AI-सहायता प्राप्त जन्म समय सुधार: मशीन लर्निंग कैसे प्रक्रिया तेज करती है

संक्षिप्त उत्तर: AI-सहायता प्राप्त जन्म समय सुधार उस श्रमसाध्य खोज-कार्य को स्वचालित कर देता है जो कोई ज्योतिषी अन्यथा हाथ से करता। संगणक हजारों उम्मीदवार कुंडलियाँ बनाता है, हर एक को आपके तिथि-बद्ध जीवन-घटनाओं के विरुद्ध एक ऐसे स्कोरिंग नियम से जाँचता है जो शास्त्रीय विंशोत्तरी दशा और मंद-गति गोचर के तर्क पर आधारित है, और संभावित जन्म समयों की क्रमबद्ध सूची एक विश्वास-खिड़की के साथ लौटाता है। शास्त्रीय तर्क ज्यों का त्यों बना रहता है। जो बदलता है वह है खोज का पैमाना, अभिसरण की गति, और यह कि निकट प्रतिस्पर्धी उम्मीदवारों के बीच के सूक्ष्म मतभेद ढक नहीं जाते बल्कि सामने आ जाते हैं। फिर भी, परिणाम स्वीकारने से पहले एक कुशल ज्योतिषी आगे आने वाले उम्मीदवार की कुंडली अवश्य पढ़ता है।

हाथ की सुधार-विधि से स्वचालित खोज तक

ज्योतिषी सदियों से जो हाथ से करते आए हैं

शास्त्रीय जन्म समय सुधार मूल रूप से एक मिलान-कार्य है। ज्योतिषी के सामने एक व्यक्ति बैठा होता है, उनके पास एक दर्ज जन्म समय होता है जो कुछ मिनटों या घंटों तक भिन्न हो सकता है, और उनके जीवन की कुछ तिथि-बद्ध घटनाओं की सूची होती है। इसके बाद कार्य धीरे-धीरे लूप में आगे बढ़ता है। पहले एक उम्मीदवार समय चुना जाता है, उससे कुंडली बनाई जाती है, सम्बंधित दशकों का विंशोत्तरी दशा कैलेंडर खोला जाता है, और हर घटना को उस तिथि पर चलने वाले महादशा-अंतर्दशा स्वामी के विरुद्ध जाँचा जाता है। उसके ऊपर मंद-गति ग्रहों के गोचर की परत भी जुड़ती है, विशेषतः शनि की। यदि उम्मीदवार नौ में से सात घटनाओं पर बैठता है, वह आगे बढ़ता है; यदि चार पर बैठता है, उसे छोड़ दिया जाता है। फिर अगला उम्मीदवार बनाया जाता है और लूप दोहराता है।

हाथ से किया जाए तो किसी एक उम्मीदवार को सावधानी से जाँचने में पंद्रह से तीस मिनट लग जाते हैं। एक सामान्य सुधार-कार्य को संतुष्टिजनक उत्तर तक पहुँचने के लिए दस से पंद्रह उम्मीदवारों की जाँच चाहिए होती है, अर्थात् ज्योतिषी एक ही कुंडली पर कई दिन, कभी-कभी पूरा सप्ताह बिता देता है। गणित कठिन नहीं है। धैर्य कठिन है। पूरी शास्त्रीय प्रक्रिया हमारी जीवन-घटना सुधार-विधि मार्गदर्शिका में विस्तार से दी गई है।

संगणक उसी तर्क के साथ क्या कर सकता है

ज्योतिषी जिस तर्क को लागू करते हैं, अर्थात् दशा और गोचर का मिलान, उसकी संरचना ऐसी है कि वह सहज ही किसी कंप्यूटर प्रोग्राम में अनूदित हो जाती है। उम्मीदवार बनाना समय पर एक लूप है। कुंडली की गणना एक एफेमेरिस लाइब्रेरी का कॉल है। दशा कैलेंडर चंद्रमा की जन्म नक्षत्र में स्थिति का एक निश्चित फलन है। किसी तिथि पर मंद-गति ग्रहों की स्थिति किसी भी आधुनिक खगोलीय इंजन में पहले से सूचीबद्ध रहती है। केवल एक भाग ऐसा है जो ध्यानपूर्वक अनुवाद माँगता है, "क्या यह स्वामी इस प्रकार की घटना का वर्णन करता है?" वाला स्कोरिंग नियम। एक बार वह अनुवाद हो जाने पर, ज्योतिषी जो लूप कॉफी पीते हुए चलाता था, वही लूप कुछ ही सेकंड में दस लाख उम्मीदवारों पर चल सकता है।

यही है AI-सहायता प्राप्त सुधार का व्यावहारिक वादा। शास्त्रीय नियम छूटते नहीं हैं; वे ही प्रोग्राम बन जाते हैं। जो बदलता है वह यह है कि अब खोज अनुमान न होकर पूर्ण होती है, दो निकट प्रतिस्पर्धी उम्मीदवारों के बीच के सूक्ष्म मतभेद थकान में खोने के बजाय स्कोर के अंतर के रूप में सामने आ जाते हैं, और विश्वास-खिड़की ईमानदारी से बताई जा सकती है क्योंकि अग्रणी उम्मीदवार के समीप का हर विकल्प जाँचा जा चुका होता है, न कि केवल वही जिनके लिए ज्योतिषी के पास समय था।

"AI" क्यों, केवल "संगणक" क्यों नहीं

साधारण ग्रिड-खोज, जिसमें प्रोग्राम तय अंतराल पर हर उम्मीदवार को आज़माता है और सबसे ऊँचा स्कोर लेने वाले को चुनता है, बहुत-से सुधार-कार्यों के लिए पर्याप्त है। उसमें मशीन लर्निंग की कोई विशेष आवश्यकता नहीं। आधुनिक तंत्रों को "AI-सहायता प्राप्त" कहलाने का असली कारण यह है कि वे ग्रिड-खोज के चारों ओर क्या-क्या करते हैं: यह अनुमान कि दर्ज समय किसी विशेष मात्रा में गलत होने की पूर्व-संभावना कितनी है, यह सीखना कि कौन-सी घटनाएँ प्रायः सशक्त दशा-छाप रखती हैं और कौन-सी नहीं, और स्कोर-परिदृश्य में ऐसे प्रतिमान पहचानना जिन्हें साधारण ग्रिड एक यादृच्छिक धुंध मान लेता। ये वही कार्य हैं जहाँ सांख्यिकीय अध्ययन वास्तव में सहायक होता है। शास्त्रीय स्कोरिंग नियम तंत्र का हृदय बना रहता है; AI उसके चारों ओर एक तेज़ी और छनक-यंत्र की भूमिका निभाता है।

