कृत्रिम बुद्धि: बुद्धि की अछि?

समस्या कृत्रिम बुद्धि-परीक्षणक बहु-कसौटी मानचित्र इनपुट → प्रतिरूप-पहिचान → प्रतिनिधित्व → अनुमान → भाषा/क्रिया → योजना → त्रुटि-संशोधन → स्थानान्तरण → जगत-संबंध → उत्तरदायित्व प्रवाहपूर्ण उत्तर ≠ समझक पूर्ण प्रमाण ; उच्च अंक ≠ सामान्य बुद्धि ; अनुकरण ≠ अनुभव ; स्वायत्तता ≠ नैतिक व्यक्ति “कृत्रिम बुद्धि” शब्द एकहि संग तकनीकी नाम, दार्शनिक दावा आ सांस्कृतिक रूपक बनि गेल अछि। कोनो प्रणाली शतरंज खेलैत अछि, चित्र पहचानैत अछि, भाषा लिखैत अछि, अनुवाद करैत अछि, गणना करैत अछि वा योजना सुझबैत अछि—तखन सहज रूपेँ कहल जाइत अछि जे “मशीन बुद्धिमान अछि।” मुदा दार्शनिक प्रश्न ई अछि: बुद्धि कोन गुणक नाम? एकटा विशेष कार्यमे सफलता, अनेक कार्यमे अनुकूलन, कारण बुझब, भाषा प्रयोग, योजना, स्मृति, आत्म-संशोधन, जगतसँ सम्बन्ध, सामाजिक समझ, कर्तृत्व, चेतना—एहि सभमे कोन आवश्यक, कोन पर्याप्त, आ कोन केवल सहचर अछि? मनुष्यक बुद्धि स्वयं एकरूप नहि। गणितीय दक्षता, भाषिक कौशल, व्यावहारिक विवेक, सामाजिक संकेत बुझब, नैतिक निर्णय, स्थानिक कल्पना, स्मृति, सृजन, ध्यान, दीर्घकालिक योजना आ देहगत कौशल अलग-अलग अनुपातमे देखाइत अछि। तें मशीनक बुद्धि पर बहस शुरू करबाक पहिने मानवीय बुद्धिकेँ एकटा रहस्यमय अखण्ड पदार्थ मानब छोड़ब आवश्यक अछि। कृत्रिम प्रणालीक मूल्यांकनमे एकटा प्रमुख भ्रम परिणाम आ प्रक्रिया मिलाब अछि। यदि उत्तर सही अछि, त हम मानि लैत छी जे प्रणाली “बुझलक”; यदि भाषा प्रवाहपूर्ण अछि, त मानि लैत छी जे “विचार” भेल; यदि योजना उपयोगी अछि, त “उद्देश्य” मानि लैत छी। मुदा समान बाह्य परिणाम अलग आन्तरिक प्रक्रियासँ आबि सकैत अछि। उलट रूपेँ, अलग प्रक्रिया समान कार्यगत क्षमता दे सकैत अछि। दार्शनिक मूल्यांकनमे व्यवहार, संरचना, कारणात्मक संगठन आ अनुभवगत दाबी अलग राखब पड़त। दोसर भ्रम मानव-सदृश्यता आ बुद्धि एक मानब अछि। किछु प्रणाली मनुष्य-जकाँ भाषा नहि बोलितहुँ विशिष्ट क्षेत्रमे अत्यन्त सक्षम हो सकैत अछि; किछु प्रणाली मानवीय वार्तालापक नकल करितहुँ सरल भौतिक परिस्थिति संभालबमे विफल हो सकैत अछि। “मनुष्य-जकाँ” बुद्धिक एक सम्भावित रूप अछि, बुद्धिक सार्वभौम परिभाषा नहि। तेसर कठिनाई मूल्यांकनक अछि। परीक्षा जे नापैत अछि, प्रणाली ओहि परीक्षा लेल अनुकूलित भऽ सकैत अछि। benchmark पर उच्च प्रदर्शन वास्तविक जगतमे विश्वसनीय स्थानान्तरणक गारंटी नहि। डेटा-लीकेज, प्रशिक्षण-सामग्रीक निकटता, prompt sensitivity, distribution shift, tool access आ मूल्यांकनक चयन परिणाम बदलि सकैत अछि। तें एकटा अंकसँ “सामान्य बुद्धि” सिद्ध करब जल्दबाजी अछि। चौथ कठिनाई anthropomorphism अछि। भाषा-आधारित प्रणाली “हम सोचैत छी”, “हम बुझैत छी”, “हम चाहैत छी” जकाँ वाक्य उत्पन्न करि सकैत अछि। ई वाक्य उपयोगकर्ता-अनुभवमे प्रभावशाली अछि, मुदा आत्म-सन्दर्भक वाक्य स्वयं आत्मानुभवक प्रमाण नहि। शब्दक व्याकरणिक प्रथम पुरुष आ अनुभवगत प्रथम पुरुष अलग प्रश्न छथि। मूल प्रतिपादन एहि अध्यायक मूल प्रतिपादन ई अछि जे कृत्रिम बुद्धिकेँ एकल “अछि/नहि अछि” प्रश्नमे नहि, बहु-कसौटी क्षमता-प्रोफाइल रूपेँ जाँचल जाए। बुद्धि डिग्री, प्रकार, क्षेत्र, परिस्थिति आ संसाधन-निर्भर हो सकैत अछि। कोनो प्रणाली भाषामे उच्च, भौतिक जगत-संबंधमे निम्न; pattern recognitionमे उच्च, दीर्घकालिक autonomous planningमे निम्न; गणनामे उच्च, सामाजिक प्रसंगमे अस्थिर हो सकैत अछि। पहिल सिद्धान्त: कार्यगत क्षमता वास्तविक क्षमता अछि, मुदा ओकर