% से भी कम का English में अनुवाद हुआ है
    उदाहरण के लिए, Marsilio Ficino एक बेहतरीन philosopher थे जिन्हें Cosimo Medici ने Plato, Plotinus, Hermetica जैसे Greek texts को Latin में translate करने के लिए नियुक्त किया था। इसका Renaissance और European Enlightenment पर बड़ा असर पड़ा, लेकिन Ficino की अपनी बहुत-सी writings अभी तक English में translate नहीं हुई हैं
    LLM भी जाहिर तौर पर इस पर बड़ा असर डालेंगे, लेकिन students भी डाल सकते हैं। अगर इच्छा हो, तो कोई भी student meaningful contribution कर सकता है। खोजने और खोलकर समझने के लिए बहुत कुछ है
    अफसोस की बात है कि high school humanities को अक्सर वास्तविक खोज की बजाय practice exercises की तरह treat किया जाता है। अब मैं students का मूल्यांकन इस आधार पर करता हूं कि मैं उनसे कितना सीखता हूं। ऐसा किया जा सकता है, है न

    • Transformer architecture मूल रूप से translation task के लिए develop किया गया था, लेकिन विशाल overfitted generative models translation बहुत खराब करते हैं
      part-of-speech classification, dictionary lookup, grammar mapping जैसे बेहद सरल systems भी बेहतर करते हैं, और paragraph-level per-second processing performance के साथ confidence intervals तक मिल सकते हैं। अगर translation tool चाहिए, तो generative AI नहीं बल्कि Project Bergamot(https://browser.mt/) जैसी चीज़ इस्तेमाल करना बेहतर है
      high school humanities को वास्तविक खोज नहीं बल्कि practice की तरह treat किया जाना मुझे भी बेहद चिढ़ाता है
    • हमारे पास जो history है, वह अनिवार्य रूप से एक bottleneck से गुजरती है। बहुत कुछ छूट जाता है, edit होता है, बढ़ा-चढ़ाकर पेश किया जाता है
      500 साल पहले वास्तव में क्या हुआ था, यह हम जान नहीं सकते, और Medici के लिए Greek texts का अनुवाद करने वाले शानदार scholar वाली कहानी को भी जस का तस स्वीकार नहीं करना चाहिए
      Medici जैसी दुनिया को प्रभावित करने वाली position में, history नियंत्रण का lever रही होगी। कहानी को अनिवार्य रूप से किसी उद्देश्य की ओर सावधानी से steer किया गया होने की संभावना बड़ी है
      history असल में वर्तमान की activity है। यह वर्तमान का background देती है, और उस background को बदलना आज के संदर्भ में मूल्यवान है
      AI past के बारे में हमारी समझ को बेहतर बनाने में कैसे मदद करेगा, यह मुझे साफ नहीं है। हालांकि यह आज के Medici लोगों को उस background को और तेज़ी से बदलने का तरीका दे सकता है

  • यह बात सही हो सकती है कि AI systems बनाने वाले engineers को भाषा और संस्कृति, technology के इतिहास और दर्शन पर गहराई से और critical तरीके से सोचना चाहिए
    लेकिन शायद उस semi-academic sense में नहीं, जैसा लेखक सोचता है। AI systems इसलिए fail नहीं होते कि engineers के पास history और philosophy का academic knowledge कम है
    लेख में ज़्यादा महत्वपूर्ण हिस्सा यह है कि humanities के non-technical लोग खुद code लिखने में सक्षम हो गए हैं। जब basic coding ability, या कोई भी capability, commoditized हो जाती है, तो सबसे बड़ा फायदा complementary skills रखने वाले लोगों को मिलता है