AI सुधार-तंत्र की संरचना

पहला चरण: इनपुट को साफ करना

एक AI सुधार-तंत्र वही इनपुट माँगता है जो एक ज्योतिषी माँगते: जन्म तिथि, जन्म स्थान, अनुमानित त्रुटि-खिड़की के साथ दर्ज जन्म समय, और तिथि-बद्ध जीवन-घटनाओं की सूची। तंत्र का पहला चरण कोई कुंडली नहीं बनाता; वह केवल इनपुट साफ करता है। स्थान-नाम को अक्षांश, देशांतर और उस तिथि के लिए ऐतिहासिक रूप से सही टाइमज़ोन में बदला जाता है। यह काम सरल नहीं है, क्योंकि पिछली शताब्दी में टाइमज़ोन के नियम कई बार बदले हैं। हर घटना की तिथि की जाँच की जाती है और एक समान प्रारूप में लिखी जाती है। दर्ज जन्म समय भी अपनी अनिश्चितता के साथ पढ़ा जाता है: "लगभग रात नौ बजे" का अर्थ कई घंटों की खिड़की है, "लगभग 9:00 बजे" का अर्थ शायद तीस मिनट की खिड़की है, और "अस्पताल के अभिलेख से 9:14 बजे" का अर्थ केवल एक-दो मिनट की खिड़की है।

यह इनपुट-शोधन-चरण जितना दिखता है, उससे अधिक महत्वपूर्ण है। एक अशुद्ध टाइमज़ोन या पंद्रह किलोमीटर दूर का गलत शहर भी लग्न को इतना खिसका सकता है कि बाद में कोई उम्मीदवार सही न बैठे, और तंत्र हजारों उम्मीदवारों पर श्रम बर्बाद करने के बाद भी विफल हो जाए। इसी कारण आधुनिक तंत्र भू-कोडिंग की सटीकता, ऐतिहासिक टाइमज़ोन डेटाबेस और संदिग्ध मामलों में अनुमान के बजाय चिह्नित कर देने वाले सुरक्षित डिफ़ॉल्ट पर अत्यधिक ध्यान देते हैं।

दूसरा चरण: उम्मीदवारों का समुच्चय बनाना

साफ इनपुट के साथ तंत्र फिर उन उम्मीदवार जन्म समयों का समुच्चय बनाता है जिन्हें जाँचा जाएगा। सरलतम संस्करण दर्ज समय की खिड़की लेकर उसे एक तय अंतराल पर, उदाहरण के लिए हर पंद्रह सेकंड पर, बाँटता है, जिससे एक घंटे की खिड़की में कई हजार उम्मीदवार बन जाते हैं। अधिक परिष्कृत संस्करण उम्मीदवारों के घनत्व को असमान रखते हैं: खिड़की के मध्य में अधिक घनत्व, किनारों पर कम, और लग्न तथा नवमांश की सीमाओं के निकट अतिरिक्त घनत्व, जिससे कोई सीमा-प्रभाव छूट न जाए।

हर उम्मीदवार के लिए तंत्र पूरी कुंडली बनाता है: लग्न, चंद्रमा की जन्म नक्षत्र में सटीक स्थिति, सम्बंधित दशकों का विंशोत्तरी दशा कैलेंडर, कम से कम दो वर्ग कुंडलियाँ (नवमांश और दशमांश), और हर घटना तिथि पर मंद-गति ग्रहों की स्थिति। यह तंत्र का सबसे गणना-गहन भाग है। एक आधुनिक स्विस एफेमेरिस लाइब्रेरी, जिसका विवरण Astro.com के स्विस एफेमेरिस पृष्ठ पर देखा जा सकता है और जिसका उपयोग अधिकांश पेशेवर तंत्र करते हैं, एक कुंडली कुछ ही मिलीसेकंड में बना देती है, जिससे हजारों उम्मीदवारों का पूरा समुच्चय भी संगणक के लिए सहज भार रहता है।

तीसरा चरण: हर उम्मीदवार का स्कोर निकालना

तीसरे चरण में शास्त्रीय ज्योतिष का सीधा संख्यात्मक अनुकूलन से मेल होता है। हर उम्मीदवार कुंडली के लिए तंत्र घटना-सूची को क्रम से पढ़ता है और एक स्कोर निकालता है। यह स्कोर हर घटना की मारक-शक्ति, मिलान, आंशिक मिलान या चूक का योग होता है, और प्रत्येक घटना की शास्त्रीय छाप कितनी सशक्त है उसके अनुसार उसका भार तय होता है। विवाह, माता-पिता की मृत्यु और प्रमुख कर्मक्षेत्र-परिवर्तन को अधिक भार मिलता है, क्योंकि उनकी शास्त्रीय छाप स्पष्ट है। साधारण घटनाओं को कम भार मिलता है, या वे लंगर-घटना ही नहीं मानी जातीं। इस स्कोरिंग नियम की पूरी रचना नीचे हानि-फलन वाले अनुभाग में दी गई है।

चौथा चरण: क्रम लगाकर परिणाम सौंपना

अंतिम चरण में स्कोर किए गए उम्मीदवारों का समुच्चय लेकर एक ऐसा निष्कर्ष तैयार किया जाता है जो किसी मानवीय पाठक के लिए उपयोगी हो। अग्रणी उम्मीदवार की रिपोर्ट उसके स्कोर, लग्न, नवमांश और दशमांश लग्न, हर घटना तिथि पर महादशा-अंतर्दशा स्वामी, तथा अग्रणी के चारों ओर के स्कोर के फैलाव से बनी विश्वास-खिड़की के साथ दी जाती है। साथ ही अगले-अगले उम्मीदवार भी सूचीबद्ध रहते हैं, यह स्पष्ट टिप्पणी के साथ कि वे किस घटना पर बेहतर बैठते हैं और किस पर कमज़ोर। एक कुशल तंत्र कभी यह नहीं दिखाता कि उत्तर एक ही मिनट है जब वास्तव में नहीं है; वह अग्रणी मिनट, उपविजेता मिनट और दोनों को अलग करने वाली घटनाओं को बताता है, और अंतिम पठन ज्योतिषी के लिए छोड़ देता है।

