इस निबंध का एक संस्करण है जो मैंने अठारह महीने पहले लिखा था और मुझे खुशी है कि मैंने उसे प्रकाशित नहीं किया।
इसका शीर्षक था ChatGPT के युग में एक अध्ययन app क्यों?, और दो हज़ार शब्द खर्च करता था यह समझाते हुए कि कैसे AI शिक्षा को बदल देगी, कैसे Fluera वह app होगा जो अंततः व्यक्तिगत tutoring को वास्तविक बनाएगा और कैसे पाँच वर्षों में कोई भी पहले की तरह अध्ययन नहीं करेगा। यह आशावादी था। यह आत्मविश्वासी था। यह retrospect में, लगभग पूरी तरह गलत भी था।
जो मैं उस समय नहीं देख रहा था वह यह था कि समस्या कभी यह नहीं थी कि छात्र जानकारी तक नहीं पहुँच सकते। कभी यह नहीं थी कि शिक्षक व्यक्तिगत नहीं कर सकते। समस्या थी — और है — कि आधुनिक उपकरण यह महसूस करना अविश्वसनीय रूप से आसान बनाते हैं कि आपने कुछ सीखा है जब आपने नहीं सीखा है। और जितना बेहतर उपकरण अनुभूति में होता है, उतना ही बदतर वह उस चीज़ में होता है जो मायने रखती है।
Bottleneck खिसक गया है
इतिहास के अधिकांश समय के लिए, किसी भी चीज़ का अध्ययन परिभाषित करने वाला प्रश्न था पहुँच। किताबें महंगी थीं। शिक्षक कम थे। पुस्तकालय दूर थे। एक शिक्षित व्यक्ति, सबसे पहले, वह था जो जानकारी के पास पहुँचने में कामयाब रहा था।
मेरी पीढ़ी के लिए, प्रश्न navigation बन गया। जानकारी प्रचुर थी; सही टुकड़ा खोजना ही काम था। Google, Wikipedia, Stack Overflow — एकल प्रश्न के लिए संपूर्ण infrastructure: यह कहाँ है? 2015 में शिक्षित होने का अर्थ था अच्छी तरह search करना जानना।
2026 में, इनमें से कोई भी प्रश्न हमें वास्तव में सीमित नहीं करता। कोई भी तथ्य तीन सेकंड दूर है। कोई भी व्याख्या उस शैली में उत्पन्न की जा सकती है जो आप पसंद करें। Bottleneck फिर से खिसक गया है और — यह वह हिस्सा है जो मुझसे छूट गया था — नए रूप के लिए infrastructure अभी तक नहीं बनी है।
नया bottleneck यह है: जो मैंने अभी पढ़ा है उसे मैं ऐसी चीज़ में कैसे बदलूँ जिसे मैं वास्तव में बनाए रखूँ?
पुराना संज्ञानात्मक विज्ञान, चुपचाप justified
और यहाँ मज़ेदार बात है। उस प्रश्न के उत्तर पचास साल से साहित्य में हैं। अंतरालित दोहराव, 1885 में Ebbinghaus से। पुनःप्राप्ति अभ्यास, 2006 में Roediger और Karpicke से [Roediger और Karpicke, 2006] View in bibliography → । वांछनीय कठिनाइयाँ, 1994 में Bjork से [Bjork, 1994] View in bibliography → । Concept mapping, 1984 में Novak से [Novak और Gowin, 1984] View in bibliography → । O’Keefe और Mosers की स्थानिक स्मृति की तंत्रिका विज्ञान, जिसने 2014 में Nobel जीता [Moser et al., 2005] View in bibliography → ।
ये परिणाम मजबूत हैं। Meta-analyses सुसंगत हैं। Effect sizes मध्यम से d = 0.88 तक जाते हैं — संज्ञानात्मक विज्ञान के किसी भी मानक से बहुत बड़ा।
