Herbert Simon

सीमित युक्तिसंगतता के पीछे का मस्तिष्क

हर्बर्ट साइमन का करियर कंप्यूटर विज्ञान या अर्थशास्त्र से नहीं, बल्कि राजनीतिक विज्ञान से शुरू हुआ। उन्होंने 1943 में यूनिवर्सिटी ऑफ़ शिकागो से अपना डॉक्टरेट प्राप्त किया, जहाँ उन्होंने यह अध्ययन किया कि सार्वजनिक प्रशासन में निर्णय कैसे लिए जाते हैं। संगठनात्मक व्यवहार पर यह शुरुआती फोकस उनके बाद के काम को आकार देता रहा, जिसमें लगातार यह देखा गया कि मनुष्य जटिलता के बीच कैसे रास्ता बनाते हैं।

उनकी पहली प्रमुख पुस्तक, Administrative Behavior (1947), इस विचार को चुनौती देती थी कि लोग पूरी तरह तर्कसंगत विकल्प चुनते हैं। इसके बजाय, साइमन ने तर्क दिया कि निर्णयकर्ता सीमाओं के भीतर काम करते हैं—सीमित जानकारी, समय, और संज्ञानात्मक क्षमता। इस अवधारणा को बाद में “bounded rationality” (सीमित युक्तिसंगतता) के रूप में औपचारिक रूप दिया गया, और यह आधुनिक अर्थशास्त्र तथा प्रबंधन सिद्धांत की एक आधारशिला बन गई।

साइमन का अकादमिक सफर यूनिवर्सिटी ऑफ़ कैलिफ़ोर्निया, बर्कले से इलिनॉय इंस्टीट्यूट ऑफ़ टेक्नोलॉजी तक गया, और फिर 1949 में कार्नेगी मेलॉन यूनिवर्सिटी में जाकर वे वहीं स्थिर हुए। वहाँ उन्होंने अपने करियर के शेष समय में कंप्यूटर विज्ञान, मनोविज्ञान और दर्शन—तीनों में संयुक्त नियुक्तियाँ निभाईं। उनका बहु-विषयक दृष्टिकोण उनके इस विश्वास को दर्शाता था कि मानव संज्ञान का अध्ययन अलग-थलग नहीं किया जा सकता।

प्रारंभिक कृत्रिम बुद्धिमत्ता की दिशा में

1950 के दशक में साइमन ने कृत्रिम बुद्धिमत्ता की ओर अपना ध्यान मोड़ा और एलन न्यूएल तथा जे.सी. शॉ के साथ सहयोग किया। उनके काम से Logic Theorist (1956) बना—यह पहला ऐसा प्रोग्राम था जिसे मानव समस्या-समाधान की नकल करने के लिए बनाया गया था। पहले के प्रयासों के विपरीत, जो बलपूर्वक (brute-force) गणना पर निर्भर थे, Logic Theorist ने समाधान खोजने के लिए heuristic नियमों का उपयोग किया—ठीक वैसे ही जैसे कोई व्यक्ति करता।

टीम ने इसके बाद General Problem Solver (GPS) पर काम किया, जो एक ऐसा प्रोग्राम था जो समस्याओं को छोटे, संभालने योग्य हिस्सों में तोड़कर कई तरह की समस्याओं से निपट सकता था। GPS ने “means-ends analysis” की अवधारणा पेश की—यह रणनीति आज भी AI में उपयोग होती है। इन परियोजनाओं ने कृत्रिम बुद्धिमत्ता के क्षेत्र की नींव रखी, हालांकि साइमन और न्यूएल “complex information processing” शब्द को प्राथमिकता देते थे।

अपने शोध को समर्थन देने के लिए उन्होंने पहली list-processing भाषाएँ विकसित कीं—जो आधुनिक प्रोग्रामिंग टूल्स की एक पूर्ववर्ती थीं। इन भाषाओं ने कंप्यूटरों को केवल संख्याओं के बजाय प्रतीकों (symbols) में हेरफेर करने में सक्षम बनाया, जिससे अधिक परिष्कृत तर्क संभव हुआ। साइमन के काम ने यह दिखाया कि मशीनें मानव विचार के कुछ पहलुओं का अनुकरण कर सकती हैं, जिससे कृत्रिम और प्राकृतिक बुद्धिमत्ता के बीच की रेखा धुंधली हो गई।