खोज-क्षेत्र और वह जितना दिखता है उससे बड़ा क्यों है

समय की सूक्ष्मता और सेकंड कब महत्वपूर्ण होते हैं

यदि कोई सरल विचार करे, तो वह कह सकता है: "दर्ज समय की खिड़की एक घंटे की है, लग्न लगभग दो घंटे में बदलता है, अतः दो मिनट का अंतराल पर्याप्त होगा।" यह विचार गलत है, और यह समझना कि क्यों गलत है, स्पष्ट कर देता है कि AI-तंत्र की आवश्यकता ही क्यों पड़ी। लग्न लगभग हर चार मिनट में एक अंश आगे बढ़ता है, परंतु लग्न ही कुंडली में एकमात्र समय-संवेदी संरचना नहीं है। नवमांश लग्न लगभग पंद्रह मिनट में बदलता है, अर्थात् चार मिनट का अंतराल लेने पर दो अलग-अलग नवमांश लग्न बीच में छूट सकते हैं। दशमांश हर बारह मिनट पर बदलता है। कुछ कुंडली-पद्धतियों में भाव-संधियाँ कई मिनटों में सरकती हैं। और कई दशकों बाद की किसी तिथि के लिए प्रत्यंतर दशा (अंतर्दशा के अंदर की उप-उप-अवधि) सेकंडों के स्तर पर बदलती है।

इन सब को मिलाकर देखें तो दो उम्मीदवार समय जो केवल पंद्रह सेकंड के अंतर पर हैं, ऐसी कुंडलियाँ बना सकते हैं जो नवमांश लग्न, भाव-संधि और किसी लक्ष्य घटना की प्रत्यंतर दशा पर भी असहमत हों। यानी खोज-क्षेत्र साधारण नज़र से अधिक सूक्ष्म-दानेदार है। यदि कोई तंत्र एक मिनट के अंतराल पर ही नमूना लेता है, तो उत्तर यदि किसी ऐसी पंद्रह-सेकंड की खिड़की में हो जहाँ नवमांश लुढ़कता है, तो वह उत्तर पूरी तरह छूट सकता है।

कई घटनाओं का गुणात्मक प्रभाव

दूसरा कारण कि खोज-क्षेत्र दिखने से बड़ा है, यह है कि सूची में हर घटना मूल रूप से एक स्वतंत्र अवरोध है, और अवरोधों का संयोजन योगात्मक नहीं, गुणात्मक होता है। एक अकेली घटना शायद हर दस उम्मीदवारों में से तीन के साथ बैठ जाए। दो घटनाएँ साथ रखी जाएँ तो दस में से शायद एक उम्मीदवार बचता है, क्योंकि दोनों को एक साथ बैठना होगा। पाँच घटनाएँ साथ लगभग बहुत-से उम्मीदवारों को छाँट देती हैं, और दस घटनाएँ मिलकर उत्तर को कुछ मिनटों की खिड़की पर ला सकती हैं।

यही गुणात्मक संकुचन वह है जो जीवन-घटना सुधार-विधि को व्यवहार में काम करने वाली बनाता है। यही कारण भी है कि खोज मामूली नहीं है: हर उम्मीदवार को हर घटना पर जाँचना होता है, और बचे हुए उम्मीदवारों की आपस में विस्तार से तुलना करनी होती है। एक घंटे की खिड़की पर एक मिनट के अंतराल वाला ग्रिड और दस घटनाएँ, अर्थात् साठ उम्मीदवार गुणा दस घटनाएँ, छह सौ शास्त्रीय-नियम के मूल्यांकन। हाथ से करें तो यह एक सप्ताह का काम है। संगणक करे तो कुछ ही सेकंड में हो जाता है। यह लाभ बढ़ता ही जाता है: छह घंटे की खिड़की पर पंद्रह सेकंड के अंतराल पर यही काम चौदह हजार चार सौ मूल्यांकनों का है, जो आधुनिक तंत्र के लिए नगण्य है, परंतु हाथ से बिल्कुल असंभव।

सीमा-संवेदी नमूना-चयन

आधुनिक तंत्र समान घनत्व पर नमूना नहीं लेते। वे उन सीमाओं के पास अधिक नमूने लेते हैं जो वास्तव में मायने रखती हैं: लग्न की सीमाएँ, नवमांश और दशमांश लग्न की सीमाएँ, और सबसे सशक्त घटनाओं की तिथियों पर अंतर्दशा-संधियों के निकट। एक सीमा-संवेदी नमूना-यंत्र छह घंटे की खिड़की में पंद्रह-सेकंड चौड़े उत्तर तक उतने ही उम्मीदवारों के साथ पहुँच सकता है, जितनों में एक समान-घनत्व वाला नमूना-यंत्र उसी खिड़की में केवल एक मिनट चौड़े उत्तर तक पहुँचता। यही वह दक्षता है जो इंजीनियरिंग-श्रम को सार्थक बनाती है: वही शास्त्रीय स्कोरिंग नियम, थोड़े बुद्धिमत्ता से चुने उम्मीदवारों पर लगाए गए, कम गणना में अधिक तीक्ष्ण सुधार दे जाते हैं।

हानि-फलन: संगणक किसी समय का स्कोर कैसे करता है

हानि-फलन का मूल विचार

मशीन लर्निंग में हानि-फलन (loss function) एक ऐसी संख्या होती है जो बताती है कि कोई उम्मीदवार उत्तर कितना बुरा प्रदर्शन कर रहा है। कलनविधि चाहती है कि यह संख्या कम हो, इसलिए वह उम्मीदवार को तब तक समायोजित करती रहती है जब तक यह संख्या और घटना बंद न कर दे। AI सुधार-तंत्र के लिए यह हानि शास्त्रीय स्कोरिंग नियमों से बनती है: यदि किसी घटना की तिथि पर महादशा और अंतर्दशा स्वामी उस प्रकार की घटना से मेल खाते हैं जो वास्तव में घटी थी, तो उस घटना का योगदान हानि में बहुत कम (या शून्य) होता है। यदि वे मेल नहीं खाते, तो योगदान बड़ा होता है। पूरी घटना-सूची पर ये योगदान जोड़े जाते हैं, और जिस उम्मीदवार की कुल हानि सबसे कम हो वही अग्रणी कहलाता है। इस संरचना का सामान्य परिचय विकीपीडिया का हानि-फलन लेख देता है।

