सामूहिक एआई बुद्धिमत्ता का अभ्यास कई एआई मॉडलों को एक ही प्रश्न के बारे में स्वतंत्र रूप से तर्क करने, एक दावे के पक्ष और विपक्ष में तर्क बनाने, और फिर हर अन्य मॉडल के तर्कों को रेट करने का है। जहां एकल एआई मॉडल आत्मविश्वास से गलत हो सकता है—प्रसिद्ध रूप से, माटा बनाम एवीआंका (2023) में एक वकील ने एक कानूनी ब्रीफ प्रस्तुत किया जिसमें कोर्ट के मामलों का उल्लेख किया गया था जो ChatGPT ने गढ़े थे—सामूहिक एआई बुद्धिमत्ता उन गलतियों को असहमति के रूप में उजागर करती है। Argumentree.AI इसे प्रत्येक मॉडल के तर्क को एक तर्क वृक्ष में संरचित करके और सभी उपलब्ध मॉडलों को गुमनाम रूप से एक-दूसरे को क्रॉस-रेट करने के द्वारा लागू करता है। उच्च सहमति एक आत्मविश्वास संकेत है; असहमति उच्च मूल्य का संकेत है, जो आपको ठीक उसी स्थान पर ले जाती है जहां मानव सत्यापन की आवश्यकता होती है। सहमति कभी भी सत्य को साबित नहीं करती—यह बताती है कि कहां देखना है।
सामूहिक एआई बुद्धिमत्ता में कई एआई मॉडल स्वतंत्र रूप से तर्क करते हैं, तर्क बनाते हैं, और एक-दूसरे को रेट करते हैं—इसलिए सहमति और, अधिक महत्वपूर्ण, असहमति स्पष्ट हो जाती है। यह एकल एआई पर भरोसा करने का प्रतिकार है जो आत्मविश्वास से गलत हो सकता है।
सामूहिक एआई बुद्धिमत्ता कई एआई मॉडलों से स्वतंत्र रूप से प्रश्न पूछती है और उन्हें एक-दूसरे के तर्कों को क्रॉस-रेट करने देती है। सहमति एक आत्मविश्वास संकेत है—लेकिन असली लाभ यह है कि असहमति ठीक उसी स्थान को चिह्नित करती है जहां आपको सत्यापन की आवश्यकता है। सहमति सत्य का प्रमाण नहीं है।
सामूहिक एआई बुद्धिमत्ता (CAI) का अभ्यास कई एआई मॉडलों के स्वतंत्र तर्क को मिलाकर एक अधिक विश्वसनीय, बेहतर-कैलिब्रेटेड समझ प्राप्त करना है जो किसी एकल मॉडल द्वारा प्रदान की गई समझ से बेहतर है। एक मॉडल से उत्तर मांगने के बजाय, CAI कई मॉडलों से एक ही प्रश्न पूछता है, प्रत्येक को एक संरचित मामला बनाने देता है, और फिर हर मॉडल को हर अन्य मॉडल के तर्कों का मूल्यांकन करने देता है। आउटपुट एकल निर्णय नहीं है—यह उस स्थान का मानचित्र है जहां स्वतंत्र प्रणालियाँ सहमत होती हैं और जहां वे भिन्न होती हैं।
एकल एआई मॉडल में कोई अंतर्निहित "मुझे नहीं पता" नहीं होता। यह हमेशा प्रवाहपूर्ण, आत्मविश्वास से भरा आउटपुट उत्पन्न करता है—यहां तक कि जब यह गढ़ रहा होता है। सबसे अधिक उद्धृत चेतावनी उदाहरण है माटा बनाम एवीआंका (2023), जहां एक वकील ने एक संघीय अदालत की ब्रीफ प्रस्तुत की जिसमें कई न्यायिक निर्णयों का उल्लेख किया गया था जो ChatGPT ने पूरी तरह से आविष्कार किए थे। उद्धरण वास्तविक लग रहे थे। मॉडल आत्मविश्वास से भरा था। इसे पकड़ने के लिए लूप में कोई दूसरा विचार नहीं था।
