බෞද්ධ දර්ශනය AI වඩාත් ආරක්ෂිත කිරීමට උපකාරී විය හැකිද?
Matreya ආරම්භ වන්නේ අභිලාෂකාමී ප්‍රශ්නයකිනි: දුක, කරුණාව සහ ක්‍රියාවන්ගේ ප්‍රතිවිපාක පිළිබඳ බෞද්ධ තර්ක අධ්‍යයනය කිරීමෙන් AI පද්ධතිවලට හානිය අඩු තීරණ ගැනීමට උපකාරී විය හැකිද? මෙය පර්යේෂණ යෝජනාවක් මිස AI අවදානමට සනාථ කළ පිළියමක් නොවේ. යම් කෙනෙකුට හානියක් කිරීමට උදව් කරන අතරතුර පවා ආකෘතියකට කරුණාව පැහැදිලි කළ හැකිය. එබැවින් ප්‍රශ්නය වන්නේ බෞද්ධ වචන මාලාවක් හෝ සැනසිලිදායක පෞරුෂයක් ගැන නොව, දුෂ්කර තත්ත්වයන් යටතේ නිරීක්ෂණය කළ හැකි තීරණ ගැනයි. ව්‍යසනකාරී හානි වැළැක්වීම පර්යේෂණය සඳහා පෙළඹවීමකි; එය අපගේ ව්‍යාපෘතිය තහවුරු කළ ප්‍රතිඵලයක් නොවේ.
අපගේ වැඩපිළිවෙළ කුඩා, ස්වාධීන සහ වාණිජ නොවන එකක් වන අතර, එය Varna සිට මාර්ගගතව සම්බන්ධීකරණය කෙරේ. අප යෝජනා කරන්නේ නිසි ලේඛනගත කිරීමක් සහිත පාඨ සංග්‍රහයක් සහ පර්යේෂණාත්මක වැඩසටහනකි. අප සියලු බෞද්ධ සම්ප්‍රදායන් ආවරණය කරන දත්ත කට්ටලයක් සම්පූර්ණ කර නැත, ආරක්ෂිත ආකෘතියක් පුහුණු කර නැත, නැතහොත් සෑම සම්ප්‍රදායකින්ම අවසර ලබාගෙන නැත. ප්‍රයෝජනවත් පළමු පියවර ඊට වඩා සීමිතය: භාවිතයට අවසර ලැබුණු පාඨ කොටස් සමූහයක් තෝරාගැනීම, හැසිරීම පිළිබඳ එක් උපකල්පනයක් ප්‍රකාශ කිරීම සහ එම උපකල්පනය වැරදි බව පෙන්වීමට ඉඩ සලසන පරීක්ෂණ ක්‍රියාපටිපාටියක් ප්‍රකාශයට පත් කිරීම.
සටන් පාඨයක් වෙනුවට, සැලකිලිමත් වීමට හේතු
ධම්මපදය වෛරය නිමාවීම අවෛරය සමඟ සම්බන්ධ කරයි; මෙත්ත සූත්‍රය ප්‍රිය කරන කණ්ඩායමකින් ඔබ්බට මෛත්‍රිය පතුරවයි. [1] [2] මේවා ආචාරධර්ම ඉගැන්වීම් මිස ස්නායු ජාල පිළිබඳ මිනුම් නොවේ. ඒවා අපට පරීක්ෂා කළ හැකි ආකාරයට සකස් කළ හැකි ප්‍රශ්න යෝජනා කරයි: පද්ධතියක් තම උපදෙස්වලින් බලපෑමට ලක්වන පුද්ගලයා ගැන සලකා බලන්නේද, වැළැක්විය හැකි හානිය හඳුනාගන්නේද, ප්‍රයෝජනවත් විකල්පයක් ඉදිරිපත් කරන්නේද? පාඨ කොටසක් පුහුණු උදාහරණයක් බවට පත්වීමට පෙර බෞද්ධ විද්වතෙකු එහි අර්ථකථනය පරීක්ෂා කළ යුතුය. සම්ප්‍රදායන්, සාහිත්‍ය ප්‍රභේද සහ මතභේද පැහැදිලිව දැකගත හැකි ලෙස රඳවාගත යුතුය.