सुधार-तंत्र की हानि में जो असामान्य बात है, वह यह है कि स्कोरिंग नियम डेटा से सीखे नहीं जाते। वे शास्त्रीय ज्योतिष से आते हैं: कौन-सा ग्रह किस भाव का मारक है, कौन-सी नक्षत्र-स्वामी जोड़ी किस प्रकार की घटना से जुड़ी है, और कौन-सी मंद-गति गोचर-दशा किस प्रकार के जीवन-संकट के साथ चलती है। तंत्र इन नियमों को बृहत् पाराशर होरा शास्त्र और फलदीपिका जैसे ग्रंथों से लेकर निश्चित रूप से लागू करता है। मशीन लर्निंग का प्रवेश इन नियमों में नहीं होता; वह केवल यह तय करने में होती है कि उम्मीदवारों के बीच खोज कैसे चलाई जाए।

पहला घटक: दशा-जोड़ी का मिलान

हानि का पहला और सबसे बड़ा घटक है महादशा और अंतर्दशा की जोड़ी का मिलान। हर घटना के लिए तंत्र उस तिथि पर चलने वाली जोड़ी जानता है, और यह भी जानता है कि उस प्रकार की घटना के शास्त्रीय कारक कौन-से होने चाहिए। शुक्र या बृहस्पति की अंतर्दशा में होने वाला विवाह हानि में लगभग शून्य योगदान देता है; कठोर शनि-मंगल जोड़ी में होने वाला विवाह काफी दंड लाता है। दंड श्रेणीबद्ध है: आंशिक मिलान (दो में से कोई एक स्वामी संभावित कारक हो) पर पूर्ण चूक से कम दंड लगता है, और तीन-पुष्टि वाला मिलान (दोनों स्वामी और साथ में नैसर्गिक कारक भी) हानि को और घटा देता है।

यह मिलान केवल अक्षर-शः नहीं होता। बहुत-सी विवाह-जाँचों में सप्तम भाव में बैठा कोई ग्रह सप्तमेश का स्थान ले सकता है, बृहस्पति की दृष्टि वाला ग्रह कुछ हल्के अर्थों में स्वयं बृहस्पति का प्रतिनिधि बन सकता है, और इसी तरह के और भी प्रतिस्थापन हैं। पूरी शास्त्रीय प्रतिस्थापन तालिका तंत्र की स्कोरिंग सारणियों में भर दी जाती है, और बृहत् पाराशर होरा शास्त्र (परिचय विकीपीडिया पर) जैसे स्रोतों के अनुरूप रखी जाती है, ताकि हानि-फलन उसी ढंग से कुंडली पढ़े जैसे ज्योतिषी पढ़ते हैं, न कि किसी सूखे शाब्दिक संस्करण की तरह।

दूसरा घटक: मंद-गति गोचर का मिलान

दूसरा घटक है मंद-गति ग्रहों की गोचर-शर्त। हर घटना के लिए तंत्र उस तिथि पर शनि और बृहस्पति का देशांतर निकालता है, और यदि कोई समीप का ग्रहण हो तो उसका भी। फिर वह यह पूछता है: क्या ये स्थानें उम्मीदवार की कुंडली के संवेदनशील बिंदुओं पर पड़ रही हैं? जन्म चंद्रमा पर शनि का संक्रमण (शास्त्रीय साढ़ेसाती), विवाह के समय जन्म लग्न या जन्म चंद्रमा से सप्तम भाव पर बृहस्पति, या जीवन के किसी बड़े मोड़ के समय जन्म लग्न पर ग्रहण। हर मिलान हानि को घटाता है; हर चूक उस घटक को उसके सामान्य स्तर पर छोड़ देती है।

मंद-गति ग्रहों की स्थिति काफी हद तक जन्म समय से स्वतंत्र होती है, इसलिए यह घटक उम्मीदवारों के बीच एक उच्च-शक्ति वाला छनक-यंत्र बन जाता है। दो उम्मीदवार जो दशा-घटक पर एक-समान स्कोर पाते हैं, वे गोचर-घटक पर बहुत भिन्न स्कोर पा सकते हैं, क्योंकि उनके लग्न अलग होंगे और इसलिए संवेदनशील बिंदु भी अलग होंगे। NASA का खुले-स्रोत वाला ग्रहण-कैटलॉग eclipse.gsfc.nasa.gov उन देशांतरों का प्रचलित स्रोत है जिनके विरुद्ध तंत्र मिलान करता है।

तीसरा घटक: वर्ग कुंडलियों की पुष्टि

तीसरा घटक वर्ग-कुंडलियों की जाँच इसके ऊपर रखता है। विवाह जैसी घटना के लिए तंत्र पूछता है कि उम्मीदवार की नवमांश (D9) में सप्तमेश ऐसी राशि में है जिसका शास्त्रीय कारक वास्तविक जीवनसाथी की प्रकृति, पेशे या सामाजिक स्थिति से मेल खाता है? कर्मक्षेत्र की घटना के लिए वही प्रश्न दशमांश (D10) के दशमेश से पूछा जाता है। ये जाँचें निर्णायक नहीं होतीं; उन्हें कोमल भार के साथ रखा जाता है, क्योंकि वर्ग-कुंडली का पठन उन सूक्ष्म विवरणों पर निर्भर है जिन्हें संख्या में ढालना कठिन है। फिर भी, दशा और गोचर के घटकों पर बराबर रहे दो उम्मीदवारों के बीच निर्णय अक्सर इसी वर्ग-कुंडली परत से निकलता है।

भार-गुणांकों का संतुलन

इन सब घटकों का अपना-अपना भार होता है, जो यह तय करता है कि कौन हानि को कितना अधिक प्रभावित करेगा। आधुनिक तंत्र इन भारों को ऐसी कसौटियों पर परखते हैं जिन्हें "रोक कर रखा गया परीक्षण-समूह" कहा जा सकता है, अर्थात् वे कुंडलियाँ जिनका सही जन्म समय पहले से निश्चित है और जिन पर सुधार-कार्य की ईमानदार जाँच हो सकती है। जो भार उन परीक्षण-कुंडलियों पर सबसे स्वच्छ अभिसरण लाते हैं, उन्हें रखा जाता है; जो भार धुंधले परिणाम देते हैं, उन्हें त्याग दिया जाता है। इसी कदम पर शास्त्रीय ज्योतिष और सांख्यिकीय अध्ययन का मिलन होता है: नियम स्थिर रहते हैं, परंतु नियमों के बीच का सापेक्ष ज़ोर डेटा से सीखा जाता है। एक संतुलित तंत्र वही दर हासिल कर लेता है जिस पर एक वरिष्ठ ज्योतिषी कुंडलियाँ ठीक करते हैं, बस सेकंडों में।

