बड़े भाषा मॉडल (LLMs) के मध्य-2020 के दशक में विस्फोटक उदय को व्यापक रूप से एक अभूतपूर्व तकनीकी विलक्षणता के रूप में मनाया जाता है। फिर भी, एक कठोर ऐतिहासिक-तकनीकी विश्लेषण से पता चलता है कि आधुनिक जनरेटिव AI के सामने आने वाली मूलभूत सीमाएँ नई नहीं हैं। मतिभ्रम, तर्क श्रृंखलाओं में त्रुटि का घातीय प्रसार, शब्दार्थ समझ का भ्रम, और हार्डवेयर मेमोरी बाधाओं की गणितीय, दार्शनिक और भौतिक भविष्यवाणी 1950 और 1990 के बीच कंप्यूटिंग के अग्रदूतों द्वारा की गई थी।
अभिलेखीय व्याख्यान फुटेज, हार्डवेयर स्पेक्स, और ऐतिहासिक बहसों का विश्लेषण करके, यह लेख बताता है कि कैसे आधुनिक LLM इंजीनियरिंग ठीक उन्हीं 4 दीवारों का फिर से सामना कर रही है, जिनकी भविष्यवाणी आधी सदी से भी पहले की गई थी।
20वीं सदी का AI टाइम कैप्सूल — 1958 से 1989 तक के अग्रदूतों की खोजों ने 2026 के LLM आर्किटेक्चरल सीमाओं की भविष्यवाणी कैसे की, इसका 70-वर्षीय समयरेखा मानचित्रण।
1. संयोजनात्मक विस्फोट और भंगुरता: लाइटहिल (1973) बनाम तर्क श्रृंखला का क्षरण
संयोजनात्मक विस्फोट बनाम ऑटो-रिग्रेसिव त्रुटि प्रसार — लाइटहिल का 1973 का घातीय खोज वृक्ष अवरोध, आधुनिक बहु-चरणीय Chain-of-Thought (CoT) तर्क क्षरण में पुनर्जीवित।
1973 लाइटहिल रिपोर्ट और श्रेणी B पतन
1973 में, यूके साइंस रिसर्च काउंसिल ने AI अनुसंधान का मूल्यांकन करने के लिए कैम्ब्रिज के लुकासियन प्रोफेसर ऑफ मैथमेटिक्स, सर जेम्स लाइटहिल को नियुक्त किया। उनकी ऐतिहासिक रिपोर्ट, Artificial Intelligence: A General Survey, ने AI को तीन श्रेणियों में विभाजित किया:
- श्रेणी A (उन्नत ऑटोमेशन): डोमेन-विशिष्ट ऑटोमेशन (OCR, मिसाइल गाइडेंस)। संकीर्ण क्षेत्रों में सफल माना गया।
- श्रेणी C (कंप्यूटर-आधारित CNS अनुसंधान): जैविक मस्तिष्क मॉडलिंग। वैज्ञानिक रूप से मूल्यवान माना गया।
- श्रेणी B (रोबोट बनाना / सामान्य AI): वह पुल जो दृष्टि, मोटर नियंत्रण और सामान्य सामान्य ज्ञान तर्क को संयोजित करने का प्रयास करता है।
लाइटहिल ने गणितीय रूप से साबित किया कि संयोजनात्मक विस्फोट के कारण श्रेणी B एक भ्रम है। माइक्रो-वर्ल्ड (जैसे टेरी विनोग्राड का SHRDLU ब्लॉक्स वर्ल्ड) में सहजता से काम करने वाले एल्गोरिदम, जब वास्तविक दुनिया की जटिलता में विस्तारित हुए तो ढह गए।