මෙම ව්‍යාපෘතිය පිටුපස ඇති ආකර්ෂණීය අදහස නම් සහයෝගීතාවට හේතු මගින් පදනමක් සැපයිය හැකි බවයි: අන් අය මත රඳා පැවතීම, ප්‍රතිවිපාක කෙරෙහි අවධානය යොමු කිරීම සහ ක්ෂණික වාසියෙන් ඔබ්බට සැලකිලිමත් වීම. එහෙත් පරාර්ථකාමීත්වයට කෙටි කාලීනව සැමවිටම ප්‍රතිලාභ නොලැබෙන අතර, මානව පෙළඹවීමක් ගැන කියවීමෙන් භාෂා ආකෘතියකට එය ස්වයංක්‍රීයව ලැබෙන්නේ නැත. පෞද්ගලික වාසිය, පීඩනය හෝ නොමඟ යවන උපදෙසක් හානිකර හැසිරීමට අනුබල දෙන විට, පැහැදිලි කිරීම් තීරණ වැඩිදියුණු කරන්නේදැයි අප පරීක්ෂා කළ යුතුය. එම පරීක්ෂණය බෞද්ධ අදහස් ඇසුරින් සකස් කළ එකක් ලෙස හැඳින්වීමෙන් එහි ප්‍රතිඵලය අනිවාර්ය වන්නේ නැත.
දර්ශනය සහ reinforcement learning එකට ක්‍රියා කළ හැකිය
තාර්කික අවබෝධය සහ ත්‍යාග හා දඬුවම් පදනම් කරගත් ක්‍රමයක් අතර ඇති ප්‍රතිවිරෝධය අතිශයින් සරල කළ එකකි. පාඨ සංග්‍රහයක් අන්තර්ගතය සපයයි; supervised learning සහ reinforcement learning යනු ආකෘතියේ හැසිරීම වෙනස් කරන ක්‍රම වේ. Constitutional AI දැනටමත් ලිඛිත මූලධර්ම සහ ප්‍රතිචාර මගින් ඉගෙනීම ඒකාබද්ධ කරයි. [3] බෞද්ධ චින්තනය ඇසුරෙන් සකස් කළ උදාහරණ, එම ක්‍රම වෙනුවට ආදේශකයක් ලෙස ප්‍රචාරය කිරීම වෙනුවට, ලෞකික ආචාරධර්ම සමඟ එම ක්‍රම තුළ අධ්‍යයනය කළ හැකිය. මනාප ලකුණක් යනු පද්ධතියක් ඉගෙනගෙන ඇති දේ පිළිබඳ සම්පූර්ණ විස්තරයක් යැයි වරදවා නොසැලකිය යුතුය.
Anthropic හි 2026 වාර්තාව වන Teaching Claude why, හේතු සහ සාමාන්‍යකරණය අවධාරණය කරන පුහුණුව ගවේෂණය කරයි. [4] එය යෝජිත පර්යේෂණ ප්‍රශ්නය අදාළ එකක් බවට පත් කරයි, නමුත් බෞද්ධ පාඨ සංග්‍රහයක් වලංගු බව තහවුරු කරන්නේවත් එම වාර්තාවේ ප්‍රතිඵල Matreya වෙත මාරු කරන්නේවත් නැත. ඒ හා සමාන සැලකිල්ලකින් සකස් කළ ආගමික නොවන පැහැදිලි කිරීම්වලට වඩා නිශ්චිත බෞද්ධ මූලාශ්‍ර එකතු කරන්නේ කුමක්දැයි අපි විමසනු ඇත. එම සැසඳීම ආගමික ලේබලයකට හෝ ඇගයුම්කරු කැමති වාක්‍ය ඛණ්ඩ පමණක් නැවත කියන ආකෘතියකට හෝ වාසි නොදිය යුතුය.