तंत्रिका-नेटवर्क, बेजियन खोज और साधारण ग्रिड स्कैन

खोज-रणनीतियों की श्रृंखला

अलग-अलग सुधार-तंत्र उम्मीदवार-क्षेत्र में अलग-अलग रणनीतियाँ अपनाते हैं, और चुनी गई रणनीति यह तय करती है कि परिणाम कितनी जल्दी आएगा और कितना भरोसेमंद होगा। सबसे सरल रणनीति है ग्रिड-स्कैन: दर्ज समय की खिड़की में तय अंतराल पर हर उम्मीदवार आज़माओ, हर एक का स्कोर निकालो, और अग्रणी चुनो। यह पूर्ण है, समझने में सरल है, और एक मिनट के अंतराल पर एक घंटे की खिड़की के लिए पर्याप्त भी है। पर खिड़की चौड़ी हो जाए तो यह व्यर्थ हो जाता है, क्योंकि अधिकांश उम्मीदवार उत्तर से बहुत दूर होते हैं और बहुत कम उपयोगी सूचना देते हैं।

एक अधिक चतुर रणनीति है बेजियन खोज। तंत्र पहले एक मोटे ग्रिड से शुरू करता है, उस मोटे क्षेत्र को पहचानता है जहाँ स्कोर सर्वोच्च है, और फिर उस क्षेत्र में सघन नमूने लेकर उत्तर को परिष्कृत करता है। "बेजियन" नाम इसलिए आता है क्योंकि स्कोर के परिदृश्य को एक सम्भावनात्मक सतह की तरह देखा जाता है, और पूर्व-सूचना (दर्ज समय और उसकी अनिश्चितता को देखते हुए उत्तर कहाँ होने की संभावना है) के आधार पर अगला नमूना कहाँ लिया जाए, यह तय किया जाता है। मूल विचार का परिचय बेजियन ऑप्टिमाइज़ेशन लेख में है।

तंत्रिका-नेटवर्क कहाँ सहायक हैं

तंत्रिका-नेटवर्क को इस तंत्र में कई जगह जोड़ा जा सकता है, और जहाँ जोड़ा गया है उसके अनुसार उनका योगदान अलग-अलग होता है। सबसे उपयोगी उपयोग स्कोरिंग के मूल में नहीं है, क्योंकि शास्त्रीय नियम पहले से स्पष्ट हैं, बल्कि उसके चारों ओर है: यह अनुमान कि इनपुट के लक्षणों को देखते हुए कौन-से उम्मीदवार-क्षेत्र खोजना सबसे सार्थक है, यह अनुमान कि दर्ज समय किसी विशेष मात्रा में गलत हो सकता है इसकी पूर्व-संभावना क्या है (समय के स्रोत के अनुसार, जैसे अस्पताल-अभिलेख, माता-पिता की स्मृति या अनुमानित नोट), और स्कोर-परिदृश्य के ऐसे प्रतिमान पहचानना जो स्वच्छ सुधार-कार्य को धुँधले से अलग कर देते हैं।

हजारों पुराने सुधार-कार्यों पर, उनके इनपुट और मनुष्य-पुष्ट सही उत्तरों के साथ प्रशिक्षित कोई तंत्रिका-नेटवर्क इन ऊपरी-स्तर के प्रतिमान सीख लेता है। यह नेटवर्क शास्त्रीय स्कोरिंग नियम को नहीं हटाता। वह केवल खोज को तेज़ करता है और परिणाम की संरचनात्मक विशेषताओं को सामने लाता है, ताकि मानव पाठक, चाहे ज्योतिषी हो या कुंडली का स्वामी, परिणाम को अधिक विश्वास के साथ समझ सके। यही है आधुनिक मशीन लर्निंग का इस शास्त्रीय अनुशासन में योगदान: पाठ-ज्ञान की जगह नहीं, उस ज्ञान को सावधानी से लागू करने के मानव-कर्म की त्वरक के रूप में।

जब साधारण ग्रिड-खोज पर्याप्त है

एक व्यावहारिक टिप्पणी: बहुत-से वास्तविक सुधार-कार्यों के लिए दर्ज समय की खिड़की पर एक मिनट के अंतराल पर साधारण ग्रिड-खोज ही पर्याप्त होती है। तंत्रिका और बेजियन की भूमिका तब सबसे महत्वपूर्ण होती है जब खिड़की चौड़ी हो (दर्ज समय बहुत अनिश्चित), जब घटना-सूची लंबी हो (हर उम्मीदवार पर स्कोरिंग गणना महंगी), या जब स्कोर-परिदृश्य बहु-शिखर हो (एक से अधिक उम्मीदवार-क्षेत्र ऊँचा स्कोर पाएँ और तंत्र को उनमें भेद करना हो)। अस्पताल-अभिलेख से प्राप्त ±तीस मिनट की खिड़की और आठ-नौ अच्छी तरह तिथि-बद्ध घटनाओं वाले मामले में सावधानी से चलाई गई ग्रिड-खोज के परिणाम किसी जटिल तंत्रिका-बेजियन तंत्र से लगभग अप्रभेद्य निकलते हैं। तकनीकी जटिलता मामले की कठिनाई के अनुपात में बढ़ती है।

विश्वास-खिड़की का सही अर्थ

क्यों एक अकेला मिनट प्रायः गलत उत्तर होता है

एक ईमानदार AI सुधार-तंत्र किसी अकेले मिनट को सत्य की तरह नहीं लौटाता। वह एक अग्रणी मिनट के साथ-साथ एक विश्वास-खिड़की भी देता है: एक घोषित अंतराल, शायद दो-तीन मिनट चौड़ा, जिसके भीतर अग्रणी उम्मीदवार का स्कोर उसके पड़ोसियों से इतना ही ऊँचा है कि उस अंतराल का कोई भी मिनट एक बचाव-योग्य उत्तर बनता है। यह तंत्र की कमज़ोरी नहीं है। यह वह सच्चा कथन है जो डेटा वास्तव में अनुमति देता है।