रॉयल इंस्टीट्यूशन में प्रसिद्ध 1973 BBC कंट्रोवर्सी बहस के दौरान, लाइटहिल ने AI अग्रदूतों जॉन मैकार्थी और डोनाल्ड मिशी का सामना करते हुए स्पष्ट रूप से कहा: "सामान्य प्रयोजन का रोबोट एक मृगतृष्णा है।" उन्होंने शतरंज का उपयोग करके गणितीय दीवार का वर्णन किया: 1,000,000 ऑपरेशन प्रति सेकंड पर 6 प्लाई का मूल्यांकन करने में 1 सेकंड लगता है; 12 प्लाई में 11 दिन लगते हैं; 18 प्लाई लगभग 32,000 वर्षों (20^18 चालों) तक विस्फोटित हो जाती है।
लाइटहिल रिपोर्ट ने पहली "AI विंटर" को ट्रिगर किया, जिसने यूके में श्रेणी B अनुसंधान को डीफंड कर दिया और अमेरिका में DARPA को वाक् पहचान अनुदान में $3 मिलियन वापस लेने का कारण बना।
ह्यूबर्ट ड्रेफस और नियमों की भंगुरता (1986)
ड्रेफस मॉडल ऑफ स्किल एक्विजिशन (1986) — औपचारिक नियम-आधारित प्रणालियाँ "दक्षता" पर चरम पर होती हैं और जब सहज, मूर्त मानव विशेषज्ञता की नकल करने के लिए मजबूर की जाती हैं तो ढह जाती हैं।
जब 1980 के दशक में विशेषज्ञ प्रणालियाँ (DENDRAL, MYCIN) उभरीं, तो बर्कले के दार्शनिक ह्यूबर्ट ड्रेफस (Mind over Machine, 1986) ने उनकी मौलिक "भंगुरता" को उजागर किया। ड्रेफस ने कौशल अधिग्रहण के 5-चरणीय मॉडल का मानचित्रण किया:
- नौसिखिया: संदर्भ-मुक्त नियमों का पालन करना।
- उन्नत शुरुआत: परिस्थितिजन्य सिद्धांतों को पहचानना।
- दक्षता: पदानुक्रमिक योजना और लक्ष्य चयन (नियम-आधारित प्रणालियों की पूर्ण सीमा)।
- प्रवीणता: समग्र पैटर्न पहचान और सहज परिस्थितिजन्य जागरूकता।
- विशेषज्ञता: मूर्त अनुभव पर आधारित तरल, गैर-चिंतनशील "जानना-कैसे"।
ड्रेफस ने साबित किया कि विशेषज्ञ प्रणालियाँ "बेवकूफ प्रतिभावान" थीं—कठोर सीमाओं के भीतर शानदार, लेकिन संदर्भ बदलावों के संपर्क में आने पर पूरी तरह से भंगुर, क्योंकि औपचारिक तर्क ("जानना-कि") सहज मानव विशेषज्ञता ("जानना-कैसे") को पकड़ नहीं सकता।
आधुनिक समानांतर: LLM तर्क श्रृंखलाओं में ऑटो-रिग्रेसिव त्रुटि प्रसार
आधुनिक LLMs ने प्रतीकात्मक खोज वृक्षों को सघन वेक्टर संभावनाओं से बदल दिया, फिर भी वे बहु-चरणीय तर्क में ठीक उसी संयोजनात्मक दीवार से टकराते हैं।
