── तंत्र की जगह "वहाँ काम करने वाले लोगों" को रख दें, तो पूरी तस्वीर साफ़ दिखने लगती है ──
पात्र — AI Inc. के 9 कर्मचारी
कहानी — AI Inc. में एक दिन, "ग्राहक के आने" से लेकर "उत्तर मिलने" तक
1. सुबह, एक ग्राहक अंदर आता है
एक ग्राहक काँच की दीवारों वाले कार्यालय में आता है। मिस्टर प्रॉम्प्ट. आज का अनुरोध:
2. रिसेप्शन डेस्क पर क्षमता की जाँच
At the entrance, the Context Window रिसेप्शनिस्ट उसका अभिवादन करता है। उसका काम यह पुष्टि करना है कि ग्राहक का अनुरोध, आंतरिक दस्तावेज़ों के साथ मिलकर, आज की अनुमत क्षमता के भीतर आता है या नहीं। एक टोकन टेक्स्ट का एक "टुकड़ा" है — शब्द से कहीं अधिक सूक्ष्म।
3. फ़ैक्टरी लाइन टेक्स्ट को टुकड़ों में काटती है
The request flows immediately onto the factory line. Standing at the conveyor belt are the टोकन वर्कर्स. वे टेक्स्ट को उन "शब्दों" में नहीं बाँटते जैसा हम सोचते हैं, बल्कि कहीं ज़्यादा बारीक अक्षर-खंडों में बाँटते हैं। "Pha/rma/ceuti/cal/ com/pan/y..." — बँटवारा अजीब दिखता है, पर AI इसी तरह काम करता है।
4. शब्दों को संख्याओं में बदलना
The pieces go to the एम्बेडिंग आर्टिसन. "'Pharma' संख्याओं के रूप में... एक 768-आयामी वेक्टर। हो गया!" शब्द अगले चरण में जाते हुए संख्याओं के विशाल ब्लॉक बन जाते हैं। AI टेक्स्ट नहीं पढ़ता — वह हमेशा संख्याओं की गणना.
5. तय करना कि क्या मायने रखता है
अब आइए मिलते हैं ध्यान प्रबंधक. सारी जानकारी को एक समान मानने के बजाय, वह मौके पर ही तय करता है कि किस पर ध्यान देना है।
6. अगला शब्द अथक रूप से भाँपना
अब एचक्यू इन्फरेंस स्टाफ (असल में, सैकड़ों अरबों) सक्रिय हो जाते हैं। दुनिया के पाठ पढ़कर आत्मसात किए गए ज्ञान के आधार पर वे "अगला शब्द" अनुमानित करते हैं। "Pha/rma/ ind/us/try/ ex/ists/ to / preserve / patient / trust..." — एक-एक टुकड़े में उत्तर जन्म लेता है। यही AI की असली प्रकृति है: अगले टोकन का पूर्वानुमान काम करते हुए।
7. जब कुछ पता न हो, तो लाइब्रेरी की ओर दौड़ना
बीच में एक कर्मचारी परेशान दिखता है। "हम्म, अगर वे नवीनतम नियम के बारे में पूछें, तो हमारा आंतरिक ज्ञान शायद बहुत पुराना हो..." तभी आरएजी लाइब्रेरियन को बुलाया जाता है।
8. औज़ार भरोसेमंद पर्यवेक्षक के होते हैं
"अगर गणना की ज़रूरत हो तो बताइए," ऐसा कहता है एजेंट सुपरवाइज़र chimes in. Calculators, search engines, email, external APIs — he can call on all of them. What turned "AI that responds" into "AI that सच में काम करता है" वही है।
9. लेकिन कोने में बैठे नए खिलाड़ी पर सबकी नज़र रहती है
कोने में एक युवा कर्मचारी बैठा है, जिसे बाकी टीम शंका भरी नज़रों से देखती है। मतिभ्रम में नौसिखिया. He has a habit of confidently answering even when no one asked.
सहकर्मी:"रुको, किस आधार पर?!"
नवागंतुक:"खैर, बस ऐसा ही ठीक लगा..."
AI की असली प्रकृति यही है हैलुसिनेशन. सुनने में सही लेकिन ग़लत आउटपुट किसी बुरी नीयत से नहीं आते — वे AI की अपनी संरचना से आते हैं। यही कारण है कि मानवीय सत्यापन ज़रूरी है।
10. तैयार उत्तर प्रस्तुत करना
अंत में, Context Window रिसेप्शनिस्ट तैयार उत्तर लेकर उसे Mr. Prompt को सौंप देता है। "ये लीजिए!" — टेक्स्ट स्क्रीन पर स्ट्रीम होने लगता है। यही है AI Inc. का एक दिन।
कास्ट → असली AI शब्दावली
| चरित्र | वास्तविक अवधि | एक पंक्ति में |
|---|---|---|
| मिस्टर प्रॉम्प्ट | प्रॉम्प्ट | स्वयं प्रश्न या निर्देश |
| Context Window रिसेप्शनिस्ट | संदर्भ विंडो | एक साथ संभाले जाने वाले अधिकतम टोकन |
| टोकन वर्कर | टोकनाइज़ेशन | टेक्स्ट को AI द्वारा संभाले जा सकने वाली इकाइयों में बाँटना |
| एम्बेडिंग आर्टिसन | एम्बेडिंग | शब्दों को संख्यात्मक वेक्टर में बदलना |
| ध्यान प्रबंधक | ध्यान तंत्र (Attention mechanism) | संदर्भ में तय करना कि क्या मायने रखता है |
| एचक्यू इन्फरेंस स्टाफ | अनुमान / अगले-टोकन की भविष्यवाणी | सीखी हुई संभावनाओं से अगले शब्द का अनुमान लगाना |
| आरएजी लाइब्रेरियन | आरएजी (रिट्रीवल-ऑगमेंटेड जनरेशन) | उत्तर देने के लिए बाहरी ज्ञान जुटाना |
| एजेंट सुपरवाइज़र | AI एजेंट | बाहरी टूल्स को कॉल करके कार्य करने वाला AI |
| मतिभ्रम में नौसिखिया | मतिभ्रम | विश्वसनीय दिखने वाला लेकिन गलत आउटपुट |
खंड 2 और खंड 3 (अभी उपलब्ध)
खंड 2: प्रायोगिक अभ्यास — वाक्यांश संरचना व्याकरण का उपयोग करके AI के साथ स्रोत-संगत दस्तावेज़ बनाना। केवल पढ़ना नहीं: दस चरण जिनमें आप और आपका AI मिलकर एक सत्यापन प्रॉम्प्ट बनाते हैं।
खंड 3: "ईमेल, कार्यवृत्त, सारांश — AI के साथ रोज़ 30 मिनट।" हर महीने 22–33 घंटे बचाने वाले तीन व्यावहारिक तरीके।