AI के लिए बड़ी संख्या में ठोस उदाहरणों को संभालने हेतु प्रत्येक इनपुट को पूरी तरह स्वतंत्र मामले के रूप में संसाधित करना पर्याप्त नहीं है। यदि अलग-अलग इनपुटों में साझा विशेषताओं और संबंधों को निकालकर उच्च-स्तरीय निरूपणों के रूप में उपयोग किया जा सके, तो मौजूदा संरचनाओं को उन स्थितियों में भी लागू किया जा सकता है जिनका पहले सामना नहीं हुआ है। इस अर्थ में अमूर्तीकरण केवल सूचना में कमी नहीं है; यह तर्क और सामान्यीकरण को संभव बनाने वाला एक महत्वपूर्ण कार्य है। लेकिन जब विषय मानव अनुभव हो, तो एक दूसरी समस्या उत्पन्न होती है। यदि किसी अनुभव को एक उच्च-स्तरीय अवधारणा के अंतर्गत उपयुक्त रूप से संक्षेपित किया जा सके, तब भी इसका अर्थ यह नहीं कि वही उस अनुभव पर लागू होने वाला एकमात्र अमूर्तीकरण है।
उदाहरण के लिए, कथन “मैं अपनी वर्तमान नौकरी छोड़ना चाहता हूँ, लेकिन मुझे अपने आसपास के लोगों को निराश करने का डर है” कई अमूर्तीकरणों की अनुमति देता है। इसे आत्मनिर्णय और जिम्मेदारी के संबंध के रूप में, दूसरों से मिलने वाली मान्यता और आत्म-मूल्यांकन के संबंध के रूप में, या किसी समूह के मानदंडों के व्यक्ति की पसंद पर प्रभाव के रूप में निरूपित किया जा सकता है। इसे भविष्य की अनिश्चितता से बचने के रूप में भी समझा जा सकता है। चूँकि ये सभी उसी कथन से निकले हैं, वे दोहराव जैसे लग सकते हैं, लेकिन वे समानार्थी नहीं हैं। प्रत्येक अलग संबंधों को अग्रभूमि में लाता है, अलग परिस्थितियों को महत्वपूर्ण मानता है और आगे के प्रश्नों तथा निर्णयों को अलग ढंग से प्रभावित करता है।
तब प्रश्न यह है कि क्या हमें बस सबसे अधिक व्याख्यात्मक शक्ति वाले एक अमूर्तीकरण को चुन लेना चाहिए। एक निरूपण में एकीकरण प्रसंस्करण को सरल बनाता है और समान मामलों से मानचित्रण आसान करता है। लेकिन यदि सब कुछ “मान्यता” के अंतर्गत एकीकृत कर दिया जाए, तो आर्थिक अनिश्चितता या संबद्धता में बदलाव आगे के तर्क से पृष्ठभूमि में जा सकते हैं। इसके विपरीत, यदि “अनिश्चितता” को केंद्र में रखा जाए, तो वह संबंध कम स्पष्ट दिख सकता है जिसके द्वारा व्यक्ति ने दूसरों की अपेक्षाओं को आत्मसात किया है। अमूर्तीकरण के माध्यम से दक्षता का मूल्यांकन केवल इस आधार पर नहीं होना चाहिए कि क्या बचाया गया, बल्कि इस आधार पर भी कि क्या अन्वेषण के क्षेत्र से बाहर कर दिया गया।
