LLM से पूछें — और लेख से आगे जाएँ
आप एक लेख पढ़ रहे हैं। विषय आपको खींचता है। लेकिन अंत के बाद एक सवाल उभरता है जो लेख ने नहीं पूछा — या पूछा, लेकिन उस दिशा में नहीं जो आपको रुचिकर लगती है।
टैब बंद कर सकते हैं। कोई और लेख खोज सकते हैं जो शायद मौजूद ही न हो। या एक भाषा मॉडल से पूछ सकते हैं — और अपनी खोज की दिशा खुद चुन सकते हैं।
यह AI का मार्गदर्शिका नहीं है। यह AI907 के दो लेखों के आधार पर LLM के साथ काम करने की एक विशेष तकनीक का प्रदर्शन है। मैं Claude (Anthropic) को उदाहरण के रूप में उपयोग करता हूँ — क्योंकि यह वह मॉडल है जिसे मैं अभी चुनता हूँ — लेकिन वर्णित तकनीक ChatGPT, Gemini, Grok या किसी भी अन्य मॉडल के साथ जो आपके पास है उतनी ही अच्छी तरह काम करती है।
शुरुआत में एक चेतावनी, इससे पहले कि मैं कुछ भी दिखाऊँ: LLM आत्मविश्वास से गलतियाँ करते हैं। वे विशेषज्ञ के स्वर में गलत संख्याएँ देते हैं। वे ऐसे स्रोत उद्धृत करते हैं जिन्हें उन्होंने सत्यापित नहीं किया है। वे ऐसी प्रतिक्रियाएँ उत्पन्न करते हैं जो विश्वसनीय लगती हैं, क्योंकि वे इसी तरह बनाए गए हैं। हम इस पर वापस आएँगे।
नीचे जो उत्तर मैं उद्धृत करता हूँ वे कच्चे रूप में दिखाए गए हैं — बिना पुनरावृत्ति या सत्यापन के। ये प्रदर्शन उदाहरण हैं, न कि तैयार सामग्री। किसी गंभीर उपयोग से पहले दोनों को कई दौर के परिशोधन की आवश्यकता होगी।
पहला विषय: रेगोलिथ ढाल
रेगोलिथ ढाल के बारे में लेख इस टिप्पणी के साथ समाप्त होता है कि चंद्र आधार बनाने की वास्तविक चुनौती आवास का डिज़ाइन नहीं है, बल्कि सैकड़ों टन सामग्री को स्थानांतरित करना है। भौतिकी का वर्णन किया गया है। इंजीनियरिंग की खाई — ज्ञान और कार्रवाई के बीच — भी।
लेकिन मेरे लिए, उस लेख के बाद एक अलग सवाल उभरा। “कितने टन?” नहीं — यह तो उसी धागे को और गहरा करना होता। मेरा सवाल व्यवस्थागत था: क्या साझा दीवारों वाले चार आवासों को रखने से समीकरण बदलता है — रेगोलिथ द्रव्यमान और चंद्र रात के दौरान गर्मी बनाए रखने दोनों के संदर्भ में?
मॉडल ने मुझे जारी रखने के लिए तीन अन्य दिशाएँ सुझाईं। उनमें से कोई भी मुझे रुचिकर नहीं लगी। मैंने अपनी दिशा चुनी।
प्रॉम्प्ट:
“क्या आवासों को दीवार से दीवार सटाकर (जैसे 2×2 व्यवस्था में 4 एक साथ) रखने से आवश्यक रेगोलिथ की मात्रा कम करने और रात भर गर्मी बनाए रखने में समझ आती है? रात के बाद मॉड्यूल जोड़ने के लिए संपर्क सतहों को कैसे तैयार करें?”