सीमा स्पष्ट हो। शतरंजक कौशल शतरंजक कौशल अछि; ओ स्वतः सामान्य विज्ञान, नैतिक विवेक वा घरेलू व्यवहारक बुद्धि नहि। क्षेत्रविशेष उपलब्धिकेँ कम आँकब नहि, ओकरा अनावश्यक रूपेँ सामान्य सेहो नहि बनाउ। दोसर सिद्धान्त: सही उत्तर बुद्धिक एक संकेत हो सकैत अछि, पर्याप्त परिभाषा नहि। उत्तर संयोग, स्मरण, retrieval, template, सांख्यिकीय regularity, गणना, तर्क वा वास्तविक जगत-मॉडल—अनेक मार्गसँ आबि सकैत अछि। कारणात्मक विश्लेषण बिना केवल accuracy प्रक्रियाक स्वरूप नहि बतबैत। तेसर सिद्धान्त: सामान्यीकरण आ स्थानान्तरण बुद्धिक महत्वपूर्ण कसौटी छथि। जँ प्रणाली परिचित उदाहरण बदललापर टूटि जाए, surface form बदललापर भ्रमित हो, वा नव परिस्थिति लेल पुरान ज्ञान समायोजित नहि करि सकय, त ओकर क्षमता संकीर्ण अछि। बुद्धि केवल संग्रहित pattern पुनरुत्पादन नहि; नूतन प्रसंगमे उपयुक्त पुनर्संयोजन सेहो अछि। चारिम सिद्धान्त: त्रुटि-चेतना आ आत्म-संशोधनकेँ प्रदर्शनक केन्द्र बनाउ। बुद्धिमान व्यवस्था गलती करि सकैत अछि; प्रश्न ई अछि जे गलतीक संकेत पाबि कारण खोजि, confidence घटा, प्रमाण माँगि, रणनीति बदलि आ सुधार करि सकैत अछि कि नहि। आत्मविश्वासपूर्ण गलत उत्तर बुद्धिक सीमा उजागर करैत अछि। पाँचम सिद्धान्त: जगत-संबंध (grounding)क अनेक स्तर मानू। शब्द अन्य शब्दसँ जुड़ि सकैत अछि; मुदा perception, action, measurement, tool use, social feedback आ causal interaction शब्दकेँ बाहरी जगतसँ अलग प्रकारेँ बाँधैत अछि। grounding एक binary जादुई गुण नहि, सम्बन्धक स्तरबद्ध जाल हो सकैत अछि। छठम सिद्धान्त: भाषा बुद्धिक शक्तिशाली माध्यम अछि, बुद्धिक सम्पूर्णता नहि। भाषा द्वारा नियम, इतिहास, निर्देश, कल्पना आ reasoning व्यक्त हो सकैत अछि; मुदा sensorimotor skill, tacit know-how, affective salience, temporal persistence आ embodied copingक रूप भाषा बाहिर सेहो अछि। सातम सिद्धान्त: उपकरण-समेकन बुद्धिक मूल्यांकन बदलैत अछि। मनुष्य कागज, पुस्तक, calculator, search, मानचित्र, सामाजिक सहयोग आ संस्थागत स्मृति उपयोग करैत अछि। मशीन सेहो database, code execution, retrieval, sensor वा अन्य agent उपयोग करि सकैत अछि। तें “system boundary” स्पष्ट करब चाही: हम base model जाँचि रहल छी कि tool-augmented system? प्रमुख तर्क पहिल तर्क—Turing-प्रकारक व्यवहारिक परीक्षण महत्त्वपूर्ण ऐतिहासिक मोड़ अछि, किएक तँ ओ अस्पष्ट “मशीन सोचैत अछि कि नहि?” प्रश्नकेँ देखल जा सकनिहार व्यवहारक दिशामे मोड़ैत अछि। मुदा वार्तालापमे मानवीय समानता बुद्धिक एक परीक्षण मात्र अछि। ई perception, दीर्घकालिक autonomy, physical competence, causal intervention, सत्यनिष्ठा वा consciousnessक सम्पूर्ण परीक्षण नहि। दोसर तर्क—Chinese Room-प्रकारक आपत्ति syntax आ semanticsक भेद तीक्ष्ण करैत अछि। केवल प्रतीक-नियम पालनसँ “समझ” सिद्ध होइत कि नहि—ई उचित प्रश्न अछि। मुदा आपत्तिक सीमा सेहो अछि: प्रणालीक पूरा कारणात्मक संगठन, learning, perception, memory आ actionकेँ केवल कक्ष भीतर नियम-पुस्तक जकाँ मानि लेब वास्तविक प्रणालीक जटिलता कम कऽ सकैत अछि। निष्कर्ष न तुरन्त “समझ अछि”, न “असम्भव”; बल्कि समझक कसौटी स्पष्ट करब। तेसर तर्क—Dreyfus-जकाँ आलोचना देहगत कौशल, प्रसंग आ tacit know-howक महत्त्व देखबैत अछि। मनुष्य अनेक कार्य स्पष्ट नियम लिखि नहि, परिस्थिति भीतर रहि करैत अछि। आधुनिक machine learning नियम-लेखनक पुरान सीमा किछु हद धरि पार करैत अछि, मुदा embodiment, situated