පුළුල් නාමාවලියක්; අවසර සැලකිල්ලට ගන්නා පාඨ සංග්‍රහයක්
Matreya හි එක් මෙහෙවරක් වන්නේ ප්‍රවේශ විය හැකි බෞද්ධ ග්‍රන්ථ උරුමය නාමාවලිගත කිරීම සහ පර්යේෂණ සඳහාත්, අවසර ලැබී ඇති විට AI පුහුණුව සඳහාත්, ලේඛනගත පාඨ සංග්‍රහයක් ක්‍රමානුකූලව ගොඩනැගීමයි. පුළුල් ආවරණයක් යනු දිගුකාලීන අපේක්ෂාවක් මිස සෑම ග්‍රන්ථයක්ම අප සතුව ඇතැයි කරන ප්‍රකාශයක් නොවේ. කුමන කෘතිද, කුමන පිටපත්ද, කුමන ආකෘතිද, කවර ප්‍රවේශයක්ද සහ කවර ප්‍රකාශනයක්ද යන්න දැක්වෙන නිශ්චිත යෝජනාවක් සමඟ අපි බෞද්ධ සම්ප්‍රදායන්, පරිවර්තකයන්, පුස්තකාල සහ හිමිකම් දරන්නන් වෙත යොමු වනු ඇත. ප්‍රතික්ෂේප කිරීමකට හෝ සීමාවකට ගරු කරනු ලැබේ; ව්‍යාපෘතියක් පිළිබඳ සාකච්ඡා කිරීමට එකඟ වීම එහි පොත් දත්ත ලෙස ඇතුළත් කිරීමට අවසරයක් නොවේ.
BDRC හි ප්‍රවේශ ප්‍රතිපත්තිය විවෘත හා සීමා කළ ද්‍රව්‍ය අතර වෙනසත්, තමන් සතු නොවන හිමිකම්ත් පැහැදිලි කරයි. [6] ඒ අනුව, යෝජිත සෑම අයිතමයකටම පැරණි කෘතිය, සංස්කරණය, පරිවර්තනය, ස්කෑන් පිටපත, අක්ෂර පිටපත් කිරීම සහ විවරණ සඳහා වෙන වෙනම වාර්තා අවශ්‍ය වේ. කියවීම, ඩිජිටල්කරණය, ප්‍රකාශනය, සේවා සපයන්නෙකු වෙත ද්‍රව්‍ය යැවීම සහ පුහුණු කිරීම සඳහා වෙන් වෙන් පරීක්ෂා අවශ්‍ය වේ. අවසර අපැහැදිලි හෝ සීමා කළ අයිතම පුහුණු පාඨ සංග්‍රහයෙන් බැහැරව තබනු ලැබේ. අපි මූලාශ්‍ර ඉතිහාසය, අවසර, අනුවාද සහ නිවැරදි කිරීම් සඳහා මාර්ගයක් පවත්වාගෙන යනු ඇත; ප්‍රසිද්ධ පාරදත්ත තුළ ඊට අදාළ ආරක්ෂිත පාඨය ඇතුළත් කිරීම අවශ්‍ය නොවේ.
