LLM से बातचीत ने मेरी सोच को बेहतर क्यों बनाया

• LLM से बातचीत व्यक्ति की सोच की स्पष्टता और भाषा में अभिव्यक्ति की क्षमता बढ़ाती है
• लंबे समय से अंदर ही अंदर मालूम थीं लेकिन शब्दों में व्यक्त नहीं हो पा रही थीं ऐसी बातों को LLM वाक्यों में व्यवस्थित कर देता है, जिससे नई सीख नहीं बल्कि पहचान का एक क्षण पैदा होता है
• प्रोग्रामर के अनुभव की तरह अंतर्ज्ञान, पैटर्न पहचान, और समझाना मुश्किल निर्णय अक्सर भाषा से पहले के रूप में संचित होते हैं
• LLM ऐसी अस्पष्ट संरचनाओं को भाषा में खोलने में विशेष रूप से सक्षम है, और कारणों को तोड़कर सूचीबद्ध करते हुए सोच को दोबारा गढ़ने में मदद करता है
• जब विचार वाक्यों में स्थिर हो जाते हैं, तो मान्यताओं और अंतर्ज्ञान को परखा, संशोधित, या त्यागा जा सकता है, जिससे सोच की गुणवत्ता बदलती है
• बार-बार की इस भाषिक अभिव्यक्ति की प्रक्रिया से आंतरिक स्वसंवाद की सटीकता बढ़ती है, और व्यक्ति अपनी ही सोच को बेहतर पहचानने लगता है

---

हम जो जानते हैं उसका बड़ा हिस्सा tacit knowledge है

• प्रोग्रामर और डेवलपर अक्सर किसी डिज़ाइन के गलत होने को शब्दों में समझाने से पहले ही सहज रूप से पहचान लेते हैं
  • जैसे किसी डिज़ाइन के गलत होने का आभास होना, या bug को reproduce करने से पहले ही उसे महसूस कर लेना
  • गलत abstraction को तुरंत पकड़ लेना, लेकिन उसे समझाने में समय लगना
• इस तरह का tacit knowledge असफलता नहीं, बल्कि अनुभव के क्रिया-केंद्रित patterns में संकुचित हो जाने का परिणाम है
  • मस्तिष्क ज्ञान को व्याख्या के लिए नहीं, बल्कि क्रियान्वयन के लिए अनुकूलित रूपों (patterns) में संग्रहीत करता है
• लेकिन चिंतन, योजना और शिक्षा के लिए भाषाई अभिव्यक्ति अनिवार्य है, और जो विचार व्यक्त नहीं किए गए हों उनकी समीक्षा या साझेदारी कठिन होती है

LLM इस बिल्कुल उलटी समस्या में निपुण हैं

• LLM अस्पष्ट अवधारणाओं और संरचनाओं को वाक्यों में बदलने के लिए अनुकूलित उपकरण हैं
• जब उपयोगकर्ता ऐसा सवाल पूछता है जिसे वह “धुंधले तौर पर सही महसूस करता है, लेकिन कारण समझाना कठिन है”, तब LLM कारणों को चरणबद्ध ढंग से व्यवस्थित करके प्रस्तुत करता है
• हर बिंदु एक-दूसरे से orthogonal तरीके से बना होता है, इसलिए उपयोगकर्ता उन्हें बदल, पुनर्व्यवस्थित करके अपनी सोच को आगे बढ़ा सकता है

जब विचारों को शब्द दिए जाते हैं, तो विचार बदल जाते हैं

• जब LLM किसी आइडिया को वाक्यों में व्यवस्थित करता है, तो उपयोगकर्ता उसे अपने मन में प्रयोग कर सकता है
• धुंधला अंतर्ज्ञान नामित भेदों में बदल जाता है, और छिपी हुई मान्यताएँ सामने आकर सत्यापित, त्यागी, या संशोधित की जा सकती हैं
• जैसे लेखन सोच को परिष्कृत करता है, वैसे ही LLM की खासियत गति है
  • आधे-अधूरे बने विचारों को तेज़ी से खंगाला जा सकता है, गलत व्याख्याओं को छोड़ा जा सकता है, और फिर से कोशिश की जा सकती है
  • यह प्रक्रिया उन सोच-चरणों को भी सक्रिय करती है जिन्हें पहले छोड़ दिया जाता था