coping आ lived salienceक प्रश्न समाप्त नहि करैत। आलोचनाकेँ इतिहास मानि छोड़ब नहि; ओकर परिवर्तित रूप जाँचू। चारिम तर्क—representation बिना बुद्धि सम्भव कि नहि, एहि पर मतभेद रहि सकैत अछि; तथापि अनेक AI system बाह्य अथवा आन्तरिक state variables, embeddings, maps, plans वा symbolic structures उपयोग करैत अछि। दार्शनिक प्रश्न “representation अछि कि नहि?” सँ आगाँ “ई representation कोन causal भूमिका निभबैत अछि, कसरी updated होइत अछि, आ जगतसँ कोना जाँचल जाइत अछि?” हो। पाँचम तर्क—स्मृति मात्र संग्रह नहि। बुद्धिमान स्मृति प्रासंगिक सूचना चुनैत, पुरान अनुभवसँ नव परिस्थिति जोड़ैत, गलत स्मृति संशोधित करैत आ forgettingक उपयोग करैत अछि। अत्यन्त विशाल storage होएतहुँ retrieval अनुचित हो तँ व्यवहार मूर्खतापूर्ण भऽ सकैत अछि। तें capacity आ usable memory अलग कसौटी छथि। छठम तर्क—तर्कशक्ति formal deduction धरि सीमित नहि। वास्तविक निर्णयमे abductive inference, analogy, probability, default reasoning, uncertainty, counterfactual आ practical reasoning आवश्यक हो सकैत अछि। एहन प्रणाली जे syllogism करैत अछि मुदा अस्पष्ट परिस्थिति सँ उचित प्रश्न नहि पूछि सकैत, ओकर बुद्धि प्रोफाइल सीमित अछि। सातम तर्क—कारणात्मक समझ predictionसँ अलग। मौसम, रोग, बाजार वा सामाजिक परिणामक predictor अत्यन्त सफल हो सकैत अछि, मुदा intervention बदललापर विफल हो। “जँ ई बदलि देल जाए तँ की होयत?” प्रश्न intelligenceक गहिर स्तर जाँचि सकैत अछि, किएक तँ ओ correlation सँ causal structureक दिशामे ले जाइत अछि। पूर्वपक्ष पहिल पूर्वपक्ष: जँ मशीन मानव-स्तरीय परीक्षा पास करैत अछि तँ ओकर बुद्धि मनुष्यक बराबर मानि लेब उचित। उत्तर ई जे परीक्षा उपलब्धिक प्रमाण अछि, मुदा test validity अलग प्रश्न। परीक्षा कोन क्षमता नापैत अछि, training exposure कतेक अछि, contamination सम्भव कि नहि, tool access की, नव परिस्थिति पर प्रदर्शन कतेक स्थिर—ई सभ बिना बराबरीक निष्कर्ष जल्दी होयत। दोसर पूर्वपक्ष: बुद्धि केवल व्यवहार अछि; भीतर की अछि, ई अप्रासंगिक। व्यवहारवाद मूल्यांकनक शक्तिशाली प्रारम्भ बिन्दु अछि, किएक तँ सार्वजनिक प्रमाण चाही। मुदा causal explanation, reliability, transfer, deception, consciousness वा responsibilityक प्रश्नमे आन्तरिक संगठन प्रासंगिक भऽ सकैत अछि। समान output अलग processसँ आबि सकैत अछि। तेसर पूर्वपक्ष: “समझ” शब्द रहस्यमय अछि, तें एहि शब्दकेँ हटाकए केवल performanceक बात करू। operational clarity उपयोगी अछि, मुदा मनुष्य “बुझल” आ “रटल”क भेद वास्तविक शिक्षामे करैत अछि। समझकेँ causal model, counterfactual use, explanation, transfer, error correction जकाँ कसौटीमे विघटित करि सकैत छी; शब्द हटेबाक बदला स्पष्ट करू। चारिम पूर्वपक्ष: language model केवल next-token prediction करैत अछि, तें ओकरा बुद्धि कहल असम्भव। प्रशिक्षण-उद्देश्यक संक्षिप्त वर्णन system capabilityक पूर्ण causal वर्णन नहि। सरल objectiveसँ जटिल representation उत्पन्न भऽ सकैत अछि। मुदा उलट रूपेँ जटिल output देखिकेँ human-like understanding स्वतः मानब सेहो गलत। architecture, behavior आ limits तीनू जाँचू। पाँचम पूर्वपक्ष: जँ मशीन consciousnessक प्रमाण नहि दैत अछि तँ intelligenceक सभ दावा अर्थहीन। बुद्धि आ चेतना सम्बन्धित हो सकैत अछि, मुदा conceptual रूपेँ अलग जाँचल जा सकैत अछि। non-conscious optimization वा inference क्षमता