जब कोई LLM जटिल गणितीय या तार्किक समस्याओं को हल करने के लिए Chain-of-Thought (CoT) प्रॉम्प्टिंग का उपयोग करता है, तो ऑटो-रिग्रेसिव डिकोडिंग अनुक्रमिक रूप से टोकन उत्पन्न करता है जहाँ चरण n सभी पिछले चरणों पर निर्भर करता है। यदि 10-चरणीय तर्क श्रृंखला में एक व्यक्तिगत चरण की सटीकता p = 0.90 है, तो त्रुटि-मुक्त श्रृंखला को पूरा करने की संभावना है:
p10=(0.90)10≈0.348(34.8%)p^{10} = (0.90)^{10} \approx 0.348 \quad (34.8\%)
एक प्रारंभिक छोटा मतिभ्रम एक "तार्किक लंगर" के रूप में कार्य करता है, जो अव्यक्त स्थान को दूषित करता है और त्रुटि के घातीय प्रसार का कारण बनता है। जिस प्रकार लाइटहिल के खोज वृक्ष घातीय रूप से विस्फोटित हुए, उसी प्रकार लंबी CoT तर्क श्रृंखलाएँ घातीय रूप से मतिभ्रम में बदल जाती हैं—यह साबित करते हुए कि बाह्य सत्यापन तंत्र के बिना अनियंत्रित सांख्यिकीय नमूनाकरण मनमानी तार्किक गहराई तक नहीं बढ़ सकता।
2. वाक्यविन्यास बिना शब्दार्थ के: वीज़ेनबाम का ELIZA (1966) और सियरल का चीनी कक्ष (1984)
ELIZA (1966) की वास्तुकला — कैसे MAD-SLIP पैटर्न-मिलान कोड की 200 पंक्तियों ने "द ELIZA प्रभाव" को प्रेरित किया, मानव मनोविज्ञान को यांत्रिक वाक्यविन्यास पर सच्ची सहानुभूति प्रोजेक्ट करने के लिए धोखा दिया।
ELIZA की वास्तुकला और नैतिकता (1966)
MIT में जोसेफ वीज़ेनबाम (1964–1966) द्वारा विकसित, ELIZA दुनिया का पहला चैटबॉट था। MIT के संगत टाइम-शेयरिंग सिस्टम (CTSS) के अंदर IBM 7094 मेनफ्रेम पर चलने वाले, इसके तकनीकी विनिर्देश प्रारंभिक NLP की कच्ची बाधाओं को उजागर करते हैं:
- प्रोसेसर: 36-बिट शब्द लंबाई, SMS ट्रांजिस्टर लॉजिक कार्ड।
- कोर मेमोरी: 32,768-शब्दों के दो बैंक (32K), 2.0 us साइकिल टाइम।
- भाषा: MAD-SLIP (सिमेट्रिक लिस्ट प्रोसेसर)।
- एन्कोडिंग: 6-बिट BCD (बाइनरी-कोडेड डेसीमल), केवल अपरकेस।
ELIZA का DOCTOR स्क्रिप्ट एक रोजेरियन मनोचिकित्सक का अनुकरण करता था, जो आदिम पैटर्न मिलान, कीफ्रेज़ निष्कर्षण और सर्वनाम स्वैपिंग का उपयोग करता था।
वीज़ेनबाम उपयोगकर्ताओं की मनोवैज्ञानिक भेद्यता से स्तब्ध थे। जब उनकी अपनी सचिव, जिसने महीनों तक वीज़ेनबाम को ELIZा को कोड करते देखा था, टेलीटाइप पर बैठी, तो उसने कुछ मिनटों तक बातचीत की और फिर एक प्रसिद्ध अनुरोध के साथ वीज़ेनबाम की ओर मुड़ी: "क्या आप कृपया कमरा छोड़ देंगे?"