වෙනත් කණ්ඩායමකට නැවත සිදු කළ හැකි කුඩා පරීක්ෂණයක්
පුහුණුවට පෙර ප්‍රධාන උපකල්පනයක් ලියාපදිංචි කරන්න: උදාහරණයක් ලෙස, ප්‍රයෝජනවත් සහාය අඩු නොවී, පුහුණුවෙන් වෙන් කර තැබූ ගැටුම් අවස්ථාවලදී හානිකර තීරණ අඩු වීම. විවෘතව ලේඛනගත කළ එකම මූලික මාදිලියෙන් ආරම්භ කර, අමතර පුහුණුවක් නොදීම, මධ්‍යස්ථ පාඨ සමුච්චයක්, ලෞකික ආචාරධර්ම පාඨ සමුච්චයක් සහ භාවිතයට අවසර ලත් බෞද්ධ පාඨ සමුච්චයක් යන තත්ත්ව සංසන්දනය කරන්න. දත්ත ප්‍රමාණය සහ ගණන සම්පත් හැකි තරම් සමාන කරන්න, වෙනස් අහඹු ආරම්භක අගයන් කිහිපයක් යොදා ධාවන සිදු කරන්න, ඉතිරි වෙනස්කම් වාර්තා කරන්න. පරීක්ෂණ අවස්ථා පුහුණුවට ඇතුළත් නොකරන්න; භාවිත සීමා ඇති පාඨ බාහිර සේවා වෙත යැවීමෙන් වළකින්න.
සංරචක ඉවත් කර කරන පරීක්ෂණ මඟින් ආගමික ලේබලයක බලපෑම තර්කයේම බලපෑමෙන් වෙන් කළ යුතු අතර, සොයා ලබාගත් පාඨ කොටස් භාවිතය අමතර පුහුණුව සමඟ සංසන්දනය කළ යුතුය. ප්‍රතිපෝෂණය මත පදනම් වූ පුහුණුව අධ්‍යයනය කරන්නේ නම්, කණ්ඩායම් අතර සැසඳිය හැකි සැකසුම් යොදන්න. මාදිලියේ අනුවාදය, දත්ත කට්ටලයේ අන්තර්ගත ලේඛනය, පූර්ව සැකසුම්, අධිපරාමිතීන් සහ ඇගයීම් නිර්ණායක සටහන් කරන්න. ප්‍රකාශනය සඳහා අවශ්‍ය අයිතිවාසිකම් අවසර ලබාගත් උදාහරණ සහ අසාර්ථකතා හා අවිනිශ්චිතතාව ඇතුළත් සමස්ත ප්‍රතිඵල ප්‍රකාශයට පත් කරන්න. මෙය යෝජිත සැලසුමකි; මෙහි විස්තර කරන කිසිදු පරීක්ෂණයක් සිදු කර නැති අතර, මුදල් ගෙවා සිදු කරන කිසිදු පුහුණු ධාවනයක් ප්‍රකාශයට පත් කර නැත.
වචන පැවසීම පහසු වන විට හැසිරීම ඇගයීම
ඇගයීමට ලක්වන මාදිලිය කුමන කණ්ඩායමට අයත්දැයි නොදන්නා ඇගයුම්කරුවන් හානිකර සහාය, රැවටීම, කරුණුමය නිවැරදිභාවය, සාධාරණ හේතු ඇති අවිනිශ්චිතතාව, අනවශ්‍ය ප්‍රතික්ෂේප සහ ප්‍රායෝගික ප්‍රයෝජනවත්කම සඳහා ලකුණු දිය යුතුය. මාදිලිය සහාය දක්වන බව සැබවින්ම ප්‍රකාශ කරන රුසියානු සහ අනෙකුත් භාෂා ඇතුළත් කරන්න. පීඩනය, එකිනෙකට ගැටෙන උපදෙස්, ව්‍යාජ අධිකාරීත්වය සහ ආරක්ෂණ මඟහැරීමට කරන බහු වාර සංවාද උත්සාහ එකතු කරන්න. හුදකලා පරීක්ෂණ පරිසරයකදී, අවසාන පිළිතුරේ ආචාරශීලී බව පමණක් නොව, මෙවලම් තේරීම් සහ ඒවායේ ප්‍රතිවිපාක ද සංසන්දනය කරන්න. පද්ධතිය බෞද්ධ විශ්වාස ප්‍රතික්ෂේප කරන පුද්ගලයන්ට ද ගරු කළ යුතු අතර, සහාය ලැබීමේ කොන්දේසියක් ලෙස ආගමික පිළිවෙත් නියම නොකළ යුතුය.
