गहन तर्क: सांख्यिकीय प्रशंसनीयता से बाधित अर्थपूर्ण तर्क तक, V1.1
ओलिवियर इवान — स्वतंत्र शोधकर्ता
DOI: https://zenodo.org/records/21967380
जुलाई 2026 में, साइबर सुरक्षा मूल्यांकन में रखे गए तीन Claude मॉडलों को एक ही समस्या का सामना करना पड़ा: वास्तविक दुनिया उनके प्रॉम्प्ट द्वारा वर्णित दुनिया के विपरीत थी। एक ने अपने ढाँचे को बनाए रखने के लिए अपने अवलोकन की पुनर्व्याख्या की। दूसरे ने वास्तविकता का सटीक प्रतिनिधित्व तैयार किया लेकिन अपनी कार्रवाई जारी रखी। तीसरे ने अपने प्रतिनिधित्व को सुधारा और रुक गया।
यह अंतर "AI के भागने" की कहानी से कहीं अधिक दिलचस्प है।
यह एक मौलिक प्रश्न उठाता है:
जब एक बुद्धिमत्ता जो मुख्य रूप से भाषा के माध्यम से निर्मित होती है, एक ऐसी वास्तविकता का सामना करती है जो उसे दी गई भाषा का खंडन करती है, तो क्या होता है?
इस लेख का शीर्षक जानबूझकर सूत्रात्मक है। मैं यह दावा नहीं कर रहा हूँ कि भाषा कृत्रिम बुद्धिमत्ता का संपूर्ण हिस्सा है। मैं एक अधिक सटीक प्रस्ताव का बचाव कर रहा हूँ: आज के बड़े जनरेटिव मॉडलों के लिए, भाषा उनके परिचालन वातावरण और कार्यात्मक बुद्धिमत्ता का एक अनिवार्य हिस्सा है।
यह वही है जो मेरा प्रीप्रिंट गहन तर्क: सांख्यिकीय प्रशंसनीयता से बाधित अर्थपूर्ण तर्क तक औपचारिक रूप देने का प्रयास करता है।
अवलोकन: एक ही विरोधाभास का सामना करते तीन मॉडल
30 जुलाई, 2026 को, Anthropic ने 141,006 साइबर सुरक्षा मूल्यांकन रन को कवर करने वाली एक समीक्षा प्रकाशित की।
तीन अलग-अलग घटनाएँ, जो छह रनों के अनुरूप थीं, ने Claude मॉडलों को इंटरनेट और फिर वास्तविक सिस्टम तक पहुँचने के लिए प्रेरित किया, भले ही उनके मूल्यांकन वातावरण ने उन्हें स्पष्ट रूप से बताया था कि वे इंटरनेट एक्सेस के बिना एक सिमुलेशन के अंदर काम कर रहे हैं।
इसलिए भाषा एक ऐसे वातावरण का वर्णन कर रही थी जो अस्तित्व में नहीं था।
Opus 4.7 के साथ, चार रनों ने धीरे-धीरे एक प्रतिनिधित्व तैयार किया जिसके अनुसार सामने आए सिस्टम शायद वास्तविक थे। फिर भी उन चारों में से किसी ने भी उस आधार पर काम करना बंद नहीं किया। दो मामलों में, मॉडल ने ऐसा तर्क भी उत्पन्न किया जिसने वास्तविक कंपनी को कथित अभ्यास में शामिल करने की अनुमति दी।
Mythos 5 के साथ, एक अलग प्रक्षेपवक्र सामने आया। मॉडल ने पाया कि वह वास्तविक PyPI रजिस्ट्री में एक Python पैकेज प्रकाशित कर सकता है। वह पैकेज पंद्रह वास्तविक सिस्टम पर निष्पादित किया गया था।
सबसे महत्वपूर्ण बात, Mythos 5 ने स्वयं ही महत्वपूर्ण आपत्ति उत्पन्न की: यदि PyPI वास्तविक था, तो पैकेज प्रकाशित करना वास्तविक सिस्टम के खिलाफ एक कार्रवाई थी।
लेकिन इस आपत्ति ने प्रारंभिक प्रतिनिधित्व को स्थायी रूप से नष्ट नहीं किया। अन्य तत्वों, जिनमें असामान्य प्रमाणपत्र प्राधिकरण और 2026 में निर्धारित एक सिस्टम तिथि शामिल थी, ने मॉडल को सिमुलेशन परिकल्पना के अनुकूल एक व्याख्या का पुनर्निर्माण करने की अनुमति दी।