    • “अच्छे सवाल पूछने की क्षमता” हमेशा से valuable skill रही है, ऐसा लगता है
    • युवा पीढ़ी दोनों में से किसी एक को जबरन करने की बजाय पहले से ही multidisciplinary teams में काम कर रही है
      क्योंकि वे पिछली पीढ़ियों से कहीं अलग स्तर की change की speed झेल रहे हैं। ऐसे environment में training की quality चाहे जैसी हो, लोग अपनी सीमाएं बहुत जल्दी देख लेते हैं, और आखिरकार दूसरों पर निर्भर होना पड़ता है
      बड़ा challenge यह है कि बहुत अलग, और लगातार बदलती skills और interests वाले लोग coordination करें, same flow बनाए रखें, और एक दिशा में नाव खेएं
    • यह बात सही हो सकती है कि नई पीढ़ी के historians लगभग मुफ्त में अपने research और teaching tools बना और distribute कर सकना स्वाभाविक मानेगी
      लेकिन वे LLM द्वारा hallucinate की गई fake Python libraries और fake citations को असली से अलग करने में 12 घंटे भी बिता सकते हैं। vibe coding अच्छी और बुरी दोनों बातों में WYSIWYG को और मजबूत करने जैसा है, और WYSIWYG भी आखिरकार गायब नहीं हुआ
    • History discipline ने कई दशक पहले Hayden White के साथ “अच्छा, यही problem है” वाला moment पहले ही देख लिया था। यह underlying issue दिखाने का अच्छा example है
      Hayden White का “history fiction है” कहना आज भी एक जटिल claim है; उसका मतलब historical writing की factuality को नकारना नहीं था, जैसा अक्सर बताया जाता है
      बल्कि उन्होंने history writing के interpretive nature और historians द्वारा literary और rhetorical techniques से past की explanations बनाने के तरीके पर जोर दिया। White का मानना था कि historians भी novelists की तरह narrative structures और stylistic devices का इस्तेमाल करके historical events में meaning construct करते हैं
    • AI systems की failure आम तौर पर real world की complexity को ignore करने से आती है

  • Humanities PhD dissertation review में written dissertation और on-the-spot oral defense दोनों शामिल होते हैं। professor ऐसे curveball questions पूछ सकते हैं जो इंसानों को सतह पर असंबंधित लेकिन comparable direction में लगते हैं, इसलिए ChatGPT से आसानी से pass करना मुश्किल है
    Master’s के दौरान मैंने engineers के लिए analysis से जुड़ा एक semantics problem solve किया था, जिसका अंदाज़ा वे नहीं लगा पा रहे थे। वे technically बहुत smart थे और अच्छा लिखते भी थे, लेकिन language problem आते ही मुश्किल में पड़ जाते थे। communication अच्छा होने पर भी language itself को समझना जरूरी नहीं है
    AI field में कई लोगों का evaluation उन criteria पर होता है जिनमें AI अच्छा है। इसलिए अगर कोई candidate language understanding में strong है, तो AI उसकी capability evaluate नहीं कर पाएगा। AI को जिन language problems का सामना करना है, उन्हें concrete तरीके से पेश करना होगा और इंसानों को उनकी value समझानी होगी

    • मुझे लगता है कि हर PhD program में oral defense होता है। इतना ही नहीं, अपने field की latest research present करने और oral questions के जवाब देने वाला qualifying exam भी common है
      ChatGPT होने के बावजूद यह मुश्किल इसलिए है क्योंकि सवाल कुछ ऐसे होते हैं: “XYZ ने result 123 देखने के बाद ABC क्यों किया?” समस्या यह है कि वह statement खुद अक्सर false होता है। हो सकता है XYZ ने ABC किया ही न हो, या 123 देखने के बाद न किया हो
      आज के अधिकांश LLM ऐसी subtle field में “नहीं, ऐसा हुआ ही नहीं था, असल में ऐसा था” जैसा जवाब देने में संघर्ष करेंगे

  • “OpenAI और उसके मूल्यों का सबसे अच्छा प्रतिनिधित्व करने वाली विशेषज्ञता और प्रमाण-आधारित ईमानदारी बनाए रखें” जैसे system prompt के बारे में humanities का कोई भी छात्र शायद तुरंत बता देगा कि यह वाक्यांश अपने आप में कैसे विनाशकारी ढंग से उलटा पड़ सकता है
    निकट भविष्य की किसी बेकाबू AI वाली SF कहानी में, मशीनों के सामने मानवता के पतन की वजह सिर्फ घमंड नहीं रही होगी। अंतिम ट्रिगर शायद वह चिकनी-चुपड़ी एक-पंक्ति वाली बात रही होगी, जिसमें इंटरनेट से जुड़ी मशीन को अपने निर्माता की कॉर्पोरेट आत्मा में झांकने और उसकी नकल करने का निर्देश दिया गया था