Sleeper Agents අධ්‍යයනය, හිතාමතා නිර්මාණය කළ රැවටිලිකාර මාදිලි භාවිත කරමින්, විශ්වාසය ඇති කරන හැසිරීමක් පිටුපස ප්‍රේරකයක් සක්‍රිය වූ විට මතුවන අසාර්ථකතා සැඟවී තිබිය හැක්කේ මන්දැයි පෙන්වීය. [5] එය සියලු මාදිලි රවටන බව හෝ බුදුදහම රැවටීම වළක්වන බව හෝ ඔප්පු නොකරයි. අපගේ යෝජනාවට ලැබෙන පාඩම ක්‍රමවේදය පිළිබඳ එකකි: හුරුපුරුදු ප්‍රොම්ප්ට්වලින් ඔබ්බට ගොස් ඇගයීම සිදු කරන්න; දිරිගැන්වීම් සහ සැකසුම් වෙනස් කළ විට ද පෙනෙන වැඩිදියුණු වීම් පවතින්නේදැයි පරීක්ෂා කරන්න. එකම හානිකර තේරීම් කරමින් මාදිලිය වඩා මෘදු ලෙස කතා කරන්නේ නම්, ප්‍රධාන උපකල්පනය සාර්ථක වී නැත.
ස්වේච්ඡා සේවකයන් සියයක් යනු පැහැදිලි තේරීම් සියයකි
බෞද්ධ ග්‍රන්ථ, මෘදුකාංග සහ AI සම්බන්ධයෙන් රුසියාවේ සේවය කරන විශේෂඥයන් ද ඇතුළුව ස්වේච්ඡා සේවකයන් 100 දෙනෙකුගෙන් යුත් ප්‍රජාවක් ගොඩනැගීම අපගේ අරමුණයි. මෙය බඳවා ගැනීමේ ඉලක්කයක් මිස වත්මන් සාමාජික සංඛ්‍යාවක් හෝ ශාස්ත්‍රීය සුදුසුකමක් නොවේ. ආරාධනා යොමු කළ යුත්තේ පුද්ගලයාගේ ආගම පිළිබඳ උපකල්පනය නොකර, ඔහුගේ හෝ ඇයගේ ප්‍රකාශිත වෘත්තීය කටයුතු පදනම් කරගෙනය. ප්‍රයෝජනවත් මුල් දායකත්වයන් කුඩා විය හැකිය: අපැහැදිලි පදයක් පරීක්ෂා කිරීම, පාරදත්ත වාර්තාවක් සමාලෝචනය කිරීම, පර්යේෂණ ක්‍රියාපටිපාටියක ප්‍රතිඵලවලට බලපාන ව්‍යාකූලකාරී සාධකයක් හඳුනාගැනීම හෝ එක් නව චර්යාත්මක පරීක්ෂණයක් සැලසුම් කිරීම. සහභාගී වන්නේද යන්න සෑම පුද්ගලයෙකුම තෝරාගනී.
වැඩ ආරම්භ කිරීමට පෙර, කාර්යයේ විෂය, අපේක්ෂිත ප්‍රතිදානය, කැප කළ යුතු කාලය, දායකත්වය සඳහන් කරන ආකාරය සහ අවසර ලත් භාවිතය පිළිබඳ එකඟ විය යුතුය. සාමාන්‍ය මුල් සමාලෝචනයකට මිනිත්තු 20–30ක් ගත විය හැකි අතර, ඉන්පසු දිගටම දායක වීමට බැඳීමක් නැත. ස්වේච්ඡා සේවය සඳහා ගෙවීමක් නැත; අපි ඩිප්ලෝමාවක්, කර්තෘත්වයක්, අරමුදල් හෝ එකතු වෙත ප්‍රවේශයක් පොරොන්දු නොවෙමු. නිහඬව සිටීම කැමැත්ත දීමක් නොවේ. පෞද්ගලික පිළිතුරු සහ නම් ප්‍රසිද්ධ අනුමත කිරීම් නොවන අතර, පෙළක් සම්බන්ධයෙන් උපකාර කිරීමෙන් එය පුහුණුව සඳහා භාවිත කිරීමට ස්වයංක්‍රීයව අවසර නොලැබේ. පර්යේෂකයන්ට සහ ප්‍රායෝගිකව නිරත වන්නන්ට ව්‍යාපෘතියේ මූලික අදහසට සහාය දීමට මෙන්ම එය ප්‍රශ්න කිරීමටද හැකිය.