सैटिस्फाइसिंग के जरिए विषयों को जोड़ना

साइमन का सबसे प्रभावशाली योगदान “satisficing” की अवधारणा हो सकती है। पारंपरिक आर्थिक मॉडलों के विपरीत, जो मानते थे कि लोग सर्वोत्तम परिणाम पाने की कोशिश करते हैं, satisficing यह बताता है कि वास्तविक दुनिया की सीमाओं का सामना करते हुए व्यक्ति “काफी अच्छा” समाधान स्वीकार कर लेते हैं। इस विचार ने अर्थशास्त्र, मनोविज्ञान और यहाँ तक कि सार्वजनिक नीति (public policy) को भी नया रूप दिया।

उनका शोध केवल सिद्धांत तक सीमित नहीं था। Human Problem Solving (1972) में, जिसे न्यूएल के साथ सह-लेखित किया गया था, उन्होंने उत्पादन प्रणालियों (production systems) का उपयोग करके संज्ञानात्मक प्रक्रियाओं का मॉडल बनाया। इन प्रणालियों ने विचार को सरल “if-then” नियमों में तोड़ दिया, जिससे यह समझने का ढांचा मिला कि मनुष्य और मशीनें—दोनों—जटिल कार्यों को कैसे अपनाती हैं।

साइमन की बहु-विषयक पहुँच ने उन्हें विभिन्न क्षेत्रों में पहचान दिलाई। उन्हें संगठनों में निर्णय-निर्माण पर अपने काम के लिए 1978 में अर्थशास्त्र में नोबेल पुरस्कार मिला। 1975 में न्यूएल के साथ साझा किया गया Turing Award उनके AI और संज्ञानात्मक मनोविज्ञान (cognitive psychology) में योगदान के लिए सम्मानित किया गया। अन्य सम्मान में National Medal of Science और John von Neumann Theory Prize शामिल थे।

परस्पर जुड़े विचारों की विरासत

अपने बाद के काम में साइमन ने वैज्ञानिक खोज (scientific discovery) का अध्ययन किया, यह तर्क देते हुए कि रचनात्मकता को संगणकीय (computational) रूप से मॉडल किया जा सकता है। पैट लैंगली जैसे सहयोगियों के साथ, उन्होंने ऐसे प्रोग्राम विकसित किए जो वैज्ञानिक तर्क की प्रक्रिया की नकल करते थे, जिससे यह संकेत मिला कि नवाचार पूर्वानुमेय पैटर्न का अनुसरण करता है।

उनकी आत्मकथा, Models of My Life, उन करियर पर विचार करती है जो दशकों और विषयों तक फैला था। अपने अंतिम वर्षों में भी वे कार्नेगी मेलॉन में सक्रिय रहे, जहाँ उन्होंने 2001 में अपनी मृत्यु तक Richard King Mellon University Professor of Computer Science and Psychology की उपाधि धारण की।

साइमन के विचार आज भी AI, अर्थशास्त्र और संज्ञानात्मक विज्ञान (cognitive science) को प्रभावित करते हैं। सीमित युक्तिसंगतता और satisficing पर उनका जोर सूचना-आधिक्य (information overload) के इस दौर में भी प्रासंगिक बना हुआ है, जहाँ अक्सर पूर्ण निर्णय लेना संभव नहीं होता। मनुष्य और मशीन की बुद्धिमत्ता को परस्पर जुड़ा मानकर, उन्होंने यह समझने के तरीके को आकार देने में मदद की कि हम दोनों को कैसे समझते हैं।

उनका काम यह याद दिलाता है कि प्रगति अक्सर विषयगत सीमाओं को पार करने से आती है। चाहे संगठन, कंप्यूटर, या मन का अध्ययन हो, साइमन हर समस्या को उसी जिज्ञासा के साथ—और उसी आग्रह के साथ—देखते थे कि सिद्धांत को देखे जा सकने वाले व्यवहार में जमीनी बनाया जाए।