सम्भव मानल जा सकैत अछि। चेतनाक प्रश्न अध्याय 88मे स्वतंत्र रूपेँ जाँचल जाएत। छठम पूर्वपक्ष: मनुष्य स्वयं statistical learner अछि, तें machine learning आ मानव बुद्धिमे मूलभूत कोनो भेद नहि। समानता महत्वपूर्ण अछि, मुदा “दुनू सीखैत अछि” सँ architecture, embodiment, development, affect, social dependence, energy, memory, motivation आ lifespanक भेद समाप्त नहि। समान सामान्य शब्द विस्तृत संरचनात्मक समानता सिद्ध नहि करैत। सातम पूर्वपक्ष: कृत्रिम बुद्धि मानव बुद्धि सँ अलग प्रकारक हो सकैत अछि, तें मानवीय कसौटीसभ सर्वथा अनुपयुक्त। किछु मानवीय benchmark सीमित हो सकैत अछि; तथापि सत्य, कारण, विश्वसनीयता, योजना-सफलता, त्रुटि-संशोधन आ task completion जकाँ कसौटी मानव-विशिष्ट नहि। आवश्यकता अछि species-neutral functional criteria, न कसौटी-विहीन प्रशंसा। उत्तरपक्ष पहिल उत्तर—binary labelक बदला capability profile प्रकाशित करू। प्रणाली कोन कार्यमे, कोन environmentमे, कोन toolsसँ, कोन error rate सहित, कोन known failure modeक संग सफल अछि—ई लिखल जाए। “intelligent” एकटा शीर्षक हो; निर्णयक आधार विस्तृत प्रोफाइल। दोसर उत्तर—benchmark portfolio उपयोग करू। एकहि परीक्षा नहि; familiar task, novel task, adversarial variant, transfer, long-horizon task, uncertainty calibration, factual verification, tool use आ abstentionक अलग परीक्षण हो। performance distribution एकटा headline scoreसँ अधिक जानकारी देत। तेसर उत्तर—process-sensitive test बनाउ। केवल अंतिम उत्तर नहि; intermediate evidence, source use, counterexample handling, revision after feedback, causal intervention, plan execution आ verification जाँचू। explanation हमेशा true internal mechanism नहि हो सकैत अछि, तें verbal rationaleकेँ independent behaviorसँ cross-check करू। चारिम उत्तर—unknown कहबाक क्षमता पुरस्कृत करू। evaluation जे हर प्रश्नक उत्तर देब incentivize करैत अछि, hallucination बढ़ा सकैत अछि। appropriate abstention, clarification request, source request आ uncertainty expression बुद्धिसंगत व्यवहारक भाग मानल जाए। पाँचम उत्तर—system boundary घोषित करू। base model, retrieval-augmented system, code interpreter, browser, memory, human reviewer, database—के-के परिणाम बनबैत अछि स्पष्ट हो। distributed intelligence वास्तविक हो सकैत अछि; attribution स्पष्ट रहब चाही। छठम उत्तर—longitudinal evaluation जोड़ू। एकटा sessionमे प्रभावशाली व्यवहार स्थायी competence सिद्ध नहि। समयक संग preference consistency, memory correction, task continuation, drift, tool failure recovery आ updateक बाद regression जाँचल जाए। सातम उत्तर—human comparison सावधानीसँ करू। expert बनाम novice, समय सीमा, tools, domain familiarity आ error cost समान नहि भेल तँ तुलना misleading हो सकैत अछि। लक्ष्य “मनुष्य हारल/जीतल” headline नहि; task allocation लेल प्रासंगिक तुलनात्मक प्रमाण हो। आठम उत्तर—embodimentक प्रश्न domain अनुसार रखू। theorem proving लेल robot body आवश्यक नहि; household manipulation लेल physical sensing/action आवश्यक। देहधर्मिताकेँ सार्वभौम शर्त अथवा सर्वथा अप्रासंगिक दू अतिमे नहि धकेलू। कार्य जतेक जगत-संपर्क माँगैत अछि, groundingक कसौटी ततेक कठोर हो। नवम उत्तर—intelligence claimक संग responsibility map जोड़ू। प्रणाली स्वयं नैतिक