Claude का उत्तर (अंश):
“हाँ, और इसमें बहुत अधिक समझ है — लेकिन सटीक रूप से परिभाषित चेतावनियों के साथ।
प्रत्येक साझा दीवार एक ऐसी सतह है जिसे बाहर से रेगोलिथ से ढकने की आवश्यकता नहीं है। 2×2 व्यवस्था में 4 मॉड्यूल के साथ, आपके पास 16 स्वतंत्र दीवारों की बजाय 4 साझा दीवारें हैं। यह मॉड्यूल के आकार और आवश्यक परत की मोटाई के आधार पर आवश्यक रेगोलिथ द्रव्यमान को वास्तव में 20–35% तक कम करता है।
तापीय प्रभाव विकिरण प्रभाव से भी अधिक है। दो गर्म किए गए मॉड्यूल के बीच साझा दीवार दोनों तरफ से सक्रिय रूप से अछूती है — अंधेरे पक्ष पर -170°C के शून्य के संपर्क में आने के बजाय। हीटिंग सिस्टम को छोटी ऊष्मा हानि सतह से लड़ना पड़ता है।
जोड़ की समस्या वास्तव में परिचालन रूप से कठिन है और लोकप्रिय साहित्य में लगभग अनुपस्थित है। एल्युमीनियम और टाइटेनियम स्टील 200–300°C तापमान गिरावट के साथ अपनी लंबाई का लगभग 0.2–0.5% रैखिक आयाम बदलते हैं। एक 8-मीटर मॉड्यूल के लिए, यह प्रत्येक आयाम में 16–40 mm की गति है। जोड़ के लिए तीन दृष्टिकोण: प्रतिपूरक जोड़ (expansion joint), शुष्क वियोज्य जोड़, या एकीकृत ढाल के साथ एकखंडीय प्रणाली जो एक रेगोलिथ ढेर के नीचे एक साथ दबी हो — तब पूरा सिस्टम एकल तापीय रूप से जड़त्वीय वस्तु की तरह व्यवहार करता है।
सबसे गंभीर समस्या प्रत्येक तापीय गति के साथ सील में गहरे पिसता रेगोलिथ धूल है। मानक दृष्टिकोण: मुलायम सोने या इंडियम की धातु सील, भूलभुलैया जोड़ ज्यामिति, जोड़ को लगातार दबाने वाला स्प्रिंग।”
इस उत्तर में कुछ बातें ध्यान देने योग्य हैं। पहला — LLM ने न केवल सवाल का जवाब दिया, बल्कि एक ऐसे पहलू की पहचान की जो “लोकप्रिय साहित्य में लगभग अनुपस्थित है।” मैं इसे सत्यापित कर सकता हूँ। दूसरा — इसने विशिष्ट संख्याएँ दीं (20–35% द्रव्यमान में कमी, 16–40 mm गति)। ये ऐसे बिंदु हैं जिन्हें किसी भी गंभीर संदर्भ में उपयोग करने से पहले सत्यापन की आवश्यकता है।
दूसरा विषय: मानव जीवन की जगह
मानव जीवन की जगह के बारे में लेख एक दार्शनिक प्रश्न के साथ समाप्त होता है: यदि पृथ्वी पर ग्रह के आयतन का केवल 0.26% ही सुलभ है, तो शायद अंतरिक्ष में विस्तार तार्किक परिणाम है? यह एक अच्छा प्रारंभिक बिंदु है — लेकिन मुझे एक अलग दिशा में रुचि थी।
प्रॉम्प्ट:
“यदि हम पृथ्वी छोड़े बिना मनुष्यों के लिए उपलब्ध स्थान को दोगुना करना चाहें — तो तकनीकी रूप से सबसे सरल क्या होगा: भूमिगत खोदना, ऊपर बनाना, या सहारा का वातानुकूलन?”