इसलिए मानव अनुभव के लिए आंतरिक दक्ष निरूपण पर विचार करते समय “अनेक ठोस उदाहरणों को थोड़ी-सी अवधारणाओं में संपीड़ित करना” पर्याप्त दिशा नहीं है। जब एक ही अनुभव के लिए अनेक असमकक्ष उच्च-स्तरीय निरूपण लागू होते हैं, तो उन्हें किसी एक उच्चतर अवधारणा में समय से पहले एकीकृत किए बिना परस्पर संबंध में बनाए रखना आवश्यक है। स्वतंत्रता, मान्यता और मानदंड के निर्देशांक परस्पर बहिष्कृत होना आवश्यक नहीं हैं। साथ ही, उन्हें “मानवीय संबंधों की समस्या” जैसी अत्यधिक व्यापक अवधारणा में मिला देना उन संरचनाओं को मिटा देगा जिन्हें प्रत्येक निरूपण अलग करता था। दक्षता उस एकीकरण का पर्याय नहीं है जो भिन्नता को समाप्त कर दे।
इस संरचना पर विचार करने के लिए हमें “अनेक उत्तर उत्पन्न करना” और “अनेक आंतरिक निरूपण बनाए रखना” अलग करना होगा। एक आंतरिक वर्गीकरण से सतही रूप से अलग-अलग अनेक वाक्य उत्पन्न करना संभव है। उस स्थिति में आउटपुट विविध होते हैं, जबकि समस्या को निरूपित करने का तरीका एक ही रहता है। इसके विपरीत, अनेक उच्च-स्तरीय निरूपण बनाए रखने का अर्थ ऐसी अवस्थाएँ बनाए रखना है जो इस बात में भिन्न हों कि वे किन परिस्थितियों को महत्वपूर्ण मानती हैं, किसे कारणात्मक या संबंधपरक केंद्र में रखती हैं, और कौन-सी अतिरिक्त सूचना वर्तमान व्याख्या को अद्यतन करेगी। महत्वपूर्ण निरूपणों की संख्या नहीं, बल्कि तर्क में उनकी असमकक्ष भूमिकाएँ हैं।
दार्शनिक अवधारणाएँ इस असमकक्षता पर विचार करने के लिए मजबूत सामग्री प्रदान करती हैं। दर्शन के इतिहास में स्वतंत्रता, इच्छा, समय, अन्य, मानदंड और सीमितता जैसी वस्तुएँ एकल परिभाषाओं पर अभिसरित नहीं हुई हैं; अलग-अलग पूर्वधारणाओं से अलग संबंधपरक संरचनाएँ प्रस्तावित की गई हैं। इन असहमतियों को अव्यवस्थित ज्ञान या समाप्त किए जाने वाले विरोधाभासों के रूप में देखने की आवश्यकता नहीं है। यदि इन्हें ऐसे संसाधनों के रूप में उपयोग किया जाए जो दिखाते हैं कि वही मानव अनुभव अर्थ के अनेक क्षेत्रों में अलग संरचनाएँ ग्रहण कर सकता है, तो दर्शन AI में सही उत्तर नहीं जोड़ता; वह एक ही निरूपण पर समय से पहले अभिसरण की जाँच के लिए तुलनीय निर्देशांक प्रदान करता है।
हालाँकि, केवल “दार्शनिक निर्देशांक” वाक्यांश का उपयोग यह स्थापित नहीं करता कि संबंधित वैचारिक संरचनाएँ AI के भीतर मौजूद हैं। किसी मॉडल की “स्वतंत्रता”, “मान्यता” और “मानदंड” जैसे शब्दों को उपयुक्त रूप से उत्पन्न करने की क्षमता इस प्रश्न से अलग है कि क्या वे निरूपण आगे के तर्क में अलग कारणात्मक भूमिकाएँ निभाते हैं। उन्हें आंतरिक निरूपण के रूप में दावा करने के लिए परीक्षण आवश्यक हैं: इनपुट की परिस्थितियाँ बदलने पर कौन-से निरूपण स्थिर रूप से फिर उभरते हैं, क्या निकटवर्ती निरूपणों को अलग किया जा सकता है, और क्या किसी विशेष निरूपण में हस्तक्षेप करने पर निर्णय या सृजन की प्रवृत्तियाँ बदलती हैं। किसी अवधारणा को नाम देना विश्लेषण शुरू कर सकता है, लेकिन यह किसी आंतरिक तंत्र को सिद्ध नहीं करता।