व्यक्ति मानल गेल नहि तइयो developer, deployer, operator, institution आ userक भूमिका स्पष्ट हो। “system decided” वाक्यक पीछे decision rights आ oversight खोजू। भारतीय संवाद भारतीय दर्शनमे “बुद्धि” एकहि सार्वभौम तकनीकी अर्थमे प्रयुक्त नहि। न्याय, वैशेषिक, सांख्य, योग, मीमांसा, वेदान्त, बौद्ध आ जैन परम्परासभ ज्ञान, मन, बुद्धि, स्मृति, इच्छा, प्रयत्न, आत्मा, संस्कार, प्रत्यक्ष, अनुमान आ शब्दकेँ अलग ढंगसँ व्यवस्थित करैत छथि। आधुनिक AI केँ एहि शास्त्रसभक सीधा पूर्वानुमान कहब कालभ्रम होयत; मुदा अवधारणात्मक भेद आधुनिक बहसक अस्पष्टता कम करि सकैत अछि। न्याय परम्परा ज्ञान (बुद्धि/ज्ञान), इच्छा, द्वेष, प्रयत्न, सुख, दुःख आदि गुणक विश्लेषण करैत अछि आ प्रमाणक कारणात्मक संरचना पर जोर दैत अछि। AI संवादमे एकर उपयोग ई जे “ज्ञान” कहबाक पहिने विषय, वस्तु, ज्ञानोत्पत्ति, सत्यता आ त्रुटिक कारण अलग जाँचल जाए। सही वाक्य उत्पन्न भेल मात्रसँ प्रमाणिक ज्ञानक पूरा कथा समाप्त नहि। न्यायक स्मृति आ अनुभवक भेद सेहो उपयोगी अछि। पुरान पाठ पुनःउत्पादन, learned association वा stored recordक वापसी आ नूतन प्रमाणजन्य cognitionक बीच भेद आधुनिक systemमे retrieval, memorization आ inference अलग करबाक प्रेरणा दैत अछि। शास्त्रीय श्रेणीकेँ computational identity नहि देल जाए; केवल प्रश्नक अनुशासन लेल उपयोग हो। न्यायमे अनुमान हेतु व्याप्ति, पक्ष, हेतु, बाधक आ दोषक चर्चा करैत अछि। AI reasoningमे सेहो conclusionक संग evidence relation, counterexample, defeater आ error source पूछल जा सकैत अछि। fluencyक बदला inference discipline पर जोर एहि संवादक लाभ अछि। वैशेषिक गुण, कर्म, सामान्य, विशेष, समवाय आदि द्वारा वस्तु-वर्गीकरणक सूक्ष्मता दैत अछि। AI knowledge representationमे मुख्य शिक्षा ई नहि जे databaseमे वैशेषिक ontology copy करल जाए; बल्कि category choiceक ontological commitment पहिचानल जाए। जे category चुनैत छी, ओ विश्वक कोन भेदकेँ वास्तविक मानैत अछि? सांख्यक बुद्धि, अहंकार, मन आ पुरुषक भेद आधुनिक AI पर सीधा लागू नहि। तथापि cognitionक कार्यगत स्तर आ साक्षी/चेतना प्रश्न अलग राखबाक वैचारिक प्रेरणा मिलैत अछि। “बुद्धि-सदृश processing” देखलासँ “चेतन पुरुष” सिद्ध नहि—एहि संरचनात्मक भेदक आधुनिक समानान्तर उपयोग सम्भव अछि, बिना ऐतिहासिक समरूपता दाबी कए। योग ध्यान, वृत्ति, स्मृति, विकल्प आ अभ्यासक प्रश्न खोलैत अछि। AIमे “attention” शब्द तकनीकी अर्थमे उपयोग होइत अछि; ओकरा योगिक ध्यानक अनुभवगत अर्थसँ एक मानब भूल। समान शब्दक तकनीकी अर्थ अलग हो सकैत अछि। ई उदाहरण शब्द-समानतासँ अवधारणा-समानता निष्कर्ष निकालबाक खतरा देखबैत अछि। मीमांसा शब्द, वाक्य, विधि, प्रसंग आ प्रामाण्यपर सूक्ष्म विचार करैत अछि। language modelक सन्दर्भमे उपयोगी प्रश्न अछि: वाक्यक अर्थ केवल शब्द-सहअवस्थितिसँ बनैत अछि कि speaker intention, convention, context आ action-linked practice सेहो चाही? आधुनिक भाषाविज्ञान आ philosophy of language संग एहि प्रश्नक संवाद फलदायी अछि। मिथिलाक समानान्तर दृष्टि मिथिलाक समानान्तर दृष्टि कृत्रिम बुद्धिक प्रश्नकेँ न तकनीकी चमत्कारक उत्सव बनाओत, न सांस्कृतिक भयक कथा। क्षेत्रक ज्ञान-परम्परा, बहुभाषिकता, पाण्डुलिपि, न्याय-नव्यन्याय, साहित्य, कृषि, बाढ़-अनुभव, प्रवासन आ डिजिटल असमानताकेँ आधार बना ई पूछत: AI कोन स्थानीय कार्यमे वास्तविक क्षमता देैत अछि, कोन कार्यमे भ्रम, आ परिणाम सत्यापित