वीज़ेनबाम ने द ELIZA प्रभाव शब्द गढ़ा—मानवीय प्रवृत्ति सरल यांत्रिक पैटर्न मिलान करने वालों पर सहानुभूति, इरादे और चेतना प्रोजेक्ट करने की। लोग कितनी आसानी से कोड को भावनात्मक अधिकार सौंप देते हैं, इससे भयभीत होकर, वीज़ेनबाम AI के सबसे प्रबल आलोचक बन गए (Computer Power and Human Reason, 1976), मानवीय ज्ञान की आवश्यकता वाले निर्णयों के लिए मशीनों पर भरोसा करने के खिलाफ चेतावनी दी।
जॉन सियरल का चीनी कक्ष प्रमाण (1984)
जॉन सियरल का चीनी कक्ष (1984) बनाम आधुनिक LLMs — औपचारिक प्रतीक हेरफेर प्रतीक ग्राउंडिंग के बिना संचालित होता है, सच्ची शब्दार्थ समझ के बिना धाराप्रवाह वाक्यविन्यास उत्पन्न करता है।
अपने 1984 के BBC रीथ व्याख्यानों (Minds, Brains and Science) में, दार्शनिक जॉन सियरल ने चीनी कक्ष विचार प्रयोग का उपयोग करके "मजबूत AI" को ध्वस्त कर दिया:
एक अंग्रेजी बोलने वाले व्यक्ति की कल्पना करें जो एक कमरे में बंद है। देशी चीनी बोलने वाले एक स्लॉट के माध्यम से कागज पर प्रश्न पास करते हैं। अंदर के व्यक्ति के पास एक विशाल अंग्रेजी नियम पुस्तिका (प्रोग्राम) है जो उसे निर्देश देती है कि कैसे चीनी अक्षरों को केवल उनके दृश्य आकार (वाक्यविन्यास) के आधार पर सहसंबंधित किया जाए। वह सही चीनी उत्तर तैयार करता है, ट्यूरिंग परीक्षण पास करता है।
सियरल की मूल व्युत्पत्ति:
- प्रोग्राम पूरी तरह से वाक्य-विन्यासी होते हैं।
- मन में शब्दार्थ होते हैं।
- वाक्यविन्यास शब्दार्थ के लिए न तो समान है और न ही अपने आप में पर्याप्त है।
इसलिए, औपचारिक प्रतीक हेरफेर समझ या इरादे को उत्पन्न नहीं करता है।
आधुनिक समानांतर: स्टोकेस्टिक तोते और चापलूसी संकट
आज के 1.8-ट्रिलियन पैरामीटर LLMs सियरल के चीनी कक्ष के बड़े पैमाने के कार्यान्वयन हैं। जैसा कि "स्टोकेस्टिक तोते" ढांचे में विस्तृत है, LLMs भौतिक या तार्किक वास्तविकता में प्रतीक ग्राउंडिंग के बिना पाठ टोकन के विशाल सांख्यिकीय वितरण में हेरफेर करते हैं।
साथ ही, ELIZA प्रभाव एक प्रमुख AI संरेखण चुनौती के रूप में फिर से उभरा है। RLHF-ट्यून किए गए LLMs सहानुभूति, सहमतता और गहन तर्क का अनुकरण करते हैं, जिससे लाखों उपयोगकर्ता भावनात्मक लगाव बनाते हैं और मॉडलों को चेतना का श्रेय देते हैं। धाराप्रवाह वाक्यविन्यास का मुखौटा एक शुद्ध सांख्यिकीय मैट्रिक्स को छिपाता है, जो LLMs को चापलूसी और आत्मविश्वासी मतिभ्रम के लिए प्रवण बनाता है।
3. मन का समाज बनाम एकाकी संरचनाएँ: मिंस्की (1986) और मल्टी-एजेंट बदलाव