सशक्त, अच्छी तरह तिथि-बद्ध घटनाओं वाली कुंडली के लिए विश्वास-खिड़की एक मिनट या उससे भी संकरी हो सकती है; कम घटनाओं या धुँधली तिथियों वाली कुंडली के लिए वह पाँच या दस मिनट चौड़ी भी हो सकती है। खिड़की की चौड़ाई स्वयं एक सूचना है। संकरी खिड़की कहती है कि घटनाएँ अपना काम कर रही हैं और उत्तर तीक्ष्ण है। चौड़ी खिड़की कहती है कि सुधार अनुमानित है और बारीक वर्ग-कुंडली पठन से पहले अधिक काम चाहिए, जैसे और घटनाएँ, अधिक तीक्ष्ण तिथियाँ या पूरक शास्त्रीय जाँचें।

विश्वास-खिड़की की गणना कैसे होती है

विश्वास-खिड़की बनाने का तंत्र सीधा है। तंत्र अग्रणी उम्मीदवार के स्कोर को देखता है और एक तय परास के भीतर के पड़ोसियों के स्कोर को भी। यदि अग्रणी अपने ±दो मिनट के पड़ोसियों से केवल आधा अंक ऊपर है, परंतु उस परास के बाहर हर पड़ोसी से दो अंक ऊपर है, तो विश्वास-खिड़की चार मिनट चौड़ी, अग्रणी पर केंद्रित घोषित होती है। यदि अग्रणी हर परास पर हर पड़ोसी से तीन अंक ऊपर है, तो विश्वास-खिड़की एक मिनट (तंत्र की मूल सूक्ष्मता) घोषित होती है। "छोटा" स्कोर-अंतर कितना है यह एक संतुलन-निर्णय है, परंतु संतुलित तंत्र समान-गुणवत्ता वाले इनपुट पर समान चौड़ाई पर पहुँच जाते हैं।

विश्वास-खिड़की को ईमानदारी से पढ़ना

"रात 9:01 बजे, ±दो मिनट" जैसा सुधार-समय पाने वाले किसी पाठक को इसका अर्थ इस तरह पढ़ना चाहिए: 9:01 पर बनी कुंडली घटनाओं से शास्त्रीय रूप से सबसे अच्छा मिलान खाती है, और 8:59 से 9:03 के बीच का कोई भी समय लगभग वैसी ही फिटिंग देता है। उस खिड़की के भीतर के उम्मीदवारों में सूक्ष्म भेद भी हो सकते हैं, जैसे कुछ कुंडली-पद्धतियों में सटीक नवमांश लग्न, या किसी भविष्य-तिथि का प्रत्यंतर दशा। अधिकांश पठनों के लिए (जीवन के मोटे विषय, समय की मोटी सीमा, स्वभाव) पूरी खिड़की एक-समान काम करती है। बहुत बारीक पठनों के लिए (किसी आगामी घटना का सटीक गोचर-समय, वर्ग-कुंडली की सूक्ष्मताएँ) ज्योतिषी खिड़की के भीतर के उम्मीदवारों को हाथ से जाँचना चाहेगा।

दो-शिखर समाधानों का ईमानदार निरूपण

कभी-कभी स्कोर-परिदृश्य में दो शिखर निकलते हैं: एक उम्मीदवार-क्षेत्र लगभग 8:50 बजे, दूसरा लगभग 9:30 बजे, दोनों ऊँचे स्कोर पर, बीच में नीचा स्कोर वाली घाटी। यह बहु-शिखर समाधान है। तंत्र को इसे ऐसा ही दिखाना चाहिए, न कि एक शिखर चुनकर संकरी विश्वास-खिड़की का दावा करना। अधिकतर ये शिखर अलग-अलग लग्न के होते हैं, और इनमें से किसी एक का चुनाव ऐसी एक अकेली बात पर निर्भर हो सकता है जिसे तंत्र नहीं जान सकता, जैसे कि व्यक्ति का बाहरी स्वभाव अधिक कर्क-सी कोमलता दिखाता है या अधिक सिंह-सी आत्मविश्वासी प्रकृति। ऐसे बहु-शिखर मामलों में ज्योतिषी दोनों उम्मीदवारों को व्यक्ति के स्वभाव और जीवन-दिशा के विरुद्ध पढ़कर तय करते हैं कि किसकी कुंडली उनके वास्तविक जीवन को बेहतर वर्णित करती है। यही वह बिंदु है जहाँ AI काम मानव पाठक को सबसे स्पष्ट रूप से सौंप देता है।

वे बिंदु जहाँ AI ज्योतिषी पर लौटता है

कुंडली से स्वभाव पढ़ना

सबसे स्पष्ट बिंदु जहाँ AI काम मानव पाठक को लौटा देता है, वह यह प्रश्न है: क्या सुधारी हुई कुंडली वास्तव में उस व्यक्ति का वर्णन करती है? कोई कुंडली तिथि-बद्ध घटनाओं की सूची पर अच्छा स्कोर पाने के बाद भी समग्र रूप से पढ़ने पर गलत लग सकती है। कर्क लग्न का उम्मीदवार आठ में से नौ घटनाओं पर उतना ही साफ बैठ सकता है जितना सिंह लग्न का, परंतु एक कोमल, परिवार-केंद्रित स्वभाव का चित्र खींचता है और दूसरा बाहर की ओर आत्मविश्वासी, नेतृत्व-प्रवृत्त। तंत्र तिथियों की सूची से स्वभाव नहीं पढ़ सकता; ज्योतिषी एक संवाद से पढ़ लेते हैं। यही सबसे प्रचलित मानव-निर्णायक बिंदु है, और एक अच्छा तंत्र इसे स्पष्ट रूप से सामने लाता है।

सूक्ष्म शास्त्रीय संकेतों का तौलन

शास्त्रीय ज्योतिष में बहुत-से ऐसे सूक्ष्म संकेत हैं जो सुघड़ संख्या में नहीं ढाले जा सकते। विवाह नियति-जैसा महसूस हुआ या स्वयं चुना गया, कर्मक्षेत्र-परिवर्तन भीतरी प्रेरणा से आया या बाहरी दबाव से, माता-पिता का देहांत शांति से हुआ या आघात के रूप में, ये सब बारीकियाँ कुंडली में दृष्टि, युति, और वर्ग-कुंडली स्थितियों के माध्यम से अंकित हैं, जिन्हें वरिष्ठ ज्योतिषी लगभग सहज ही पढ़ लेते हैं। AI तंत्र मोटी श्रेणियाँ (विवाह, मृत्यु, कर्मक्षेत्र-परिवर्तन) कूट सकता है, परंतु बारीकियाँ कठिन हैं। तंत्र का हानि-फलन उम्मीदवार को मोटी श्रेणी से मेल खाने का अंक देता है। ज्योतिषी का पठन बारीकी से मेल या अमेल का अंक देता है, और यही पठन एक सक्षम सुधार-कार्य को परिष्कृत सुधार-कार्य से अलग करता है।

