हमने AI models से कहा — इसे तोड़ के दिखाओ।
सब कुछ सबके सामने रखने से पहले हमने अपने design को कई बार मज़बूत AI models के आगे रखा — हर बार यही कहा कि इसमें ख़ामी ढूँढो। उन्हें जो मिला, और हमने उसका क्या जवाब दिया, वो यहाँ है।
तीन अलग-अलग AI reviews, ख़तरों की एक ही list।
हमने design को तीन मज़बूत AI models के आगे रखा — कई दौर में, और हर बार कहा: इसे हाँ मत करो, तोड़ने की कोशिश करो। काम की बात ये रही कि तीनों घूम-फिर कर ख़तरों की एक ही छोटी list पर आ गए — और वही list वो बातें निकलीं जो हमारी पहली pre-registration में test होने जा रही हैं। ढाँचे को ख़ुद पता था कि उसकी कमज़ोर जगह कहाँ है।
उनकी सबसे तेज़ बातों को plan में शामिल करने के बाद, तीनों ने नया plan फिर से देखा और तीनों की राय एक ही थी: काम ठीक है, ईमानदार है, और दर्ज कराने लायक़ है — data अभी आना बाक़ी है, पर register करके सबके सामने रखने के लिए तैयार है। उनमें से एक ने ख़ूब कहा — अब ये ऐसा काम बन गया है जो “ये जानने को तैयार है कि वो ग़लत भी हो सकता है”।
उन्हें जो ख़ामियाँ मिलीं, और हमारे जवाब।
“ये ढाँचा बहुत सोच-समझ कर बनाया गया है, पर अभी तक data से निकला हुआ नहीं है। हो सकता है कई फ़र्क़ जीने के तजुर्बे में सच्चे हों, लेकिन असली लोगों की भीड़ में अलग-अलग न दिखें।”
हमारा जवाबसही बात — और plan सबसे पहले इसी को test करने के लिए बना है। जो वज़न हमने दिए हैं वो एक अंदाज़ा है, कोई ज़िद नहीं जिसे बचाना हो। हमने लिख कर कहा है कि अगर data कहेगा तो हम archetype जोड़ेंगे, उनकी जगह बदलेंगे, या उन्हें हटा देंगे — चाहे कितना ही बदलना पड़े।
“अगर factor analysis में ग्यारह से कम group निकले, तो आप कह देंगे “ऐसा ही होना था” — और फिर ये model कभी ग़लत साबित हो ही नहीं सकता।”
हमारा जवाबबात ठीक है। इसलिए हमने साफ़ लिख दिया कि किस चीज़ से ये ग़लत साबित होगा: सिर्फ़ “कम group” से नहीं, बल्कि एक तय शक्ल से — कौन सा archetype किसके पास बैठता है, और लकीर कहाँ खिंचती है। अगर data से बनने वाली तस्वीर उस तस्वीर से नहीं मिलती जो हमने पहले से बना रखी है, तो बात ग़लत है — और हम उसे ग़लत ही लिखेंगे।
“पहचान — “लोग इसमें ख़ुद को देख लेते हैं” — दुनिया की सबसे आसान नक़ली चीज़ है। तारीफ़ भरी बात पर तो हर कोई सर हिला देता है।”
हमारा जवाबये सबसे बड़ा ख़तरा है, इसलिए इसपर सबसे ज़्यादा जाँच लगती है। पहचान नापने के लिए साथ में एक आम, तारीफ़ भरी बात भी रखी जाती है: असली बात को उस आम वाली से ज़्यादा पहचाना जाना चाहिए, और अनजान लोगों को किसी बंदे को सही archetype में डालना तुक्के से बेहतर आना चाहिए। जो जोड़ी इसमें fail होती है, वो जोड़ दी जाती है — कोई छूट नहीं।
“बताइए, ऐसा क्या निकले कि कोई archetype सच में ग़ायब हो जाए। नहीं बता सकते, तो ये research नहीं — बस अपनी list बचाने का काम है।”
हमारा जवाबहमने तीन बातें बताई हैं: जगह बदलना (वो असल में किसी दूसरे pillar का है), जोड़ना (दो नाम, अंदर चीज़ एक ही), और हटाना (न वो अपनी कसौटी पर खरा उतरता है, न बाक़ी से अलग कुछ देता है)। हर एक की शर्त पहले से तय है।
“जब आप Big Five की personality traits को अलग कर देते हैं, तब क्या कोई archetype बचता है?”
हमारा जवाबसवाल में ही एक छोटी सी दुरुस्ती: Big Five नापने का एक तरीक़ा है, सच की बुनियाद नहीं। हम पूरी नापी जा सकने वाली तस्वीर से मिलाते हैं — traits, sensitivity, attachment, और ज़िंदगी में क्या होता है। अगर कोई फ़र्क़ Big Five पर बिलकुल एक जैसा दिखे, पर sensitivity या ज़िंदगी के नतीजों में अलग निकले, तो मतलब उसकी जगह वहाँ है जहाँ Big Five की नज़र नहीं जाती — और उसे हम रखते हैं।
“तीन सवालों वाला छोटा version हल्का है। इतने कम सवाल कोई पक्का नतीजा नहीं दे सकते।”
हमारा जवाबसही है — और वो है भी एक झटपट ख़ाका, आख़िरी बात नहीं। हर नतीजे के साथ लिखा रहता है कि जितना आगे जाते हैं, तस्वीर उतनी साफ़ होती है। जो सवाल तस्वीर को धुँधला कर रहे थे, उन्हें हमने हटा दिया — AI reviews ने इसे सही क़दम माना।
ऐसी review क्या है, और क्या नहीं है।
ये AI reviews थीं, peer review नहीं। ये एक तेज़ और सख़्त पहली जाँच है — मज़बूत AI models पूरी सोच को तोड़ने की कोशिश कर रहे थे — पर ये न माहिर इंसानों की review की जगह ले सकती है, और data की तो बिलकुल नहीं। इतना ज़रूर बताती है कि design अपनी जगह टिकता है और अपनी कमियों के बारे में साफ़ है। ये नहीं बता सकती कि बात सच भी है। वो तो सिर्फ़ step-by-step जाँच ही बताना शुरू कर सकती है, और वो अभी मुश्किल से शुरू हुई है।
हम ये reviews इसलिए छाप रहे हैं क्योंकि खुलापन ही असली बात है: design भी सामने, और उसपर हुई सख़्त जाँच भी — ख़ामियों समेत।