करबाक संस्थागत साधन की? मैथिली भाषा AI बुद्धिक उपयोगी stress test अछि। एकहि भाषा देवनागरी, तिरहुता, रोमन, ऐतिहासिक वर्तनी, संस्कृतनिष्ठ शैली, बोलचाल, क्षेत्रीय रूप आ हिन्दी-मिश्रित डिजिटल पाठमे भेटि सकैत अछि। प्रणाली जँ केवल उच्च-संसाधन भाषा पर सफल आ मैथिलीमे अर्थ, नाम, लिंग, सन्दर्भ वा वर्तनी बिगाड़ैत अछि तँ “general language intelligence” दाबी सीमित मानल जाए। तिरहुता OCR, पाण्डुलिपि-पाठ, पुरान मुद्रण, अस्पष्ट scan आ ऐतिहासिक spelling AIक perception-सदृश क्षमता जाँचबाक कठिन क्षेत्र छथि। एतय confidence score, human review, image-to-text alignment, alternate reading आ provenance जरूरी। तेज transcription विद्वत् पाठ-संपादनक विकल्प नहि; सहायक चरण हो सकैत अछि। नव्यन्याय-जकाँ जटिल दार्शनिक पाठमे AIक भाषा-दक्षता केवल शब्दार्थ नहि, relation structure पर जाँचल जाए। अवच्छेदक, प्रतियोगी, अनुयोगी, व्याप्ति, पक्षता वा अभावक सन्दर्भ गलत जुड़लासँ प्रवाहपूर्ण अनुच्छेद दार्शनिक रूपेँ असत्य भऽ सकैत अछि। विशेषज्ञ द्वारा argument reconstruction उच्चस्तरीय benchmark बनि सकैत अछि। बाढ़ आ कृषि क्षेत्रमे predictive AI उपयोगी हो सकैत अछि, मुदा स्थानीय बुद्धिक अर्थ sensor, मौसम, नदी, मिट्टी, किसानक अनुभव, historical flood path आ real-time reportक समेकन अछि। केवल text model अथवा पुरान datasetक उत्तर operational intelligence नहि। tool-grounding आ local verificationक स्तर स्पष्ट हो। प्रवासन आ रोजगारक सन्दर्भमे career recommendation प्रणालीक बुद्धिमत्ता केवल popular job सुझाब नहि। स्थानीय कौशल, भाषा, शिक्षा, आर्थिक बाधा, महिला सुरक्षा, यात्रा लागत, मौसम, दस्तावेज, परिवारिक जिम्मेवारी आ श्रम-बाजारक परिवर्तन समेटनिहार contextual reasoning चाही। recommendationक उपयोगिता affected personक feedbackसँ जाँचल जाए। मिथिलाक सांस्कृतिक अभिलेखागारमे AI खोजक सहायक बनि सकैत अछि—नामक alternate spelling, लेखक, विषय, तिथि, पत्रिका, पृष्ठ आ लिपि जोड़ि। मुदा गलत attribution वा कालक्रम cultural memory बिगाड़ि सकैत अछि। “AI पेलक” ऐतिहासिक प्रमाण नहि; मूल पृष्ठ, संस्करण आ catalogue recordक लिंक अनिवार्य हो। मिथिलाक समानान्तर सूत्र: “यन्त्रक बुद्धि ओकर प्रभावशाली वाक्यसँ नहि, सीमित कार्यमे सत्यापित क्षमता, नव प्रसंगमे स्थानान्तरण, गलती मानबाक योग्यता, स्रोतक अनुशासन आ वास्तविक जगतसँ उत्तरदायी सम्बन्धसँ मापू।” कृत्रिम बुद्धिक बारह कसौटी समकालीन प्रयोग शिक्षामे AI tutorक बुद्धिमत्ता छात्रक प्रश्नक उत्तर देब मात्र नहि। छात्रक भ्रान्ति पहचानब, कठिनाई स्तर बदलब, गलत premise रोकब, उदाहरण बदलि समझ जाँचब, स्रोत देब आ शिक्षकक आवश्यकता चिन्हित करब अधिक महत्वपूर्ण। fluent explanation छात्र वास्तवमे सीखलक कि नहि—ई learning outcomeसँ जाँचल जाए। अनुवादमे शब्द-दर-शब्द समानता पर्याप्त नहि। अर्थ, शैली, register, proper name, idiom, ambiguity, सांस्कृतिक प्रसंग आ technical terminology सम्हारब चाही। low-resource भाषा लेल human correction loop आ glossary memory प्रणालीक practical intelligence बढ़ा सकैत अछि। कानूनी वा प्रशासनिक सहायता प्रणाली नियम उद्धृत करि सकैत अछि, मुदा applicability, jurisdiction, date, exception आ factual record जाँचब अलग कार्य। high-stakes contextमे “plausible legal prose” बुद्धिमान कानूनी निर्णय नहि। verified sources, current version आ responsible professional review