जो हमारे पास कभी नहीं था — एक बार भी नहीं, ed-tech के पूरे इतिहास में — वे उपकरण हैं जो सही चीज़ को सबसे आसान रास्ता बनाते हैं। Anki पुनःप्राप्ति अभ्यास को संभव बनाता है, लेकिन एक विशाल निर्माण की कीमत पर। Notion notes को पठनीय बनाता है पर पुनःप्राप्त करने योग्य नहीं। GoodNotes हस्तलेखन को सुंदर बनाता है पर किसी भी memory scheduling से असंबद्ध। प्रत्येक उपकरण कई-step cycle के एक step को हल करता है; कोई भी cycle को हल नहीं करता।
और अब, इस mosaic के ऊपर, हमारे पास LLMs हैं। जो गलत चीज़ को — articulate उत्तरों का निष्क्रिय उपभोग — सही चीज़ की तरह महसूस कराते हैं। तीन सेकंड की fluency, encoding समझ ली जाती है। ग्रहीय पैमाने पर स्वचालन पूर्वाग्रह [Kahneman, 2011] View in bibliography → ।
Centaur, प्रतिस्थापन नहीं
AI-आधारित अध्ययन उपकरण बनाते समय लालसा यह है कि AI को केंद्र में रखा जाए। उसे आपके notes उत्पन्न करने दें, manual का सारांश बनाने दें, परीक्षा प्रश्नों को समझाने दें। मैं लालसा समझता हूँ। यह स्पष्ट उत्पाद है। और यह भी, विज्ञान जो कुछ कहता है उसके अनुसार, बिल्कुल गलत है।
Kasparov का Centaur framing वह है जो वास्तव में काम करता है। दुनिया का सबसे मजबूत shatranj खिलाड़ी Stockfish नहीं है। न ही Carlsen है। यह Stockfish के साथ Carlsen है, संरचित symbiosis में — प्रत्येक वह करता है जो वह सबसे अच्छा करना जानता है, दोनों में से कोई भी दूसरा होने का दिखावा नहीं करता।
अध्ययन के लिए, मानव योगदान गहराई, निर्णय और generation है। AI योगदान चौड़ाई, सत्यापन और scaffolding है। एक उपकरण जो यह समझता है, उसमें AI उत्तर देने से पहले प्रश्न पूछती है, हल करने से पहले scaffold करती है, पेश करने से पहले सत्यापित करती है। एक उपकरण जो ग़लत होता है इसके विपरीत करता है, और छात्र session से अधिक होशियार महसूस करते हुए बाहर निकलता है बिना कुछ सीखे।
Fluera हमारा पहले प्रकार का प्रयास है।
हम किस पर दाँव लगा रहे हैं
हम दाँव लगा रहे हैं कि learners की एक cohort मौजूद है — सभी नहीं, अधिकांश नहीं, लेकिन पर्याप्त — जो जानती है कि कब fluency और योग्यता के बीच का अंतर महसूस करना है। ऐसी oral परीक्षाओं की तैयारी कर रहे छात्र जिन्हें fake नहीं किया जा सकता। दीर्घकालिक learners जो देखते हैं कि वे ChatGPT से जो भी पूछते हैं वह अगले सप्ताह वाष्पित हो जाता है। ऐसे शिक्षक जो थक गए हैं LLM-generated articulate निबंध सौंपते छात्रों को देखते हुए जिनका छात्र बाद में बचाव नहीं कर सकता।
इनके लिए, घर्षण bug नहीं है। हस्तलेखन nostalgia नहीं है। उत्तर पाने से पहले प्रश्न पूछा जाना दंड नहीं है। ये features हैं। ये तंत्र हैं।
हम विकल्पों से अधिक धीमा, अधिक शांत और अधिक कठिन अध्ययन उपकरण बना रहे हैं। क्योंकि साक्ष्य कहता है यही काम करता है। और क्योंकि तेज़, अधिक शोरगुल वाले और आसान उपकरण इस समय तक योग्यता के भ्रम के लिए उपकरण बन गए हैं।
यदि यह आप में resonate करता है — आओ हमारे साथ beta में बनाओ। यदि नहीं resonate करता, ठीक है। हर उपकरण हर learner के लिए नहीं है। यह उनके लिए है जो अंतर पहचान सकते हैं।