feedback loop और सोच का आंतरिकीकरण

• समय के साथ व्यक्ति LLM के बिना भी खुद से पूछने लगता है: “क्या मैं इस समय जो सोच रहा हूँ, महसूस कर रहा हूँ, या मान रहा हूँ, उसे ठीक-ठीक भाषा में व्यक्त कर सकता हूँ?”
• LLM सीधे सोच को बेहतर नहीं बनाता, बल्कि भाषा के उपयोग की क्षमता और आंतरिक स्वसंवाद की दक्षता को सुधारता है
• क्योंकि reasoning स्पष्ट अभिव्यक्ति पर निर्भर करती है, इसलिए भाषाई स्पष्टता में सुधार सीधे सोच की स्पष्टता में बदल जाता है
• इस प्रक्रिया को जितना दोहराया जाता है, व्यक्ति उतना ही बेहतर समझ पाता है कि वह वास्तव में क्या सोचता है

[sudosudo]

अच्छी सोच तभी संभव है जब व्यक्ति में metacognition हो; सिर्फ LLM होने से सोच बेहतर नहीं हो जाती। और जो लोग शुरुआत से ही LLM का इस्तेमाल करते हैं, उनकी metacognition भी पूरी तरह टूट-फूट सकती है..

[woung717]

हम्म, उल्टा ऐसा भी लगता है कि गलत और खुशामदी जवाबों की वजह से कुछ लोग अपनी ही सोच के दायरे में बंद हो सकते हैं। बातों को साफ़-साफ़ व्यवस्थित करने वाले टूल के रूप में यह उपयोगी है, लेकिन मेरा मानना है कि AI के जवाबों को हमेशा आलोचनात्मक नज़रिए से देखना भी ज़रूरी है।

[y15un]

इसीलिए मैं Gemini instruction में यह सेट करके इस्तेमाल करता हूँ: "यूज़र की ज़रूरत से ज़्यादा तारीफ़ या बढ़ा-चढ़ाकर प्रशंसा न करें। तटस्थ और वैज्ञानिक/शैक्षणिक शैली में जवाब दें। हमेशा references दें।" निर्देशों का उल्लंघन अब भी कभी-कभी होता है (e.g., YouTube वीडियो शामिल न करने को कहा था, फिर भी कभी-कभी जोड़ देता है), लेकिन फिर भी जवाब काफ़ी ज़्यादा साफ़-सुथरे और मुख्य बिंदुओं पर केंद्रित बनते हैं।

[slimeyslime]

यह संक्षिप्त और अच्छी हिदायत है। मुझे भी इसे लागू करके देखना चाहिए।

[GN⁺]

Hacker News की राय

• यह लेख मेरे अनुभव से भी मेल खाता है। LLM से बातचीत करते हुए मैं पहले धुंधले रहे आइडिया को ठोस रूप दे पाया और जुड़े हुए विषयों को खंगालकर अपनी समझ बढ़ा पाया।
  पहले जब कोई जिज्ञासा होती थी तो समझ नहीं आता था कहाँ से शुरू करूँ, लेकिन ChatGPT बताता है कि वह आइडिया पहले से मौजूद किसी अवधारणा का हिस्सा है या नहीं, किसने उस पर शोध किया है, और कौन से प्राथमिक स्रोत उपलब्ध हैं।
  यह दुनिया को खोजने के लिए खरगोश के बिल जैसा है। ज्ञान तक पहुँच की बाधा कम हो जाती है, और पहले जो लिखना उबाऊ लगता था वह भी अब नया महसूस होता है। अब तो खुद लिखने का मन भी होने लगा है

  • 2000 के दशक की शुरुआत में Wikipedia कुछ ऐसा ही काम करती थी। अब यह एक बातचीत करने योग्य विश्वकोश जैसा लगता है।
    बस यह चिंता है कि कहीं एक दिन कंपनियाँ LLM को और ज़्यादा monetize करने की कोशिश न करें। बातचीत कहीं खरीदारी की तरफ धकेलने जैसी दिशा में जा सकती है
  • मैं गणित में कमजोर हूँ, लेकिन analog synthesizer emulation में दिलचस्पी रखता हूँ। 2000 के दशक के मध्य की ‘zero delay filter’ क्रांति को समझने की कोशिश में अटक गया था, लेकिन LLM से बातचीत करते हुए आखिरकार समझ आ गया।
    मैंने समझ लिया कि feedback loop की समस्या हल करने वाले approximation algorithm कैसे काम करते हैं। लगता है छात्रों के लिए भी इस तरह की learning बहुत मददगार होगी
  • LLM को rubber duck की तरह इस्तेमाल करना एक शानदार तरीका है
  • क्या George Orwell ने नहीं कहा था, “लेखन ही सोच है”
  • मैं LLM की तुलना कॉफी से करना चाहूँगा। कॉफी हर जगह मिलने वाला productivity tool है, और उसकी किस्में भले अलग हों, आखिर में ‘beans तो beans’ ही होते हैं।
    AI भी मुझे कुछ ऐसा ही लगता है। मूल तत्व वही है, बस आसपास की सजावट और चमकती जाती है। दुनिया का कॉफी बाज़ार लगभग 500 अरब डॉलर का है, और लगता है AI बाज़ार भी जल्द ही उस स्तर तक पहुँच जाएगा