आवश्यक। चिकित्सामे symptom-to-answer प्रणालीक क्षमता diagnostic intelligenceक एक अंश हो सकैत अछि। clinical reasoningमे history, examination, test, prevalence, contraindication, uncertainty आ emergency recognition जुड़ल अछि। patient-facing systemकेँ सीमा स्पष्ट करि escalation path देब बुद्धिसंगत designक भाग अछि। वैज्ञानिक शोधमे AI literature summarize, code लिख, pattern खोज वा hypothesis सुझा सकैत अछि। मुदा citation correctness, data provenance, statistical validity, causal interpretation, reproducibility आ negative resultक विचार बिना “research intelligence” अधूरा। उपयोगी प्रणाली researcherक प्रश्न बढ़ाबैत, प्रमाणक शॉर्टकट नहि बनबैत। सॉफ्टवेयर विकासमे code generation impressive हो सकैत अछि, मुदा requirements understanding, security, test coverage, dependency compatibility, maintainability आ failure diagnosisक कसौटी जरूरी। compile भेल code सही system behaviorक पूर्ण प्रमाण नहि। agent जँ test चला, failure पढ़ि, patch revise, regression रोकि सकैत अछि तँ capability प्रोफाइल अधिक मजबूत। कार्यालयी agent email, calendar, document वा databaseपर action लऽ सकैत अछि। एतय intelligenceक संग permission discipline जुड़ैत अछि। सही लक्ष्य बुझब, ambiguous instruction पर पूछब, irreversible action पहिने confirmation, minimal privilege, audit trail आ rollback—ई practical बुद्धिमत्ता आ safetyक संयुक्त कसौटी छथि। रोबोटिक्समे language competenceक सीमा प्रत्यक्ष देखाइत अछि। वस्तु पकड़ब, friction, weight, occlusion, मानव सुरक्षा, changing layout आ sensor noiseक कारण physical intelligence continual feedback माँगैत अछि। simulation success वास्तविक environmentमे transfer परीक्षण बिना अधूरा। अध्याय-निष्कर्ष कृत्रिम बुद्धिक प्रश्नक कठिनाई ई अछि जे “बुद्धि” शब्द मनुष्यक आत्म-छवि, तकनीकी क्षमता आ नैतिक आशंका तीनूकेँ एक संग छूइत अछि। स्पष्टता लेल एहि शब्दकेँ अनेक परीक्षणयोग्य आयाममे खोलब आवश्यक: perception, representation, memory, reasoning, language, planning, generalization, causal understanding, self-correction, grounding, social coordination आ agency। एहि बहु-कसौटी दृष्टिमे AI उपलब्धिकेँ कम कएल नहि जाइत। विशिष्ट प्रणाली अनेक cognitive कार्यमे मनुष्य लेल अत्यन्त उपयोगी अथवा मनुष्यसँ बेहतर प्रदर्शन करि सकैत अछि। मुदा एहि सफलतासँ “मानव-जकाँ सम्पूर्ण बुद्धि”, “चेतना”, “व्यक्ति” वा “नैतिक उत्तरदायित्व” स्वतः निष्पन्न नहि होइत। दाबीक स्तर जतेक ऊँच, प्रमाणक स्तर ततेक कठोर। भाषा विशेष रूपेँ भ्रमकारी आ शक्तिशाली दुनू अछि। प्रवाहपूर्ण वाक्य मानवीय बुद्धिक प्रमुख संकेत रहल अछि, तें मशीन भाषा सहज anthropomorphism उत्पन्न करैत अछि। उचित उत्तर ई नहि जे भाषा-कौशल नकली कहि त्यागि देल जाए; बल्कि ओकर वास्तविक क्षमता मापि, grounding, truthfulness, transfer, error correction आ long-horizon behaviorक स्वतंत्र कसौटी जोड़ल जाए। भारतीय दार्शनिक संवाद एक महत्त्वपूर्ण सावधानी दैत अछि: ज्ञान, स्मृति, इच्छा, प्रयत्न, मन, बुद्धि, आत्मा आ चेतनाकेँ एक अवधारणा नहि बनाउ। आधुनिक AI बहसमे ई भेद विशेष आवश्यक अछि। computation अथवा cognition-सदृश प्रक्रिया देखलासँ आत्मा वा चेतना सिद्ध नहि; उलट रूपेँ metaphysical मतभेद functional capabilityक परीक्षण रोकैत नहि। अध्याय 87क सूत्र: “कृत्रिम बुद्धिक प्रश्न ‘मशीन मनुष्य जकाँ अछि कि नहि?’ नहि; प्रश्न अछि—ओ की करि सकैत अछि, नव परिस्थिति मे कतेक टिकैत अछि, गलती कोना सुधारैत अछि, जगतसँ कोना जुड़ैत अछि, आ ओकर दाबी लेल कोन प्रमाण उपलब्ध अछि।” मशीन चेतनाक प्रश्न एतय खुलल राखल गेल अछि। बुद्धि आ चेतनाक सम्बन्ध, subjective experience, report, functional organization, embodiment, self-model आ नैतिक सावधानीक प्रश्न अगिला अध्याय 88मे स्वतंत्र रूपेँ जाँचल जाएत। अध्याय-ग्रन्थसूची Alan M. Turing — “Computing Machinery and Intelligence” John R. Searle — “Minds, Brains, and Programs” Hubert L. Dreyfus — What Computers Still Can’t Do: A Critique of Artificial Reason Daniel C. Dennett — The Intentional Stance Daniel C. Dennett — Consciousness Explained David J. Chalmers — The Conscious Mind Andy Clark — Being There: Putting Brain, Body, and World Together Again Andy Clark and David J. Chalmers — “The Extended Mind” Luciano Floridi — The Philosophy of Information Luciano Floridi and J. W. Sanders — work on artificial agents and morality Margaret A. Boden — Artificial Intelligence in Natural and Artificial Systems; work on creativity and AI John Haugeland — Artificial Intelligence: The Very Idea Peter Godfrey-Smith — Other Minds: The Octopus, the Sea, and the Deep Origins of Consciousness Gary Marcus and Ernest Davis — Rebooting AI: Building Artificial Intelligence We Can Trust Melanie Mitchell — Artificial Intelligence: A Guide for Thinking Humans Stuart Russell and Peter Norvig — Artificial Intelligence: A Modern Approach Brian Cantwell Smith — The Promise of Artificial Intelligence: Reckoning and Judgment Emily M. Bender and Alexander Koller — “Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data” Emily M. Bender, Timnit Gebru, Angelina McMillan-Major, and Shmargaret Shmitchell — “On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?” Murray Shanahan — Embodiment and the Inner Life: Cognition and Consciousness in the Space of Possible Minds Susan Schneider — Artificial You: AI and the Future of Your Mind Nick Chater — The Mind Is Flat: The Remarkable Shallowness of the Improvising Brain Rodney A. Brooks — “Intelligence without Representation” Herbert A. Simon — The Sciences of the Artificial Allen Newell and Herbert A. Simon — work on physical symbol systems and problem solving Philip N. Johnson-Laird — Mental Models Judea Pearl and Dana Mackenzie — The Book of Why: The New Science of Cause and Effect Joshua Tenenbaum and collaborators — work on intuitive theories, compositionality, and human-like learning Gautama — Nyāya-sūtra Vātsyāyana — Nyāya-bhāṣya Uddyotakara — Nyāya-vārttika Gaṅgeśa — Tattvacintāmaṇi Kaṇāda — Vaiśeṣika-sūtra Praśastapāda — Padārthadharmasaṅgraha Īśvarakṛṣṇa — Sāṃkhyakārikā Patañjali — Yoga-sūtra Śabara — Śābara-bhāṣya Kumārila Bhaṭṭa — Ślokavārttika Dignāga — Pramāṇasamuccaya Dharmakīrti — Pramāṇavārttika Bimal Krishna Matilal — The Character of Logic in India Bimal Krishna Matilal — Perception: An Essay on Classical Indian Theories of Knowledge