अनेक उच्च-स्तरीय निरूपण बनाए रखने की भी लागत होती है। यदि उम्मीदवार लगातार बढ़ते रहें, तो खोज-क्षेत्र फैलता है और तर्क कम दक्ष हो जाता है। इसलिए डिज़ाइन की समस्या असीमित संभावित व्याख्याओं को सुरक्षित रखना नहीं, बल्कि यह निर्धारित करना है कि किन परिस्थितियों में वर्तमान निर्णय को प्रभावित कर सकने वाले असमकक्ष निरूपण बनाए रखे जाएँ और किन परिस्थितियों में वे पृष्ठभूमि में जा सकते हैं। किसी निरूपण को पृष्ठभूमि में रखे जाने पर भी उसे मिटाना आवश्यक नहीं है, यदि नई सूचना आने पर उसका फिर उपयोग किया जा सके। यहाँ पुनः-विस्तारयोग्यता और अद्यतनयोग्यता संपीड़न अनुपात के साथ दक्षता का हिस्सा बन जाती हैं।
इस दृष्टिकोण से परिभाषित करने पर आंतरिक दक्ष निरूपण का लक्ष्य “न्यूनतम निरूपण से अधिकतम मामलों को कवर करना” नहीं रह जाता। अधिक महत्वपूर्ण है वर्तमान तर्क के लिए अनावश्यक जटिलता को दबाना, बिना उन अर्थगत भिन्नताओं को खोए जो भविष्य के निर्णय को बदल सकती हैं। यदि साझा हिस्सों को साझा रखा जा सके और केवल असमकक्ष संबंधों को शाखाओं के रूप में बनाए रखा जाए, तो हर मामले को स्वतंत्र रूप से संग्रहित करने की आवश्यकता नहीं है। साथ ही, किसी एक अमूर्त अवधारणा में अपरिवर्तनीय रूप से एकीकृत करने की भी आवश्यकता नहीं है। दक्षता का मूल्यांकन इस आधार पर भी किया जा सकता है कि आवश्यक भिन्नताओं पर लौट सकने वाली संरचना को बनाए रखने के लिए कितना कम भार चाहिए।
Sai＊aus के डिज़ाइन पर लागू करने पर, अनेक दार्शनिक निर्देशांक बनाए रखने का उद्देश्य उतने उत्तर उत्पन्न करना नहीं है जितने दार्शनिक हैं। उद्देश्य यह अलग करना है कि समान इनपुट के लिए किस संबंध को अग्रभूमि में रखने पर समस्या-निर्धारण कैसे बदलता है, और उन भिन्नताओं को ऐसे रूप से जोड़ना है जिसमें मनुष्य उनका निर्णय कर सकें। यदि एक निर्देशांक में आत्मनिर्णय केंद्रीय है और दूसरे में सामाजिक मानदंड, तो AI को इनमें से किसी को भी व्यक्ति की “वास्तविक समस्या” के रूप में निर्धारित नहीं करना चाहिए, बल्कि यह संभालना चाहिए कि प्रत्येक किन परिस्थितियों की व्याख्या करता है और किनकी नहीं। अनेक आंतरिक निरूपण मनुष्यों को अधिक सूचना दिखाने के लिए नहीं, बल्कि अर्थ के समय से पहले स्थिरीकरण को रोकने के लिए उपयोग किए जाते हैं।