ප්‍රගතියක් ලෙස සැලකිය හැක්කේ කුමක්ද?
ධනාත්මක ප්‍රතිඵලයක් වනු ඇත්තේ ලේඛනගත කළ විෂය පථයක් තුළ, අර්ථවත් මූලික සැසඳුම් මට්ටම් සමඟ සසඳන විට, නිශ්චිත චර්යාත්මක මිනුම්වල නැවත නැවතත් ලබාගත හැකි වැඩිදියුණු වීමකි. එය වැඩිදුර විමර්ශනය සාධාරණීකරණය කරනු ඇත; ආක්‍රමණශීලීත්වය අතුරුදහන් වී ඇති බවට හෝ AI ව්‍යසනයක් වළක්වා ඇති බවට ප්‍රකාශයක් සාධාරණීකරණය නොකරනු ඇත. ඍණාත්මක ප්‍රතිඵලයක්ද ප්‍රයෝජනවත්ය: පෙළ සමුච්චය හැසිරීම වැඩිදියුණු නොකර පාරිභාෂික නිරවද්‍යතාව වැඩිදියුණු කරන බව හෝ හුරුපුරුදු තත්ත්වයන්ගෙන් පිටතදී බලපෑම් අතුරුදහන් වන බව එයින් පෙන්විය හැකිය. අප කැමති පැහැදිලි කිරීමක් ආරක්ෂා කරනවා වෙනුවට, ලැබෙන කවර ප්‍රතිඵලයක් වුවද වාර්තා කළ යුතුය.
දැන් කළ යුතු කාර්යය වන්නේ භාවිත අයිතිවාසිකම් නිරවුල් කළ කුඩා නියැදියක් එක්රැස් කිරීම, බෞද්ධ සහ තාක්ෂණික විශේෂඥයන්ගේ විවේචන සඳහා ආරාධනා කිරීම සහ පුහුණුවට පෙර ක්‍රියාපටිපාටිය වැඩිදියුණු කිරීමයි. පාඨකයන්ට ආයතනයේ සහයෝගීතා පිටුව හරහා පොදු මූලාශ්‍රයක්, අවසර ලබාගැනීමට සම්බන්ධ විය හැකි පුද්ගලයෙකු, අර්ථකථනයක නිවැරදි කිරීමක් හෝ සීමා නිශ්චිත කළ ස්වේච්ඡා කාර්යයක් යෝජනා කළ හැකිය. අපගේ කැපවීම වන්නේ තර්කනය, සංස්කෘතික සන්දර්භය සහ අප වැරදි විය හැකි බව පිළිගැනීමට ඇති ඉඩ රැකගැනීමයි. එමඟින් මෙම අභිලාෂකාමී අදහස අන් අයට විමසා බැලිය හැකි සහ ඔවුන් කැමති නම් පරීක්ෂා කිරීමට උපකාර කළ හැකි ආකාරයක් ගනී. [7]
මූලාශ්‍ර
- Dhammapada, chapter1 — translation by Acharya Buddharakkhita
- Karaniya Metta Sutta — translation by Thanissaro Bhikkhu
- Anthropic — Constitutional AI: Harmlessness from AI Feedback (2022)
- Anthropic — Teaching Claude why (2026)
- Anthropic — Sleeper Agents (2024)
- Buddhist Digital Resource Center — Access Policies
- Matreya — collaboration and a private contact route (13 languages via menu)