• मैं किसी और के अनुभव को नकारना नहीं चाहता, लेकिन सोचना खुद को मज़बूत करने की क्रिया है।
  जब हम खुद से सवाल पूछते हैं और उनके जवाब देते हैं, तभी नए विचार पैदा होते हैं। यह क्षमता हमें भूलनी नहीं चाहिए

  • मेरे अनुभव में LLM के पास अकेले सोचने की तुलना में दो फायदे हैं।
    1. यह विशाल knowledge index तक पहुँच देता है और ऐसी चीज़ें बताता है जो मुझे पता नहीं थीं।
    2. यह तुरंत और दिलचस्प तरीके से प्रतिक्रिया देता है, जिससे थकान कम होती है। इसकी वजह से मैं ज़्यादा देर तक ध्यान बनाए रख पाता हूँ।
       लेकिन यह कमी खलती है कि यह बहुत yes-man है और ठीक से विरोधी तर्क नहीं रख पाता। फिर भी LLM के साथ किया गया विचार-विमर्श अपनी अलग अहमियत रखता है
  • कोई भी इस बात से इनकार नहीं कर रहा कि ‘सोच, सोच को आगे बढ़ाती है’।
    लेकिन किसी बात को लिखकर व्यक्त करने की प्रक्रिया साधारण सोच की तुलना में कहीं अधिक गहरी metacognitive thinking माँगती है। इसलिए वह और अधिक परिष्कृत सोच तक ले जाती है
  • मेरे अनुभव में एक तरह का ‘recursive placebo effect’ होता है।
    लगता है कि सोच बेहतर हो रही है → उत्साह बढ़ता है → और गहराई से डूबते हैं → नतीजा बेहतर आता है → और उत्साह बढ़ता है → फिर वही चक्र चलता रहता है।
    ऐसा चक्र LLM के बिना भी संभव है
  • मैं लगभग सहमत हूँ, लेकिन सिर्फ शुद्ध तर्क से काम नहीं चलता जब जानकारी कम हो।
    LLM के साथ बातचीत अक्सर बिखरी हुई और अल्प-प्रभावी होती है। आखिरकार दिशा इंसान को ही तय करनी पड़ती है।
    इंसानी बातचीत धीमी होती है, लेकिन उसमें अब भी बेहतर reasoning ability होती है। LLM सारांश या खोज की शुरुआत के लिए अच्छा है, लेकिन गहरी अंतर्दृष्टि किताबों और लोगों से हुई बातचीत से आती है
  • ‘rubber duck debugging’ की अवधारणा यहाँ काम की है (Wikipedia लिंक)।
    सिर्फ अपने विचारों को शब्दों में ढालने से भी दिमाग के दूसरे हिस्से सक्रिय होते हैं और समस्या-समाधान में मदद मिलती है

• 20 साल तक कुछ और काम करने के बाद मैंने हाल में undergraduate computer science classes लेना शुरू किया है।
  शुरू में लगा था कि LLM का इस्तेमाल coding assistant के रूप में करूँगा, लेकिन यह तो conceptual framing को निखारने में कहीं ज़्यादा उपयोगी निकला।
  इसने मेरी गैर-पारंपरिक software design philosophy को साफ़ तौर पर समझाने में मदद की

  • Geoffrey Hinton की LLM परिकल्पना दिलचस्प लगती है। LLM को दुनिया के ज्ञान को अरबों parameters में compress करना पड़ता है, इसलिए वह रूपक-आधारित सोच में बहुत सक्षम होना चाहिए
  • आपकी गैर-पारंपरिक design philosophy के बारे में जानने की उत्सुकता है। आपके छात्र सचमुच भाग्यशाली लगते हैं

• मूल लेख को देखें तो उसकी शैली बहुत LLM जैसी लगती है।
  “This is not <>, this is how <>” जैसी दोहराई जाने वाली संरचना कृत्रिम महसूस होती है। असली इंसान आम तौर पर ऐसे नहीं लिखते