मुख्य अंतर्दृष्टि यह है कि विभिन्न मॉडल अलग-अलग विफल होते हैं। जब कई स्वतंत्र मॉडल एक ही दावे के बारे में तर्क करते हैं, तो उनकी गलतियाँ शायद ही कभी मेल खाती हैं—इसलिए एक द्वारा की गई गलती आमतौर पर एक अपवाद होती है जिसे अन्य खंडित करते हैं। यह आंद्रे कर्पाथी के ओपन-सोर्स "LLM काउंसिल" पैटर्न के पीछे का विचार है, जहां कई मॉडल स्वतंत्र रूप से उत्तर देते हैं और फिर एक-दूसरे की प्रतिक्रियाओं को रैंक करते हैं। Argumentree.AI इस पैटर्न को संरचित तर्क वृक्षों और सभी उपलब्ध मॉडलों के बीच गुमनाम आपसी रेटिंग के साथ बढ़ाता है।
समान दावा या अनुसंधान प्रश्न हर उपलब्ध मॉडल को जाता है
मॉडल एक-दूसरे के काम को देखे बिना पक्ष और विपक्ष के तर्क बनाते हैं
तर्क को इस तरह से संरचित किया गया है कि प्रत्येक बिंदु की जांच की जा सके—एक उत्तर में मिश्रित नहीं किया गया
गुमनाम क्रॉस-रेटिंग इस संभावना को कम करती है कि एक मॉडल केवल खुद की प्रशंसा करता है
आप देखते हैं कि मॉडल कहाँ एकत्रित होते हैं और, महत्वपूर्ण रूप से, कहाँ नहीं होते
सहमति स्कोरिंग यह मापती है कि मॉडल एक दिए गए तर्क पर कितनी सहमत हैं—न्यूनतम बहुमत से पूर्ण सर्वसम्मति तक। सबसे महत्वपूर्ण डिज़ाइन सिद्धांत एंटी-फ्लैटनिंग है: असहमति कभी भी औसत नहीं की जाती। एक अल्पसंख्यक स्थिति जिसे अधिकांश मॉडल अस्वीकार करते हैं, फिर भी स्पष्ट रहती है, क्योंकि एक अच्छी तरह से तर्कित अपवाद अक्सर ठीक वही तर्क होता है जिस पर मानव ध्यान देने की आवश्यकता होती है।
क्योंकि स्वतंत्र मॉडल शायद ही कभी एक ही चीज़ को गढ़ते हैं, एक भ्रांति आमतौर पर एक कम रेटेड, विवादित तर्क के रूप में प्रकट होती है न कि एक सुगम सहमति के रूप में। इसलिए असहमति एक पहचान संकेत है: यह आपको उन दावों की ओर ले जाती है जो सबसे अधिक गलत होने की संभावना रखते हैं। ज्ञान पर ध्यान दें—CAI असहमति के माध्यम से समस्याओं को चिह्नित करने में मजबूत है, और यह नहीं दावा करता कि सहमति यह साबित करती है कि कोई कथन सत्य है।
सामूहिक एआई बुद्धिमत्ता किसी भी कार्यप्रवाह में फिट होती है जहां एकल आत्मविश्वास से भरा उत्तर जोखिम भरा होता है: अनुसंधान और साहित्य समीक्षा, तथ्य-जांच, उचित परिश्रम, प्रतिस्पर्धात्मक विश्लेषण, और उच्च-दांव निर्णय जहां आपको यह जानने की आवश्यकता होती है कि एक दावा कितना विवादित है—न कि केवल एक मॉडल क्या कहता है। हर मामले में, उच्चतम मूल्य का आउटपुट उन बिंदुओं का सेट होता है जहां मॉडल असहमत होते हैं और मानव समीक्षा को ध्यान केंद्रित करना चाहिए।
यह मल्टी-मॉडल तर्क पर सब कुछ का हब है। नीचे किसी भी अवधारणा में खुदाई करें।
एक ही स्थान पर कई मॉडलों से एक ही प्रश्न पूछें