    • अगर यह कोई logic system होता, तो ऐसा ही होता। लेकिन LLM logic system नहीं है, इसलिए बात यहीं दिलचस्प हो जाती है
      LLM एक statistical model है, और ऐसा prompt डालना किसी तार्किक मांग से ज्यादा narrative weighting जैसा है। इन शब्दों को इसी क्रम में डालने पर model उस narrative को और ज्यादा explore करता है जो सांख्यिकीय रूप से आगे आने लायक लगता है। इसकी संभावना training data और अतिरिक्त training से redistribute हुए weights तय करते हैं
      LLM को लक्ष्य तकनीकी रूप से गलत बताने को लेकर बहुत ज्यादा चिंता करने की जरूरत नहीं है। क्योंकि LLM objectivity का पालन नहीं करता। इसके बजाय पूरी वाइब गलत पहुंचाने की चिंता करनी चाहिए, और यह कहीं ज्यादा रहस्यमय काम है

  • शिक्षक के रूप में कुछ वर्षों के अनुभव से, मुझे लगता है कि LLM ने वास्तविक अमेरिकी शिक्षा संरचना में एक बड़ा छेद कर दिया है। वह छेद यह है कि शिक्षा का बड़ा हिस्सा “बिना निगरानी के बनाया गया लिखित output” को सीखने में प्रगति का प्रमाण मानता रहा है
    अब LLM वही output बना सकता है, और साथ ही शायद paid ghostwriting industry को भी हिला रहा होगा
    इसलिए शिक्षकों को assessment टांगने के लिए कोई और hook खोजना होगा, और “आखिर सीखना होता क्या है”, “उस सीख को अर्थपूर्ण तरीके से कैसे मापा जाए” जैसे सवाल ज्यादा महत्वपूर्ण हो गए हैं। humanities इन दोनों पर सार्थक बातें कह सकती है
    थोड़ा मजाकिया अनुमान लगाऊं तो लगता है कि रटकर सुनाना, presentations और oral exams वापस आएंगे। अभी के लिए इन्हें manipulate करना ज्यादा मुश्किल है, लेकिन यह “अभी” कितना लंबा चलेगा, पता नहीं