Claude का उत्तर (अंश):
“भूमिगत खोदना तकनीकी रूप से तीन दिशाओं में सबसे कठिन है, सहजज्ञान के विपरीत। -1 km से नीचे, तापमान गहराई के प्रति किलोमीटर ~25–30°C बढ़ता है। 3 km पर आपके पास ~80°C है, 5 km पर 100°C से अधिक है। 3 km गहराई पर स्थैतिक दबाव ~80 MPa है। प्रत्येक सुरंग को या तो सक्रिय समर्थन या केवल विशिष्ट औद्योगिक अनुप्रयोगों में उपयोग की जाने वाली सामग्री की आवश्यकता होती है।
ऊपर बनाना तकनीकी रूप से सबसे सस्ता है — और यहाँ एक सूक्ष्म जाल है। ऊर्ध्वाधर निर्माण लेख के अर्थ में उपलब्ध आयतन नहीं बढ़ाता, यह घनत्व बढ़ाता है। यदि आपके पास एकल-परिवार के घरों की बजाय 2 km ऊंची इमारतों में 8 अरब लोग हैं, तो आप जीवमंडल के कुल आयतन में कुछ भी नहीं जोड़ रहे।
सहारा का वातानुकूलन — यदि प्रश्न है ‘स्थान जोड़ने के लिए तकनीकी रूप से क्या सबसे सरल है’ — तो शुष्क मरुस्थलों का विकास एकमात्र ऐसा विकल्प है जो वास्तव में जैविक रूप से सुलभ परत का विस्तार करता है, जबकि बुनियादी सामग्री भौतिकी से नहीं लड़ता। वास्तविक ‘सहारा का वातानुकूलन’ 90 लाख km² को शाब्दिक रूप से ठंडा करना नहीं है — यह हरित बुनियादी ढाँचा है, जल चक्र को बंद करना है। ~8,000 साल पहले अपने जलवायु इष्टतम पर सहारा में झीलें, नदियाँ और सवाना थी। यह टेराफॉर्मिंग नहीं है, यह उन परिस्थितियों में वापसी है जो भूवैज्ञानिक पैमाने पर हाल ही में मौजूद थीं।
एक चौथी दिशा भी है जिसका प्रश्न उल्लेख नहीं करता — जिसे लेख सीधे निष्कर्ष के रूप में सुझाता है: कक्षा और चंद्रमा किसी मायने में पृथ्वी की सतह से 5 km नीचे से आसान हैं, क्योंकि कम से कम आप ग्रह के आंतरिक भाग की गर्मी से नहीं लड़ रहे और 80 MPa दबाव में चट्टान के माध्यम से सुरंग नहीं खोद रहे।”
मैं अंतिम अनुच्छेद पर ध्यान दिलाता हूँ। मॉडल ने स्वयं प्रश्न के धागे को लेख के विषय से जोड़ा — और एक चौथी दिशा प्रस्तावित की जो प्रश्न में नहीं थी। क्या वह दिशा दिलचस्प है? हाँ। क्या मैंने इसे चुना? नहीं। मैं सहारा के साथ रहा और जानना चाहता था कि क्या किसी ने ऐसी अवधारणाओं को पहले से लागू करने की कोशिश की है। अगला प्रॉम्प्ट, अगला दोहराव।
तकनीकी संदर्भ पर ध्यान देना उचित है: मैंने दोनों प्रॉम्प्ट में स्रोत लेखों की सामग्री संलग्न की थी। इसीलिए भूमिगत खोदने के सवाल के जवाब में मॉडल 1 km या अधिक की गहराई के साथ काम करता है, और ऊपर बनाने के लिए — लगभग 2 km की ऊँचाई के साथ, क्योंकि लेख में ऐसे ही मान थे। यदि मैं इस धागे को आगे दोहराता, तो 1 km नहीं बल्कि दसियों या सैकड़ों मीटर की गहराई से शुरू करता। उत्तर गलत नहीं है — प्रॉम्प्ट अपर्याप्त रूप से निर्दिष्ट था। यह मॉडल के साथ काम करने से एक व्यावहारिक अवलोकन भी है: यह वह सवाल जवाब देता है जो आपने पूछा, हमेशा वह नहीं जो आप मन में रखते थे।
LLM उत्तरों को कैसे सत्यापित करें
दो तरीके, दोनों त्वरित।
पहला तरीका: निश्चितता के बारे में अनुवर्ती प्रश्न।
जब मॉडल एक विशिष्ट संख्या या दावा दे जिसे आप आगे उपयोग करना चाहते हैं — सीधे पूछें:
“आपने कहा कि 2×2 व्यवस्था में रेगोलिथ द्रव्यमान में कमी 20–35% है। क्या आप इस संख्या के बारे में निश्चित हैं? यह कहाँ से आई?”