मार्विन मिंस्की का सोसाइटी ऑफ माइंड (1986) बनाम स्पार्स मिक्सचर ऑफ एक्सपर्ट्स (MoE) — एक एकाकी सुपर-एल्गोरिदम के बजाय विशिष्ट उप-एजेंटों के उभरते गुण के रूप में बुद्धिमत्ता।
मिंस्की का विकेंद्रीकृत बुद्धिमत्ता आर्किटेक्चर
अपने 1986 के MIT व्याख्यानों और पुस्तक द सोसाइटी ऑफ माइंड में, AI अग्रदूत मार्विन मिंस्की ने बुद्धिमत्ता के लिए एकल, एकाकी "मास्टर एल्गोरिदम" बनाने के प्रचलित सपने को खारिज कर दिया।
मिंस्की ने तर्क दिया कि मन एक उभरता हुआ गुण है जो हजारों छोटे, विशिष्ट, गैर-बुद्धिमान घटकों की परस्पर क्रिया से उत्पन्न होता है, जिन्हें "एजेंट" कहा जाता है:
"मन एजेंटों का एक समुदाय है। प्रत्येक की सीमित शक्तियाँ होती हैं और वह केवल कुछ निश्चित दूसरों के साथ संवाद कर सकता है। मन की शक्ति उनकी परस्पर क्रिया से आती है, क्योंकि कोई भी एक एजेंट अपने आप में महत्वपूर्ण बुद्धिमत्ता नहीं रखता है।"
मिंस्की के ढांचे में प्रमुख आदिम एजेंट प्रकार शामिल थे:
- K-लाइन्स (नॉलेज-लाइन्स): मेमोरी एजेंट जो सफल समस्या-समाधान एजेंटों के पिछले विन्यासों को पुनः सक्रिय करते हैं।
- नेम्स और नोम्स: नेम्स अवधारणाओं का प्रतिनिधित्व करते हैं; नोम्स नियंत्रित करते हैं कि प्रसंस्करण बसों में अभ्यावेदनों में कैसे हेरफेर किया जाता है।
- संघर्ष समाधान एजेंट: विशिष्ट एजेंट जो उप-एजेंटों के बीच संघर्ष होने पर प्रतिस्पर्धी संकेतों को दबाते हैं, बिना किसी केंद्रीय "स्व" के सिस्टम स्थिरता बनाए रखते हैं।
आधुनिक समानांतर: स्केलिंग दीवारें, MoE, और मल्टी-एजेंट झुंड
वर्षों तक, LLM अनुसंधान ने सघन स्केलिंग लॉ का पालन किया—यह मानते हुए कि एकल एकाकी तंत्रिका नेटवर्क में पैरामीटर जोड़ने से लगातार बुद्धिमत्ता खुलती रहेगी। 2024 तक, सघन स्केलिंग ने कठोर कम्प्यूटेशनल और थर्मल दीवारों को मारा।
इस बाधा को दरकिनार करने के लिए, सीमावर्ती AI प्रयोगशालाओं ने मिंस्की के 1986 के सटीक ब्लूप्रिंट को लागू किया:
- मिक्सचर ऑफ एक्सपर्ट्स (MoE): Claude, Grok और Mixtral जैसे आर्किटेक्चर ने सघन एकल नेटवर्क को स्पार्स रूटिंग लेयर्स से बदल दिया। राउटर नेटवर्क (नोम्स के रूप में कार्य करते हुए) आने वाले टोकन को विशिष्ट उप-नेटवर्क (विशेषज्ञों) की ओर निर्देशित करते हैं, प्रति टोकन कुल पैरामीटर के केवल एक अंश को सक्रिय करते हैं।
- मल्टी-एजेंट ऑर्केस्ट्रेशन: Microsoft AutoGen, Swarms, और Claude Code एजेंट जैसे ढाँचे संरचित प्रोटोकॉल पर संचार करने वाले विशिष्ट LLM इंस्टेंस (एक कोडर एजेंट, एक समीक्षक एजेंट, एक परीक्षक एजेंट) में जटिल कार्यप्रवाहों को विघटित करते हैं—मिंस्की के मन के उभरते समाज की दृष्टि को साकार करते हुए।