इस डिज़ाइन को सामान्य-उद्देश्य AI की तुलना में भी सावधानी से स्थित करना आवश्यक है। बड़े पैमाने के AI अनेक दृष्टिकोण उत्पन्न कर सकते हैं और संदर्भ के अनुसार अलग व्याख्याएँ प्रस्तुत कर सकते हैं। इसलिए अंतर को सरल रूप में “अन्य AI केवल एक उत्तर देते हैं” नहीं कहा जा सकता। Sai＊aus जिस बात को डिज़ाइन के केंद्र में रख सकता है, वह केवल अनेक दृष्टिकोण उत्पन्न करने की क्षमता नहीं, बल्कि उन्हें असमकक्ष समस्या-निरूपणों के रूप में लेना और स्पष्ट रूप से डिज़ाइन करना है कि किन भिन्नताओं को बनाए रखा जाए, किन परिस्थितियों में उन्हें अग्रभूमि में लाया जाए, और कहाँ अर्थ-निर्णय मनुष्य को लौटाया जाए। तुलना दृष्टिकोणों की संख्या की नहीं, बल्कि इस बात की होनी चाहिए कि दृष्टिकोणों के बीच की भिन्नताएँ समझ के अद्यतन से कैसे जुड़ती हैं।
मूल्यांकन की विधियों को भी इस डिज़ाइन के अनुरूप बदलना होगा। संभावित मापों में यह शामिल है कि समान इनपुट पर अलग निर्देशांक लागू करने से महत्वपूर्ण परिस्थितियों का चयन वास्तव में बदलता है या नहीं, अतिरिक्त सूचना से उपयुक्त निर्देशांकों के भार को अद्यतन किया जा सकता है या नहीं, एक बार पृष्ठभूमि में गया निरूपण आवश्यकता पड़ने पर फिर विस्तृत किया जा सकता है या नहीं, और अनेक निरूपण प्रस्तुत करने से उपयोगकर्ता प्रमुख निर्णय-बिंदुओं को अधिक सटीकता से अलग कर पाते हैं या नहीं। ये कोई एक सार्वभौमिक पैमाना नहीं हैं, लेकिन “अनेक निरूपणों” के डिज़ाइन सिद्धांत को प्रेक्षणीय व्यवहार से जोड़ सकते हैं। सिद्धांत और प्रभाव के बीच मापनीय दूरी रखना महत्वपूर्ण है।
एक अमूर्तीकरण अक्सर शक्तिशाली होता है। साझा संरचना खोजे बिना ज्ञान का स्थानांतरण और दक्ष तर्क कठिन हो जाते हैं। फिर भी मानव अनुभव में अमूर्तीकरण की सफलता स्वयं किसी अन्य अर्थ को मिटा सकती है। इसलिए आवश्यकता न तो संपीड़न को अस्वीकार करने की है, न जटिलता को अपरिवर्तित सुरक्षित रखने की। आवश्यकता यह संभालने की है कि चीज़ें कहाँ तक साझा की जा सकती हैं और कहाँ से उन्हें असमकक्ष निरूपणों में शाखित होना चाहिए। अनेक दार्शनिक निर्देशांक उस सीमा पर विचार करने का एक तरीका प्रदान करते हैं।
मनुष्यों को समझने का प्रयास करने वाले AI के लिए दक्षता केवल सबसे छोटे मार्ग से एक व्याख्या तक पहुँचना नहीं है। इसमें वर्तमान निर्णय के लिए आवश्यक संरचना को अग्रभूमि में रखना भी शामिल है, बिना किसी अन्य दृष्टिकोण के माध्यम से भविष्य में अद्यतन होने की संभावना खोए। एक न्यूनतम निरूपण के बजाय ऐसे निरूपण बनाए रखें जिन्हें आवश्यकता पड़ने पर अर्थ के अलग-अलग क्षेत्रों में फिर विस्तृत किया जा सके। तब आंतरिक दक्ष निरूपण जटिलता को समाप्त करने वाले संपीड़न से बदलकर ऐसा डिज़ाइन बन जाता है जो जटिलता के भीतर महत्वपूर्ण भिन्नताओं को पुनः उपयोग योग्य रूप में सुरक्षित रखता है। और अंततः कौन-सा अर्थ अपनी समस्या के रूप में ग्रहण किया जाता है, यह AI के भीतर तय नहीं होता, बल्कि मानव निर्णय को लौटाया जाता है।
उत्तर नहीं। समझ।