मॉडल या तो एक स्रोत बताएगा (जिसे आप जाँच सकते हैं), या कहेगा कि यह विशिष्ट आधार के बिना एक अनुमान है। दोनों परिणाम मूल्यवान हैं। दूसरा आपको बताता है कि आप संख्या को उद्धृत नहीं कर सकते — केवल आगे की खोज के लिए एक अभिविन्यास के रूप में मान सकते हैं।
दूसरा तरीका: स्रोत के बजाय परिभाषा माँगें।
“आपको यह कहाँ से मिला?” से अधिक मजबूत परीक्षण है “आप इसे कैसे परिभाषित करते हैं?”। मॉडल अक्सर याद की गई अनुमानों पर काम करता है जिनकी परिभाषाएँ उत्तरों के बीच असंगत होती हैं। “‘जैविक रूप से सुलभ स्थान’ को आप कैसे परिभाषित करते हैं?” का प्रश्न स्रोत पूछने से तेज़ी से असंगतता प्रकट करता है।
मैं दोनों तरीकों का नियमित उपयोग करता हूँ। जब संख्याओं को निजी अन्वेषण से परे महत्व रखना हो तो कोई भी प्राथमिक स्रोतों की जाँच की जगह नहीं ले सकता।
इससे क्या निकलता है
एक लेख में एक दिशा होती है — जिसे लेखक ने वर्णन करने के लिए चुना। LLM के साथ बातचीत में उतनी दिशाएँ होती हैं जितने आपके पास प्रश्न हैं।
अभ्यास से कुछ टिप्पणियाँ:
LLM हमेशा एक दिशा प्रस्तावित करेगा। यह हमेशा आपकी दिशा नहीं होगी। बातचीत खोलने से पहले अपना खुद का सवाल रखना उचित है — क्योंकि मॉडल उस शून्य को अपने सुझाव से खुशी से भर देगा, और वह सुझाव दिलचस्प हो सकता है, लेकिन शायद ही कभी वह सटीक होता है जो आपको वास्तव में रुचिकर लगता है।
सरल शुरुआत करें, फिर कसते जाएँ। पहला प्रॉम्प्ट शब्दजाल के बिना। दूसरा संख्याओं या उस पहलू की माँग के साथ जो आपको रुचिकर लगता है। आपको लंबे निर्देश लिखने की ज़रूरत नहीं है — यदि संदर्भ स्पष्ट हो तो मॉडल सरल प्रश्नों को अच्छी तरह संभालता है।
LLM स्रोतों की जगह नहीं लेता। यह उन स्रोतों को समझने में मदद करता है जो आप खुद खोजेंगे। और खोजना शुरू करने से पहले सही सवाल पूछने में मदद करता है।
एक लेख एक प्रारंभिक बिंदु है। मॉडल के साथ बातचीत एक अन्वेषण है। आप कहाँ समाप्त होते हैं यह इस पर निर्भर करता है कि आप कौन सा सवाल लेकर आते हैं।
यह लेख AI907 पर Human–AI Collaboration श्रेणी का हिस्सा है। स्रोत लेख: रेगोलिथ ढाल: कमरे में 500-टन हाथी और मानव जीवन की पारंपरिक जगह।