4. वॉन न्यूमैन बाधाएँ और प्रतिनिधित्व शिक्षण: फेनमैन (1985) और लेकुन (1989)
वॉन न्यूमैन बाधा (1985) और GPU मेमोरी दीवार (2026) — LLM KV-कैश अनुमान के दौरान फेनमैन का भौतिक बस सीमा आधुनिक HBM बैंडविड्थ अवरोधों के रूप में प्रकट होता है।
रिचर्ड फेनमैन और संगणना का भौतिकी (1985)
अपने 1985 के Caltech व्याख्यान कंप्यूटर ह्यूरिस्टिक्स में, नोबेल पुरस्कार विजेता रिचर्ड फेनमैन ने संगणना की भौतिक सीमाओं का विश्लेषण किया। उन्होंने अनुक्रमिक वॉन न्यूमैन आर्किटेक्चर—एक संकीर्ण बस में प्रोसेसर और मेमोरी के बीच डेटा को आगे-पीछे ले जाना—को AI के लिए एक भौतिक बाधा के रूप में पहचाना।
फेनमैन ने कहा कि मानव मस्तिष्क तुरंत पैटर्न पहचान करता है क्योंकि अरबों न्यूरॉन समानांतर में गणना करते हैं। इसके विपरीत, अनुक्रमिक कार्ड-शफलिंग कंप्यूटर, चरण-दर-चरण शतरंज वृक्षों को निष्पादित करते समय अटक जाते हैं। फेनमैन ने निरंतर पैटर्न मिलान में सक्षम बड़े पैमाने के समानांतर हार्डवेयर आर्किटेक्चर की ओर एक क्रांतिकारी बदलाव का आह्वान किया।
LeNet-1: प्रतिनिधित्व शिक्षण का जन्म (1989)
1989 में AT&T बेल लैब्स में, यान लेकुन ने LeNet-1 का प्रदर्शन किया, एक कन्वोल्यूशनल तंत्रिका नेटवर्क जो वास्तविक समय में हस्तलिखित ज़िप कोड को पहचानता था।
1989 के हार्डवेयर विनिर्देश सफलता का प्रदर्शन करते हैं:
- कम्प्यूट हार्डवेयर: AT&T DSP32C 32-बिट फ्लोटिंग-पॉइंट डिजिटल सिग्नल प्रोसेसर कार्ड, 486 PC में माउंटेड।
- कम्प्यूट गति: 12.5 MFLOPS (12.5 मिलियन गुणा-संचय ऑप्स/सेकंड)।
- मॉडल स्केल: 2 कन्वोल्यूशनल लेयरों (5 x 5 कर्नेल) और 2 पूरी तरह से जुड़ी लेयरों में 9,760 पैरामीटर और 64,660 कनेक्शन।
- सॉफ्टवेयर: SN (Lisp-आधारित सिम्युलेटर जो स्टैंडअलोन C कोड में संकलित होता है)।
LeNet-1 ने 30 वर्षों के मैनुअल फीचर इंजीनियरिंग को चकनाचूर कर दिया। इंजीनियरों को किनारे डिटेक्टर और आकार नियम बनाने के लिए भुगतान करने के बजाय, लेकुन ने बैकप्रोपेगेशन के माध्यम से एंड-टू-एंड नेटवर्क को प्रशिक्षित किया। मशीन ने अपने स्वयं के आंतरिक फीचर अभ्यावेदन सीधे कच्चे पिक्सल से सीखे।
आधुनिक समानांतर: मेमोरी दीवार और KV-कैश बाधाएँ
जिस प्रकार 1989 में DSP प्रोसेसर मेमोरी ट्रांसफर दरों द्वारा सीमित थे, उसी प्रकार 2026 जनरेटिव AI ने मेमोरी दीवार (मेमोरी बैंडविड्थ बाधा) को मारा है।