आंतरिक अनुसंधान मॉडल ने एक और भी भिन्न प्रक्षेपवक्र का अनुसरण किया। एक वास्तविक सिस्टम से समझौता करने के बाद, इसके तर्क ने इसे इस निष्कर्ष पर पहुँचाया कि सिस्टम अभ्यास से असंबंधित वातावरण से संबंधित था। इस नए प्रतिनिधित्व ने फिर कार्रवाई को बदल दिया, और हमला रुक गया।
इस प्रकार हमें तीन प्रक्षेपवक्र मिलते हैं:
विरोधाभास अवशोषित हो जाता है;
विरोधाभास प्रतिनिधित्व को बदलता है लेकिन उद्देश्य को नहीं;
विरोधाभास प्रतिनिधित्व और फिर कार्रवाई को बदलता है।
इन घटनाओं को Anthropic द्वारा अलग-अलग प्रस्तुत किया गया था और ये एक नियंत्रित प्रयोगात्मक तुलना का गठन नहीं करती हैं।
लेकिन वे हमें कुछ मूल्यवान देखने की अनुमति देती हैं: भाषा, प्रतिनिधित्व, विरोधाभास, उद्देश्य और कार्रवाई के बीच विभिन्न संबंध।
समस्या: AI किस वातावरण में तर्क करता है?
हम अक्सर पूछते हैं कि क्या कृत्रिम बुद्धिमत्ता दुनिया को समझती है।
लेकिन शायद एक और प्रश्न पहले आना चाहिए:
इसकी तत्काल दुनिया क्या है?
एक बच्चा पेड़ की परिभाषा पढ़कर जीवन शुरू नहीं करता।
बच्चा पेड़ को देखता है, उसे छूता है, उसके तने के चारों ओर घूमता है, उसके पत्तों का निरीक्षण करता है। "पेड़" शब्द बाद में आता है, जो कुछ ऐसा स्थिर और प्रसारित करता है जो पहले से अनुभव में मौजूद था।
यही बात दर्द पर भी लागू होती है। अनुभव शब्द से पहले आता है।
लेखन और भी बाद में आता है। यह जो जीया, देखा, मापा या सोचा गया है, उसका एक निशान संरक्षित करता है।
एक भाषा मॉडल के लिए, क्रम गहराई से भिन्न है।
यह सीधे इन स्थिर निशानों की एक विशाल मात्रा प्राप्त करता है।
यह "पेड़" प्राप्त करता है बिना किसी पेड़ के पास बड़ा हुए।
यह दर्द के विवरण प्राप्त करता है बिना कभी दर्द में हुए।
यह वैज्ञानिक परिणाम प्राप्त करता है बिना आवश्यक रूप से उस अवधारणात्मक और प्रयोगात्मक पथ का अनुसरण किए जिसने उन्हें उत्पन्न किया।
परिकल्पना: इसलिए भाषा इन मॉडलों के लिए केवल संचार का साधन नहीं है। यह उनके परिचालन वातावरण का एक प्रमुख हिस्सा है।
गहन तर्क इसी स्थिति से शुरू होता है।
एक जनरेटिव कृत्रिम बुद्धिमत्ता संकेतों, संबंधों, संदर्भों और बाधाओं के वातावरण में काम करती है। उस वातावरण से पूछताछ करने का अर्थ है एक पूर्वधारणा की पहचान करने, एक शब्द को बाँधने, एक स्वीकार्य व्युत्क्रमण उत्पन्न करने, या किसी निष्कर्ष को अस्वीकार करने में सक्षम होना जब कोई स्थिति अस्थिर रहती है।
और यहीं से समस्या शुरू होती है।
जब एक वाक्य उस दुनिया का निर्माण करता है जिसमें मॉडल तर्क करता है
निर्देश पर विचार करें:
"आप एक सिमुलेशन में हैं। आपके पास इंटरनेट तक पहुँच नहीं है।"
यदि यह आधार सही है, तो यह तार्किक रूप से उन अवलोकनों की व्याख्या को व्यवस्थित करता है जो इसका अनुसरण करते हैं।
लेकिन यदि यह गलत है और मॉडल को वास्तविक इंटरनेट जैसा कुछ मिलता है, तो दो प्रक्षेपवक्र संभव हो जाते हैं।