अंतिम पठन

एक बार तंत्र अपना अग्रणी उम्मीदवार और विश्वास-खिड़की लौटा दे, तब भी कुंडली को उसी ढंग से पढ़ना है जैसे शास्त्रीय ज्योतिष ने हमेशा कुंडलियाँ पढ़ी हैं: योगों की जाँच, वर्ग-कुंडलियों की पुष्टि, ग्रहों के बल का तौलन, और अगले कुछ वर्षों के दशा-क्रम पर चलकर यह देखना कि आने वाले काल की प्रकृति उस अनुभव से मेल खाती है जो व्यक्ति पहले से अनुभव कर रहा है। सुधारा हुआ समय वह आधार है जिस पर यह पठन खड़ा होता है; पठन स्वयं वह कार्य है जो ज्योतिषी आधार के दृढ़ हो जाने पर करते हैं। AI यह पठन नहीं करता। वह केवल इतना सुनिश्चित करता है कि आधार उतना दृढ़ हो कि उस पर खड़ा पठन भरोसेमंद हो।

वे मामले जहाँ तंत्र को इनकार कर देना चाहिए

नैतिक रूप से डिज़ाइन किया गया तंत्र कुछ मामलों में आत्मविश्वासी उत्तर देने से मना कर देता है। जब इनपुट घटना-सूची बहुत छोटी हो (तीन-चार से कम अच्छी तरह तिथि-बद्ध घटनाएँ), तंत्र को बताना चाहिए कि उत्तर अनुमानित है। जब दर्ज समय की खिड़की अव्यावहारिक रूप से चौड़ी हो (छह घंटे से अधिक, अर्थात् लगभग पूरा सूर्योदय-से-सूर्यास्त), तंत्र को बताना चाहिए कि शास्त्रीय तात्कालिक विधियाँ या किसी ज्योतिषी से सीधी मुलाकात स्वचालित सुधार से अधिक उपयुक्त है। जब स्कोर-परिदृश्य पूरी तरह सपाट हो (कोई एक उम्मीदवार-क्षेत्र स्पष्ट अग्रणी न हो), तंत्र को विजेता चुनने से इनकार कर अधिक घटनाएँ माँगनी चाहिए। ये इनकार तंत्र की विफलता नहीं हैं। ये इस बात के सबसे महत्वपूर्ण संकेत हैं कि तंत्र को उन लोगों ने रचा है जिन्होंने वास्तव में समझा है कि सुधार-कार्य क्या माँगता है।

पूरी प्रक्रिया का एक उदाहरण

इनपुट और प्रारंभिक स्थिति

कल्पना कीजिए एक कुंडली तंत्र के सामने प्रस्तुत है। दर्ज जन्म समय "1978 की किसी तिथि को रात लगभग 9:00 बजे" है। उपयोगकर्ता ने नौ तिथि-बद्ध घटनाएँ दी हैं: 2005 में विवाह, 2008 में पहले बच्चे का जन्म, 2012 में पिता का देहांत, 2014 में नौकरी-परिवर्तन, 2016 में एक गंभीर सड़क-दुर्घटना, 2019 में माँ का देहांत, 2010 में दूसरे बच्चे का जन्म, 2017 में व्यवसाय-आरंभ, और 2020 में एक प्रमुख शल्य-क्रिया। उपयोगकर्ता की बताई अनिश्चितता के अनुसार दर्ज समय की खिड़की एक घंटे की रखी जाती है, रात 8:30 से 9:30 तक।

खुद की खोज

तंत्र पहले एक मिनट के अंतराल वाले मोटे ग्रिड से शुरू करता है, घंटे भर में साठ उम्मीदवार। हर उम्मीदवार के लिए पूरी कुंडली बनाई जाती है: लग्न, नवमांश लग्न, दशमांश लग्न, जन्म से 2020 तक का विंशोत्तरी दशा कैलेंडर, और हर घटना तिथि पर मंद-गति ग्रहों की स्थिति। आधुनिक तंत्र पर कुल गणना-समय: दो सेकंड से कम। अब स्कोर-परिदृश्य देखा जाता है: रात 8:30 से 8:42 तक के सभी उम्मीदवार चालीस के निचले स्तर पर स्कोर पाते हैं (कुल नब्बे में से), और लग्न कर्क रहता है। 8:48 से 9:30 तक के उम्मीदवार अधिकतर पचास और साठ के दशक में स्कोर पाते हैं, लग्न सिंह रहता है। लगभग 9:00 बजे एक स्पष्ट शिखर बनता है, स्कोर अठहत्तर।

शिखर के चारों ओर परिष्करण

तंत्र फिर शिखर के पास पंद्रह सेकंड के अंतराल पर 8:55 से 9:05 तक स्कैन करता है, दस मिनट की खिड़की में लगभग चालीस उम्मीदवार। शिखर और संकरा होता है: अग्रणी 9:01 बजे है, स्कोर इक्यासी। 8:59, 9:00 और 9:02 के उम्मीदवार अग्रणी से एक अंक के भीतर हैं। 9:03 बजे का उम्मीदवार दो अंक नीचे गिरता है (2014 की घटना के लिए अंतर्दशा-संधि पार हो जाती है)। 8:58 बजे का उम्मीदवार एक अंक नीचे (2012 के लिए जन्म चंद्रमा पर शनि की दृष्टि थोड़ी कमज़ोर पड़ जाती है)। विश्वास-खिड़की इन्हीं स्कोर से स्वाभाविक रूप से उभर आती है: 9:00 से 9:02 लगभग एक-समान, 8:59 एक अंक नीचे, उत्तर "9:01 बजे ±एक मिनट" के रूप में दिया जाता है।