समझें कि मॉडल कितनी मजबूती से सहमत हैं—बहुमत से सर्वसम्मति तक
प्रत्येक मॉडल के तर्कों को संरचित वृक्ष में पढ़ें, एक मिश्रित उत्तर में नहीं
विवादित बिंदुओं को चिह्नित किया जाता है ताकि आप जान सकें कि कहाँ सत्यापन करना है
सामूहिक एआई बुद्धिमत्ता का अभ्यास कई एआई मॉडलों को स्वतंत्र रूप से एक ही प्रश्न के बारे में तर्क करने, तर्क बनाने और एक-दूसरे के तर्कों को रेट करने का है ताकि यह प्रकट हो सके कि वे कहाँ सहमत हैं और—अधिक महत्वपूर्ण—वे कहाँ असहमत हैं। एक मॉडल के आत्मविश्वास से भरे उत्तर पर भरोसा करने के बजाय, आप स्वतंत्र दृष्टिकोणों का एक स्पेक्ट्रम देखते हैं, इसलिए भ्रांतियाँ और अंधे स्थान असहमति के रूप में प्रकट होते हैं न कि अनदेखा किए जाने के रूप में।
नहीं। सहमति एक आत्मविश्वास संकेत है, प्रमाण नहीं। कई मॉडल एक ही प्रशिक्षण-डेटा पूर्वाग्रह साझा कर सकते हैं और एक साथ आत्मविश्वास से गलत हो सकते हैं। सामूहिक एआई बुद्धिमत्ता इसके विपरीत के लिए सबसे मूल्यवान है: मॉडलों के बीच असहमति एक विश्वसनीय संकेत है कि एक दावे को मानव सत्यापन की आवश्यकता है। उच्च सहमति समीक्षा के लिए प्राथमिकता को कम करती है; यह कभी भी इसे प्रतिस्थापित नहीं करती।
विभिन्न मॉडल अलग-अलग भ्रांतियाँ गढ़ते हैं—जो एक गढ़ता है, अन्य आमतौर पर सही होते हैं। जब कई मॉडल स्वतंत्र रूप से एक दावे का मूल्यांकन करते हैं और एक सबूत गढ़ता है, तो अन्य आमतौर पर उस तर्क को खराब रेट करते हैं। परिणामी असहमति संभावित भ्रांति को चिह्नित करती है, जिसे एकल-मॉडल कार्यप्रवाह आत्मविश्वास से भरे तथ्य के रूप में प्रस्तुत करेगा।
कई LLMs से प्रश्न पूछने और उन्हें एक-दूसरे का मूल्यांकन करने के पैटर्न का अन्वेषण ओपन-सोर्स कार्य में किया गया है जैसे आंद्रे कर्पाथी का 'LLM काउंसिल', जहां कई मॉडल स्वतंत्र रूप से उत्तर देते हैं और फिर एक-दूसरे की प्रतिक्रियाओं को रैंक करते हैं। एजेंटों के मिश्रण पर अनुसंधान एक संबंधित विचार का अन्वेषण करता है। Argumentree.AI इस वंश पर संरचित तर्क वृक्षों और गुमनाम क्रॉस-मॉडल रेटिंग के साथ निर्माण करता है।
यह अनुसंधान प्रश्नों, तथ्य-जांच, साहित्य समीक्षाओं, और किसी भी निर्णय के लिए अच्छी तरह से अनुकूल है जहां एकल आत्मविश्वास से भरा उत्तर जोखिम भरा होता है। यह तब चमकता है जब आपको यह जानने की आवश्यकता होती है कि एक दावा कितना विवादित है—न कि केवल 'उत्तर' क्या है। इसका उपयोग करें यह प्राथमिकता देने के लिए कि मानव सत्यापन की सबसे अधिक आवश्यकता कहाँ है, विशेष रूप से उन बिंदुओं पर जहां मॉडल असहमत होते हैं।
एक आत्मविश्वास से भरे उत्तर पर भरोसा न करें। सामूहिक एआई बुद्धिमत्ता प्राप्त करें—सहमति और असहमति, एक साथ।
मुफ्त शुरू करें