हम ऐसी जानकारी सहेजते हैं जो उपयोगी लगती है। हम किताबें पढ़ते हैं, लेख सहेजते हैं, बैठकों का रिकॉर्ड रखते हैं और तस्वीरें तथा नोट्स जमा करते हैं। डिजिटलीकरण ने हमारे द्वारा संग्रहित की जा सकने वाली मात्रा को बहुत बढ़ा दिया है, और AI ने बड़े संग्रहों में आवश्यक जानकारी ढूँढना आसान बना दिया है। फिर भी, “वह ज्ञान जो हमारे पास है लेकिन जिसका हम उपयोग नहीं कर सकते” समाप्त नहीं हुआ है। हम भूल सकते हैं कि हमने उसे सहेजा था, या उसे पा सकते हैं लेकिन यह नहीं जान पाते कि उसका हमारे सामने मौजूद समस्या से क्या संबंध है।
ज्ञान का अर्थ उन संबंधों के अनुसार बदलता है जिनमें उसे रखा जाता है। मान लीजिए कि “विस्तार करने से पहले छोटे पैमाने पर परीक्षण करें” जैसा विचार कभी केवल काम करने के एक तरीके के रूप में प्रासंगिक लगता था। बाद में, किसी सामुदायिक गतिविधि की शुरुआत करते समय, वही विचार कम संख्या में प्रतिभागियों के साथ शुरुआत करने की विधि से जुड़ सकता है। ज्ञान के शब्द नहीं बदले हैं, लेकिन उसे एक नए प्रश्न से जोड़ने पर उसका मूल्य अलग हो जाता है। ज्ञान का मूल्य केवल उस क्षण तय नहीं होता जब उसे संग्रहित किया जाता है।
यह इस बात को भी प्रभावित करता है कि ज्ञान को कैसे व्यवस्थित किया जाना चाहिए। विषय के अनुसार वर्गीकरण उपयोगी है, लेकिन वही ज्ञान कई प्रश्नों से संबंधित हो सकता है। स्वास्थ्य पर शोध काम करने के तरीकों को तैयार करने में मदद कर सकता है, जबकि परिवहन का कोई उदाहरण किसी समुदाय में निष्पक्षता पर विचार करने की सामग्री बन सकता है। यदि हर चीज़ को केवल एक ही शेल्फ पर व्यवस्थित रूप से रख दिया जाए, तो ऐसे विभिन्न क्षेत्रों को जोड़ने वाले संबंध देखना कठिन हो जाता है। समाधान वर्गीकरण को समाप्त करना नहीं, बल्कि वर्गीकरणों के पार फिर से जुड़ने की गुंजाइश बनाए रखना है।
AI इस पुनःजोड़ में मदद कर सकता है। वर्तमान प्रश्न से शुरुआत करके, वह पुराने रिकॉर्ड और दूसरे क्षेत्रों के ज्ञान में संभावित रूप से प्रासंगिक सामग्री खोज सकता है और उसे ऐसे रूप में प्रस्तुत कर सकता है जिसकी लोग तुलना कर सकें। लेकिन कोई चीज़ केवल इसलिए अर्थपूर्ण ज्ञान नहीं बन जाती कि AI उसे “संबंधित” मानता है। समान शब्द ऐसी परिस्थितियों में दिखाई दे सकते हैं जो किसी स्रोत को अप्रासंगिक बना देती हैं। इसके विपरीत, अलग-अलग शब्द समान संरचना वाली समस्याओं का वर्णन कर सकते हैं। संबंध बनाने के लिए केवल जानकारी खोज लेने से आगे की जाँच आवश्यक है।
ज्ञान उपयोग के माध्यम से भी अद्यतन होता है। किसी विचार को वास्तविक समस्या पर लागू करने से वे परिस्थितियाँ सामने आती हैं जिनमें वह काम करता है और वे परिस्थितियाँ भी जिनमें वह काम नहीं करता। यदि उन परिणामों को मूल ज्ञान से फिर जोड़ा जाए, तो अगली बार उसका उपयोग अधिक समृद्ध संदर्भ से शुरू हो सकता है। यदि ज्ञान को केवल एक पूर्ण उत्तर के रूप में संग्रहित किया जाए, तो यह परिवर्तन खो जाता है। प्रश्न, अनुप्रयोग, निर्णय और परिणाम को आपस में जोड़कर ज्ञान अनुभव के साथ विकसित हो सकता है।
यही कारण है कि Sai＊aus Labo ज्ञान को केवल अलग-अलग लेखों के रूप में नहीं, बल्कि संबंधों के एक जाल के रूप में देखता है। यदि एक लेख केवल दूसरे लेख से लिंक न हो, बल्कि उन्हें इस आधार पर जोड़ा जा सके कि वे कौन-से प्रश्न साझा करते हैं, उनके दृष्टिकोण कहाँ अलग हैं और किन परिस्थितियों में पहले की समझ को अद्यतन करने की आवश्यकता है, तो पिछला ज्ञान अगले प्रश्न के लिए सामग्री बन जाता है। मनुष्य का हर नया निर्णय इन संबंधों को भी अद्यतन करने की गुंजाइश छोड़ सकता है।
इस चक्र में विकास का अर्थ केवल ज्ञान की मात्रा बढ़ना नहीं है। विकास का अर्थ पुराने और नए ज्ञान के बीच संबंध को स्पष्ट करना, उन समस्याओं के बीच समानता ढूँढना भी हो सकता है जिन्हें पहले अलग माना जाता था, या इसके विपरीत, उन चीज़ों की परिस्थितियों में अंतर खोजना जिन्हें पहले समान माना जाता था। संग्रहित मात्रा समान होने पर भी, ज्ञान को जोड़ने का तरीका बदलने से उससे उत्पन्न होने वाली समझ बदल जाती है।
ज्ञान केवल हमारे पास होने से ही संभावना रखता है। लेकिन वह संभावना वास्तविक समझ में तब बदलती है जब ज्ञान किसी नए प्रश्न से मिलता है और दूसरे ज्ञान या अनुभव से जुड़ता है। ऐसे युग में जब AI ज्ञान को संभालता है, केवल यह महत्वपूर्ण नहीं है कि “कितना याद है”, बल्कि यह भी कि “आवश्यकता पड़ने पर किन संबंधों को फिर से बनाया जा सकता है।” भले ही हम भविष्य के प्रश्नों को अभी न जानते हों, ज्ञान को फिर से जुड़ने की गुंजाइश बनाए रखना संग्रहित जानकारी को जीवंत ज्ञान में बदल सकता है।
उत्तर नहीं। समझ।