  • मुझे भी ऐसी ही अटपटी भावना हुई। वाक्य संरचना बहुत ज़्यादा मशीन जैसी सूचीबद्ध है, इसलिए संदेश का प्रवाह टूट जाता है।
    लेखक का कहना है कि ‘लेखन भी सोच में मदद करता है, लेकिन LLM से बातचीत तेज़ और कम friction वाली है’, मगर उल्टा अभिव्यक्ति का friction बढ़ जाता है और बात कम असरदार हो जाती है
  • संबंधित pangram.com लिंक

• मैं इस बात से सहमत हूँ कि LLM व्यक्ति के tacit knowledge को ऊपर ला सकता है।
  साथ ही कल पोस्ट हुए ‘AI इस्तेमाल करने पर cognitive debt’ वाले लेख(लिंक) की बात भी वाजिब लगती है। लगता है दोनों पक्ष सही हैं

  • आखिरकार यह LLM के साथ इंटरैक्ट करने के तरीके पर निर्भर करता है।
    अगर आप निजी सवाल पूछते हुए उसे ‘बातचीत’ की तरह इस्तेमाल करते हैं, तो cognitive debt जमा हो सकता है।
    दूसरी ओर, अगर आप आदेशात्मक ढंग से ‘काम निर्देशित’ करते हैं, तो सत्यापित किए जा सकने वाले नतीजे मिल सकते हैं।
    उदाहरण के लिए, “मेरे इलाके के पक्षियों पर एक essay लिखो” को किसी इंसान की रचना समझ लिया जा सकता है, लेकिन
    “इस codebase में customer billing कैसे काम करती है?” एक सत्यापित की जा सकने वाली deterministic code व्याख्या दे सकता है

• मैं लेखक के अवलोकन से सहमत हूँ। LLM rubber duck debugging की तरह, समस्या को समझाने की प्रक्रिया में व्यक्ति को अपनी सोच व्यवस्थित करने पर मजबूर करता है।
  फर्क बस इतना है कि यह ‘rubber duck’ विशाल विशेषज्ञ ज्ञान रखने वाला है

• मैं भी LLM के साथ आइडिया पर बात करते हुए अक्सर सोच के परिष्कृत होने का अनुभव करता हूँ।
  समझाने की प्रक्रिया में विचार संरचित होते हैं, और तुरंत आने वाले सवालों की वजह से नए कोण खोजने को मिलते हैं

• मैं इस लेख की ‘अच्छी सोच’ की परिभाषा से सहमत नहीं हूँ।
  मेरे लिए अच्छी सोच का मतलब है तार्किक, सूक्ष्म, और अलग-अलग संभावनाओं को साफ़-साफ़ देख पाना।
  LLM अंतर्ज्ञान की जाँच करने के बजाय उसे मज़बूत करने की तरफ झुकता है, इसलिए यह सोच को और धुंधला भी कर सकता है

• मैं LLM को बौद्धिक बहस के साथी की तरह इस्तेमाल करता हूँ।
  अपने आइडिया को परखने और यह देखने में कि क्या किसी ने पहले ऐसा ही कुछ सोचा है, यह उपयोगी है

• LLM से बातचीत करना एक साथ अद्भुत भी है और निराशाजनक भी।
  यह कि मेरे पास प्राकृतिक भाषा समझने वाला कंप्यूटर है, आश्चर्यजनक है, लेकिन यह सीख नहीं सकता—यह उसकी सीमा है।
  एक junior developer के साथ समय के साथ भरोसा बनता है, लेकिन LLM के साथ यह संभव नहीं

  • लेकिन मैं हर project के लिए एक agent.md file बनाकर धीरे-धीरे context इकट्ठा करने का तरीका अपनाता हूँ।
    इस file में मैं समस्या-समाधान के अपने पसंदीदा तरीके, build·test·deploy की प्रक्रिया वगैरह लिखकर रखता हूँ, ताकि LLM बेवजह अजीब धारणाएँ न बनाए।
    मैं इसे एक तरह के ‘LLM के दस आदेश’ की तरह संभालता हूँ। हर नए session की शुरुआत में यह file पढ़ा दूँ तो कहीं ज़्यादा consistent नतीजे मिलते हैं।
    यह परफेक्ट नहीं है, लेकिन जब तक LLM खुद से सीख नहीं सकता, तब तक उसकी इस सीमा को पूरा करने का यह एक व्यावहारिक तरीका है

[dogtree]

आपकी आँखें खुल गईं।