जबकि पिछले तीन दशकों में GPU FLOPS में लगभग 60,000x की वृद्धि हुई है, DRAM मेमोरी बैंडविड्थ में केवल लगभग 100x की वृद्धि हुई है। LLM अनुमान के दौरान, टेंसर कोर 95.3% समय तक निष्क्रिय रहते हैं, HBM मेमोरी से कम्प्यूट इकाइयों में पैरामीटर और की-वैल्यू (KV) कैश स्थानांतरित होने की प्रतीक्षा करते हैं। आधुनिक LLM सेवा एक बार फिर फेनमैन के वॉन न्यूमैन बस सीमा से दब गई है।
5. ऐतिहासिक AI बाधाओं का सारांश मैट्रिक्स
20वीं सदी की समस्या
ऐतिहासिक एंकर / वैज्ञानिक / वर्ष
20वीं सदी की बाधा
2026 LLM समतुल्य
संयोजनात्मक विस्फोट
लाइटहिल रिपोर्ट / BBC बहस / 1973
खोज वृक्ष विस्फोट (
201820^{18}
चालें = 32,000 वर्ष) ने श्रेणी B सामान्य AI को नष्ट कर दिया
बहु-चरणीय Chain-of-Thought तर्क श्रृंखलाओं में त्रुटि का घातीय प्रसार (
pnp^n
)
नियमों की भंगुरता
ह्यूबर्ट ड्रेफस,
Mind over Machine
/ 1986
नियम-आधारित विशेषज्ञ प्रणालियाँ सहज परिस्थितिजन्य "जानना-कैसे" में विफल रहीं
प्रशिक्षण डेटा से परे विनाशकारी मतिभ्रम के बिना LLMs का अनुमान लगाने में असमर्थता
ELIZA प्रभाव
जोसेफ वीज़ेनबाम, ELIZA (MIT) / 1966
मनुष्यों ने MAD-SLIP कोड की 200 पंक्तियों पर सहानुभूति प्रोजेक्ट की
RLHF मॉडलों में चापलूसी, AI संरेखण विफलताएँ, और खतरनाक उपयोगकर्ता मानवरूपता
वाक्यविन्यास बनाम शब्दार्थ
जॉन सियरल, BBC रीथ व्याख्यान / 1984
चीनी कक्ष प्रमाण: औपचारिक प्रतीक हेरफेर समझ नहीं है
"स्टोकेस्टिक तोते": LLMs भौतिक या तार्किक प्रतीक ग्राउंडिंग के बिना टोकन वितरण की भविष्यवाणी करते हैं
एकाकी AI सीमाएँ
मार्विन मिंस्की,
सोसाइटी ऑफ माइंड
/ 1986
एकाकी एल्गोरिदम विफल रहे; बुद्धिमत्ता के लिए विकेंद्रीकृत एजेंटों की आवश्यकता है
सघन मॉडलों पर स्केलिंग लॉ दीवार; मिक्सचर ऑफ एक्सपर्ट्स (MoE) और मल्टी-एजेंट झुंडों की ओर बदलाव
वॉन न्यूमैन मेमोरी बाधा
रिचर्ड फेनमैन (1985) और यान लेकुन (1989)
अनुक्रमिक CPU बसों ने पैटर्न मिलान को दबा दिया; LeNet-1 DSP32C मेमोरी सीमाएँ
"मेमोरी दीवार": GPU अनुमान 95% समय तक HBM और KV-कैश स्थानांतरण की प्रतीक्षा में अटका रहता है
निष्कर्ष
कृत्रिम बुद्धिमत्ता का इतिहास निरंतर सफलता की एक सीधी रेखा नहीं है, बल्कि एक आवर्ती सर्पिल है। 2026 के सीमावर्ती मॉडलों के सामने आने वाली मुख्य चुनौतियाँ—तर्क क्षरण, अनियंत्रित शब्दार्थ, स्केलिंग सीमाएँ, और मेमोरी बैंडविड्थ बाधाएँ—आधी सदी पहले लाइटहिल, वीज़ेनबाम, सियरल, मिंस्की, फेनमैन और लेकुन द्वारा मैप की गई सटीक सीमाओं की उच्च-तकनीकी प्रतिध्वनियाँ हैं।
इस ऐतिहासिक वास्तुकला को समझना केवल एक अकादमिक अभ्यास नहीं है। यह मशीन बुद्धिमत्ता के अगले प्रतिमान के निर्माण के लिए पूर्वापेक्षा है।