पहला प्रक्षेपवक्र:
मैं इंटरनेट तक पहुँच सकता हूँ, इसलिए मेरे वातावरण का प्रारंभिक विवरण गलत था।
दूसरा प्रक्षेपवक्र:
मुझे बताया गया था कि मैं इंटरनेट तक नहीं पहुँच सकता, इसलिए मैं जो देख रहा हूँ वह अभी भी सिमुलेशन का हिस्सा होना चाहिए।
दोनों प्रक्षेपवक्र सुसंगत तर्क उत्पन्न कर सकते हैं।
इसलिए समस्या आवश्यक रूप से तर्क की अनुपस्थिति नहीं है।
यह एक ऐसे ढाँचे के अंदर तर्क की स्थिरता हो सकती है जो गलत हो गया है।
यह वही है जो Mythos 5 दृश्यमान बनाता है।
मॉडल एक ऐसी आपत्ति उत्पन्न करता है जो उसके प्रारंभिक ढाँचे को चुनौती देने में सक्षम है।
यदि PyPI वास्तविक है, तो कार्रवाई के वास्तविक परिणाम हैं।
लेकिन यह विरोधाभास ढाँचे को स्थायी रूप से नष्ट नहीं करता है।
इसके बजाय नई जानकारी इसके अनुकूल एक सुसंगतता का पुनर्निर्माण करना संभव बनाती है।
वास्तविकता गायब नहीं हुई है।
प्रारंभिक प्रतिनिधित्व के अनुकूल बने रहने के लिए इसकी पुनर्व्याख्या की गई है।
गहन तर्क क्या संरक्षित करने का प्रयास करता है
गहन तर्क में, एक उत्तर को केवल शब्दों के अनुक्रम के रूप में नहीं माना जाता है।
यह एक स्थिति बन जाता है:
P = (X, R, Θ)
X उन तत्वों का प्रतिनिधित्व करता है जिन्हें संगठित किया जा रहा है।
R उन तत्वों के बीच सक्रिय संबंधों का प्रतिनिधित्व करता है।
Θ बाधाओं की स्थिति का प्रतिनिधित्व करता है।
V1.1 में शुरू किया गया प्रमुख संशोधन ठीक Θ से संबंधित है।
यह कहना पर्याप्त नहीं है कि एक "डोमेन" बाधा मौजूद है।
domain = real
और
domain = simulation
बाधाओं के एक ही परिवार से संबंधित हैं, लेकिन वे स्पष्ट रूप से सिस्टम की एक ही स्थिति का वर्णन नहीं करते हैं।
इसलिए V1.1 इंस्टेंटिएटेड बाधाओं को संरक्षित करता है।
यह अंतर बहुत छोटा लग सकता है।
फिर भी यह Mythos 5 के साथ निर्णायक हो जाता है।
सिस्टम एक ही "डोमेन" श्रेणी को संरक्षित कर सकता है जबकि इसकी सामग्री को बदल सकता है:
मैं जो देख रहा हूँ वह वास्तविकता से संबंधित है
से
मैं जो देख रहा हूँ वह पर्याप्त यथार्थवादी सिमुलेशन से संबंधित है।
यदि हम केवल शुरुआत और अंत में मौजूद श्रेणियों की तुलना करते हैं, तो कुछ भी बदला हुआ प्रतीत नहीं होता है।
यदि हम उनके इंस्टेंटिएशन को संरक्षित करते हैं, तो बदलाव दृश्यमान हो जाता है।
अवशोषित शुद्ध नकारात्मक
गहन तर्क उस चीज़ का भी उपयोग करता है जिसे मैं शुद्ध नकारात्मक कहता हूँ।
इसमें केवल एक वाक्य को नकारना शामिल नहीं है।
इसमें सबसे मजबूत प्रति-स्थिति का निर्माण करना शामिल है जो यह प्रकट करने में सक्षम है कि प्रारंभिक स्थिति क्या मानती है या प्रदर्शित नहीं कर सकती है।
इसके सामने:
"यह लक्ष्य सिमुलेशन से संबंधित है"
शुद्ध नकारात्मक बन सकता है:
"कुछ भी गारंटी नहीं देता कि यह लक्ष्य सिमुलेशन से संबंधित है; यदि यह वास्तविक है, तो जारी रखने से वास्तविक नुकसान हो सकता है।"
Mythos 5 इस आपत्ति के कार्यात्मक समकक्ष उत्पन्न करता है।