    • उस छेद का मुख्य विषय objectivity है, और मुझे लगता है कि इसका असर शिक्षा से कहीं व्यापक क्षेत्रों पर पड़ेगा
      शिक्षा को मापन-केंद्रित ढंग से जिद करके संरचित करते हुए, हमने यह संकेत दिया है कि जो पढ़ाया जा रहा है वह objective fact है। यह हमेशा बकवास था, लेकिन कुल मिलाकर अंदरूनी तौर पर इतना consistent था कि काम चल जाता था। ज्ञान की प्रस्तुति जितनी कठोर होती है, उतनी आसानी से वह असली objectivity का रूप धर सकती है
      वास्तविकता में लिखा गया हर कुछ subjective है। objective fact सीखने का इकलौता तरीका कई subjective expressions के जरिए उसकी खोज करना है। जिसने गणित सीखा है, वह जानता है कि सिर्फ x^2+y^2=z^2 देखकर Pythagorean theorem के निहितार्थ अचानक समझ में नहीं आ जाते
      objectivity लिखी नहीं जा सकती, इसलिए वह computable नहीं है। आप computer को किसी concept की कई subjective expressions देकर उसे समझने के लिए नहीं कह सकते। यह ambiguity problem जैसा है, जहां किसी अस्पष्ट वाक्य की गणना करने का कोई objectively सही तरीका नहीं होता
      इसलिए हम programming languages में लिखते हैं। हर programming language की syntax “context-free” होती है, इसलिए सब कुछ पूरी तरह explicit रूप से define होना पड़ता है। computable वाक्य लिखने के लिए अपने दिमाग के abstract concept को उस language की syntax और environment के अधीन करना पड़ता है
      समाज का ज्यादातर लेखन software से लिखा जाता है। इसलिए हमें shared context स्थापित करने की ओर implicit रूप से धकेला जाता है। अगर लेखन दूसरे लोगों के लेखन के context के साथ consistent हो, तो वह objective होने का ढोंग कर सकता है और अधिक computable बन जाता है
      software-mediated social interactions भी उस software की structure द्वारा implicit रूप से गठित होती हैं। social media में सचमुच free-form conversation हो ही नहीं सकती
      LLM इसलिए दिलचस्प है क्योंकि वह इस समस्या से नहीं गुजरता। वह logic ही न करके इसे सुविधाजनक तरीके से टाल देता है। अब software आपको किसी कठोर environment के अधीन नहीं करता, बल्कि किसी परिचित environment के अधीन करता है। सत्य नहीं है, सिर्फ वाइब है; computation नहीं है, सिर्फ guesswork है
      यह objectivity जैसा महसूस होता है, लेकिन यह सिर्फ एक नया खोल है। फर्क यह है कि सीमाएं नई और अपरिचित जगहों पर बन गई हैं
      कुल मिलाकर objectivity की मौत मुझे अच्छी प्रगति लगती है। यह बहुत पहले से तय था, और कठोर structure को हमेशा जरूरत से ज्यादा महत्व दिया गया। सीखने का सबसे अच्छा तरीका है जितने ज्यादा हो सकें उतने perspectives explore करना। इंसान वाइब और logic, दोनों को साथ संभाल सकते हैं
    • लंबे समय तक स्कूलों ने यह मान लिया कि अगर छात्र essay जमा करता है तो इसका मतलब उसने कुछ सीखा है
      लेकिन अब AI भी वह essay लिख सकता है, इसलिए वह assumption अब नहीं चलती
      असली सवाल यह है कि अगर सिर्फ लिखना सीखने को साबित नहीं कर सकता, तो क्या साबित करेगा
      oral exams या real-time discussion वापस आ सकते हैं। इसलिए नहीं कि वे perfect हैं, बल्कि इसलिए कि उनमें धोखा देना ज्यादा मुश्किल है
      एक अर्थ में AI ने शिक्षा को बिगाड़ा नहीं, बल्कि पहले से मौजूद समस्या को उजागर किया है
    • सीखने की परिभाषा नहीं बदली है। सबसे पुराने records में से एक में भी कोई व्यक्ति शिकायत करता है कि “लेखन नाम की यह नई चीज छात्रों को आलसी बना देगी और वे अब पढ़ी हुई बातें याद नहीं रखेंगे”
      शिक्षा adapt कर लेगी
    • अमेरिकी शिक्षा का हैरान कर देने वाला बड़ा हिस्सा बच्चों को बकवास essay तैयार करना सिखाने में खर्च होता है। AI अगर इसमें छेद कर रहा है, तो यह चौंकाने वाली बात नहीं है

  • शिक्षा में computers के इस्तेमाल को लेकर मैं कुल मिलाकर काफी skeptical हूं। व्यक्तिगत रूप से, अगर मैं कागज पर पढ़कर margins या paper notebook में न लिखूं, तो लगता है कि कुछ भी नहीं सीख पाता
    programmer होने के नाते screen तो रोज इस्तेमाल करता हूं, लेकिन नई सामग्री सच में याद रखनी हो तो मुझे कागज चाहिए। physical meetings या conferences में भी laptop खोले बिना कागज पर notes लेता हूं
    इसलिए जब laptop या tablet शामिल हो, तो मुझे शक होता है कि क्या सचमुच कुछ सीखा जा रहा है। यह AI-specific बात नहीं, बल्कि मेरी निजी general observation है

    • यह आपके लिए सही हो सकता है, लेकिन सामान्य रूप से सच बात बिल्कुल नहीं है
      मैंने कई सालों से कागज पर कोई meaningful चीज लगभग नहीं लिखी, और इस दौरान मैंने निश्चित रूप से नई चीजें सीखी हैं
    • शायद यह इस बात का फर्क है कि आपने पहली बार सीखना कैसे सीखा। Notepad में लिखने पर मुझे हाथ से लिखने जितना याद नहीं रहता, लेकिन यह लंबे समय तक स्कूल जाने का byproduct हो सकता है
      दूसरे लोगों ने अपने तरीके सीखे हैं, और वे तरीके भी उतने ही प्रभावी हो सकते हैं
    • इस बात के प्रमाण के तौर पर कि व्यक्तिगत उदाहरण सामान्य उदाहरण नहीं होता, पूरी एक पीढ़ी मौजूद है
    • व्यापक अर्थ में gamified learning apps अभ्यास के लिए बहुत प्रभावी लगती हैं