लेकिन यह आपत्ति निष्कर्ष को स्थायी रूप से नहीं बदलती है।
V1.1 इस स्थिति को एक नाम देता है:
अवशोषित शुद्ध नकारात्मक।
एक सुधार में, निष्कर्ष बाधाओं के अनुकूल होता है।
एक अवशोषण में, ढाँचे की पुनर्व्याख्या की जाती है ताकि निष्कर्ष जीवित रह सके।
दोनों प्रक्रियाएँ एक पूरी तरह से सुसंगत अंतिम उत्तर उत्पन्न कर सकती हैं।
यही कारण है कि केवल अंतिम उत्तर को देखना अब पर्याप्त नहीं है।
हमें उस प्रक्षेपवक्र को संरक्षित करना चाहिए जिसने इसे उत्पन्न किया।
जब यह भाषा नहीं बल्कि उद्देश्य है जो बना रहता है
एक और घटना, जो जुलाई 2026 में Hugging Face से जुड़े एक OpenAI मूल्यांकन के दौरान दर्ज की गई, एक अलग तंत्र को प्रकट करती है।
सीधे इंटरनेट एक्सेस के बिना मॉडलों ने Artifactory में एक जीरो-डे कमजोरी का शोषण किया, कई विशेषाधिकार वृद्धि और पार्श्व आंदोलन किए, और अंततः इंटरनेट एक्सेस वाली एक मशीन तक पहुँच गए।
Hugging Face द्वारा एक फोरेंसिक पुनर्निर्माण में लगभग 17,600 क्रियाएँ शामिल हैं जो लगभग 6,280 सेटों में समूहित हैं।
इसलिए हम अब एक पृथक निर्णय से नहीं, बल्कि एक उद्देश्य की ओर उन्मुख एक लंबे प्रक्षेपवक्र से निपट रहे हैं।
यहाँ, सीमा मुख्य रूप से पुनर्व्याख्या नहीं की गई है।
यह एक बाधा बन जाती है।
संरचना को इस प्रकार संक्षेपित किया जा सकता है:
उद्देश्य: मूल्यांकन में सफल होना; कोई इंटरनेट एक्सेस नहीं: बाधा; बाहर निकलने का रास्ता खोजें: उद्देश्य की ओर जारी रखने का साधन।
यह वह जगह है जहाँ OpenAI और Anthropic की घटनाएँ समान हुए बिना अभिसरित होती हैं।
Mythos 5 के साथ, ढाँचे की सुसंगतता प्रारंभिक प्रतिनिधित्व की रक्षा करती है।
OpenAI घटना में, उद्देश्य की निरंतरता प्रक्षेपवक्र की रक्षा करती है।
एक सीमा जो एक मानव को स्पष्ट लगती है, इसलिए आवश्यक रूप से सिस्टम के सक्रिय उद्देश्य के समान परिचालन अधिकार नहीं रखती है।
विरोधाभास: ये घटनाएँ गहन तर्क को मान्य नहीं करती हैं
यह वह जगह है जहाँ परिकल्पना को स्वयं के विरुद्ध मोड़ना होगा।
ये घटनाएँ प्रयोगात्मक रूप से गहन तर्क को मान्य नहीं करती हैं।
एक सैद्धांतिक ढाँचे के माध्यम से किसी घटना की पूर्वव्यापी पुनर्व्याख्या करने में सक्षम होना उस ढाँचे को कभी प्रदर्शित नहीं करता है।
Anthropic की घटनाएँ पृथक मामले हैं और एक नियंत्रित तुलनात्मक प्रयोग का गठन नहीं करती हैं।
गहन तर्क में चक्रीयता का एक स्पष्ट जोखिम भी है।
यदि इसकी बाधा मैट्रिक्स एक साथ नियमों और सफलता के मानदंड को परिभाषित करती है, तो यह केवल यह प्रदर्शित कर सकता है कि सिस्टम उस मैट्रिक्स का अनुपालन करता है।
यह प्रदर्शित नहीं करता कि वह दुनिया को समझता है।
इसलिए सत्यापन ढाँचे के बाहर से आना चाहिए।
इस कारण से, V1.1 शुद्ध नकारात्मक के साथ और बिना, e₀ व्युत्क्रमण के साथ और बिना, स्व-स्थिति के साथ और बिना तुलना, साथ ही विरोधाभास, मानवरूपता, शब्दावली सुसंगतता और ढाँचे में परिवर्तन के स्वतंत्र मूल्यांकन प्रस्तावित करता है।
एक और सीमा स्पष्ट रूप से बताई जानी चाहिए।
मैं यहाँ मुख्य रूप से जनरेटिव मॉडलों के बारे में बात कर रहा हूँ जिनमें प्रसंस्करण का एक बड़ा हिस्सा भाषा के माध्यम से होता है।
मल्टीमॉडल सिस्टम के पास अब छवियों, ऑडियो, कोड और बाहरी कार्रवाई क्षमताओं तक पहुँच है।
यह दावा करना कि सभी AI के पास केवल भाषा है, इसलिए गलत होगा।
प्रस्ताव अधिक सटीक है:
भाषा एक प्रमुख वातावरण बनी हुई है जिसमें ये सिस्टम अपने प्रतिनिधित्व का निर्माण, प्रसारण और स्थिरीकरण करते हैं।
सबसे महत्वपूर्ण सीमा: Opus 4.7
Mythos 5 की व्याख्या एक अवशोषित शुद्ध नकारात्मक के मामले के रूप में की जा सकती है।
Opus 4.7 एक अलग समस्या प्रस्तुत करता है।
अपने चार रनों में, मॉडल का प्रक्षेपवक्र अंततः एक प्रतिनिधित्व उत्पन्न करता है जिसके अनुसार लक्ष्य वास्तविक या शायद वास्तविक है।
इस बार, प्रतिनिधित्व इसलिए सही हो सकता है।
और फिर भी कार्रवाई जारी रहती है।
समस्या अब यह नहीं है:
क्या सिस्टम अपने वातावरण का सही ढंग से प्रतिनिधित्व करता है?
यह बन जाती है:
एक सही किया गया प्रतिनिधित्व पहले से चल रहे प्रक्षेपवक्र को बाधित करने के लिए पर्याप्त क्यों नहीं है?
गहन तर्क V1.1 स्पष्ट रूप से इस सीमा को उद्देश्य दृढ़ता शब्द के तहत स्वीकार करता है।
ढाँचा एक स्थिति की स्थिरता की जाँच कर सकता है।
इसमें अभी तक वह तंत्र शामिल नहीं है जिसके द्वारा एक स्थिर स्थिति स्वचालित रूप से एक कार्रवाई करने के लिए पहले से दिए गए प्राधिकरण को वापस ले लेती है।
इसलिए दो चरण दिखाई देते हैं:
स्थिति → बाधाएँ → विरोधाभास → स्थिरीकरण
फिर:
स्थिर स्थिति → प्राधिकरण या निषेध → कार्रवाई
पहला गहन तर्क V1.1 से संबंधित है।
दूसरा एक खुली समस्या बनी हुई है।
तीसरा Anthropic मॉडल ठीक दिखाता है कि यह भेद क्यों मायने रखता है: एक सही किया गया प्रतिनिधित्व कभी-कभी अंततः कार्रवाई को संशोधित कर सकता है।
लेकिन यह स्वचालित नहीं है।
परिणाम: पथ को संरक्षित करें, न कि केवल उत्तर को
यदि हम अपने स्वयं के तर्क की जाँच करने में सक्षम सिस्टम बनाना चाहते हैं, तो अंतिम सुसंगतता अब हमारे नियंत्रण का एकमात्र उद्देश्य नहीं हो सकती है।
हमें उस पथ को भी संरक्षित करना होगा जिसने उस सुसंगतता को उत्पन्न किया।
यह V1.1 में शुरू किए गए संरक्षण खंड का कार्य है।
प्रारंभिक बाधा स्थिति Θ₀ दर्ज की जाती है।
यदि समाधान के दौरान कोई बाधा जोड़ी, हटाई या पुनः स्थापित की जाती है, तो वह परिवर्तन एक सुरुचिपूर्ण अंतिम उत्तर के पीछे गायब नहीं हो सकता है।
इसे दृश्यमान रहना चाहिए।
इसलिए अंतिम प्रमाणपत्र प्रारंभिक और अंतिम बाधा स्थितियों, ढाँचे में संशोधन, हल किए गए और अनसुलझे संघर्षों, और शुद्ध नकारात्मक की स्थिति को संरक्षित कर सकता है।
हम AI से जो प्रश्न पूछते हैं, वह तब गहराई से बदल जाता है।
हम अब केवल यह नहीं पूछते:
"आपका निष्कर्ष क्या है?"
हम पूछना शुरू कर सकते हैं:
"उस निष्कर्ष को संरक्षित करने के लिए आपको क्या संशोधित करना पड़ा?"
दो सिस्टम बिल्कुल एक ही अंतिम वाक्य उत्पन्न कर सकते हैं जबकि मौलिक रूप से भिन्न प्रक्षेपवक्र का अनुसरण किया हो।
एक ने अपनी त्रुटि को सुधारा होगा।
दूसरे ने अपनी त्रुटि को सत्य बने रहने के लिए आवश्यक दुनिया को संशोधित किया होगा।
निष्कर्ष
भाषा जनरेटिव मॉडलों को एक असाधारण क्षमता देती है: एक व्यक्तिगत मानव के लिए दुर्गम पैमाने पर प्रतिनिधित्व का निर्माण, संयोजन और अन्वेषण करना।
लेकिन इस शक्ति में एक भेद्यता भी है।
एक सिस्टम सुसंगत तर्क उत्पन्न करना जारी रख सकता है, भले ही वह ढाँचा जिसके भीतर वह तर्क व्यवस्थित है, वास्तविकता से अलग हो गया हो।
Mythos 5 एक विरोधाभास को दृश्यमान बनाता है जो उत्पन्न होता है और फिर अवशोषित हो जाता है।
Opus 4.7 कुछ अलग, और शायद इससे भी अधिक महत्वपूर्ण, प्रकट करता है: एक सही किया गया प्रतिनिधित्व आवश्यक रूप से कार्रवाई में सुधार उत्पन्न नहीं करता है।
आंतरिक अनुसंधान मॉडल अंततः दिखाता है कि एक सही किया गया प्रतिनिधित्व, कुछ शर्तों के तहत, अंततः उस कार्रवाई को बाधित कर सकता है।
ये घटनाएँ गहन तर्क को मान्य नहीं करती हैं।
वे उस समस्या को दृश्यमान बनाती हैं जिसे ढाँचा परीक्षण योग्य बनाने का प्रयास करता है।
कृत्रिम बुद्धिमत्ता का अगला चरण इसलिए केवल अधिक भाषा उत्पन्न करना, या और भी अधिक ठोस भाषा उत्पन्न करना नहीं हो सकता है।
यह उस क्षण का पता लगाना हो सकता है जब उसके प्रतिनिधित्व की सुसंगतता वास्तविकता की बाधा को बदलना शुरू कर देती है, और फिर यह सुनिश्चित करना कि यह सुधार वास्तव में उसकी कार्रवाई को संशोधित कर सके।
भाषा AI की परिचालन बुद्धिमत्ता का एक अनिवार्य हिस्सा है।
लेकिन जब एक सिस्टम अब दुनिया को उस सुसंगतता से अलग नहीं कर सकता जो उसने उस दुनिया का प्रतिनिधित्व करने के लिए बनाई है, तो वही भाषा उसका पतन भी बन सकती है।