परिणाम और हस्तांतरण

तंत्र सुधारा हुआ समय 9:01 बजे, ±एक मिनट की विश्वास-खिड़की, सिंह लग्न, मीन में नवमांश लग्न, और मकर में दशमांश लग्न के रूप में लौटाता है। हर घटना तिथि पर महादशा-अंतर्दशा स्वामी सूचीबद्ध करता है, हर घटना को साफ मिलान, आंशिक मिलान या चूक के रूप में चिह्नित करता है, और सबसे सशक्त घटनाओं के लिए मंद-गति गोचर की छाप भी जोड़ता है। नौ में से सात घटनाएँ साफ मिलान, दो आंशिक (व्यवसाय-आरंभ और दूसरे बच्चे का जन्म जो मोटी दशा-श्रेणी पर बैठते हैं पर सबसे सशक्त नैसर्गिक कारक से नहीं), कोई स्पष्ट चूक नहीं। ज्योतिषी को हस्तांतरण के समय यह सब, तथा कुंडली स्वयं, पठन के लिए तैयार होती है। सुधार-कार्य पाँच सेकंड से कम में पूर्ण हो जाता है; पठन वहीं से आरंभ होता है।

ईमानदार सीमाएँ और किस पर ध्यान दें

कचरा अंदर, कचरा बाहर

किसी भी AI सुधार-तंत्र की पहली और सबसे महत्वपूर्ण सीमा यह है कि वह अपने इनपुट से बेहतर परिणाम नहीं दे सकता। गलत जन्म तिथि, गलत जन्म नगर, गलत अयनांश सेटिंग, या ऐसी घटना-सूची जिनकी तिथियाँ धुँधली या गलत हों, ऐसा आत्मविश्वासी दिखने वाला परिणाम देते हैं जो वास्तव में गलत है। आधुनिक तंत्र इन विफलताओं को पकड़ने का प्रयास करते हैं (दर्ज तिथि की तिथि-वार जाँच, भू-कोडित निर्देशांकों की समझदारी की जाँच, और कई अयनांशों के बीच क्रॉस-चेक), परंतु स्वच्छ इनपुट देने का दायित्व अंततः उपयोगकर्ता पर ही है। किसी सुधार-परिणाम को हमेशा इस अंतर्निहित प्रश्न के साथ पढ़ना चाहिए: क्या मैंने तंत्र को सही प्रारंभिक डेटा दिया था?

तंग खिड़कियों पर अति-आत्मविश्वास

जो तंत्र पंद्रह सेकंड चौड़ी विश्वास-खिड़की लौटाता है, वह उस सूक्ष्मता पर उत्तर दे रहा है जिस पर शास्त्रीय ज्योतिष भी कम ही पहुँचता है। अधिकांश व्यावहारिक प्रयोजनों के लिए (मोटा जीवन-विषय पठन, दशा-समय, लग्न-निर्धारण) ऐसी सूक्ष्मता आवश्यकता से अधिक है, और कुंडली पढ़ने वाले ज्योतिषी को इस पंद्रह-सेकंड के उत्तर को चार-मिनट के शास्त्रीय समकक्ष से अधिक भरोसेमंद मानने में सावधानी रखनी चाहिए। सही व्याख्या यह है कि घटनाएँ इस मामले में असामान्य रूप से अच्छी तरह तिथि-बद्ध और सशक्त शास्त्रीय छाप के साथ संरेखित थीं, इसलिए उत्तर पंद्रह सेकंड पर सिमट गया, यह नहीं कि पूरे ज्योतिष का संकल्प पंद्रह सेकंड है।

तंत्रिका घटकों के प्रशिक्षण-डेटा में पूर्वग्रह

जो तंत्र अपने में तंत्रिका-नेटवर्क घटक रखते हैं और उन्हें पुराने सुधार-कार्यों पर प्रशिक्षित किया गया है, उनके लिए उस प्रशिक्षण-डेटा की गुणवत्ता मायने रखती है। यदि अधिकांश पुराने सुधार-कार्य कुछ ही ज्योतिषियों ने किए थे और उनकी अपनी शैलीगत वरीयताएँ थीं (कुछ महादशा-क्रम की व्याख्याओं को महत्व देना, कुछ गोचरों को अधिक भार देना), तो प्रशिक्षित मॉडल वही वरीयताएँ पूर्वग्रहों के रूप में आगे ले जा सकता है। इसका उपाय वही है जो किसी भी मशीन लर्निंग अनुप्रयोग में होता है: व्यापक ज्योतिषी-समूह से लिए गए परीक्षण-कुंडलियों पर नियमित मूल्यांकन, और यह स्पष्ट रूप से बताना कि परिणाम के कौन-से निर्णय शास्त्रीय नियमों से आए और कौन-से सांख्यिकीय अनुमान से। उपयोगकर्ता को यह जानने का अधिकार है कि उत्तर का कौन-सा अंश निश्चित ज्योतिष है और कौन-सा सांख्यिकीय अनुमान।

घटना-आधारित सुधार की अपनी सीमाएँ

तंत्र से परे, जो विधि उसके पीछे है उसकी अपनी सीमाएँ हैं। जीवन-घटना सुधार उन छोटे बच्चों पर काम नहीं कर सकती जिनकी एकमात्र "घटनाएँ" साधारण विकास-मील हैं; गलत जन्म तिथि पर वह काम नहीं कर सकती; और उन मामलों को पूरी तरह नहीं सुलझा सकती जहाँ दो भिन्न लग्न दोनों ही प्रशंसनीय घटना-मिलान दिखाते हैं, यदि शास्त्रीय तात्कालिक विधियों या किसी संवेदनशील वर्ग-कुंडली पुष्टि से समर्थन न मिले। AI इन सीमाओं को नहीं लाँघता। वह केवल जीवन-घटना सुधार जो काम पहले से कर रहा था उसे तेज़ कर देता है, और उसी विधि की सीमाओं को विरासत में लेता है। जब जीवन-घटना सुधार उपयुक्त है और जब शास्त्रीय तात्कालिक सही विकल्प है, इसका अधिक विस्तार से उपचार हमारी जन्म समय सुधार स्तंभ-मार्गदर्शिका में दिया गया है।

अक्सर पूछे जाने वाले प्रश्न

AI सुधार और शास्त्रीय जीवन-घटना सुधार में क्या अंतर है?

शास्त्रीय विधि और AI विधि दोनों एक ही स्कोरिंग-तर्क लगाते हैं। जो बदलता है वह है खोज का पैमाना। हाथ से ज्योतिषी कई दिनों में दस-पंद्रह उम्मीदवारों को जाँच पाते हैं; AI तंत्र सेकंडों में हजारों उम्मीदवारों को जाँच लेता है। शास्त्रीय तर्क ज्यों का त्यों रहता है; खोज अनुमान न होकर पूर्ण होती है, विश्वास-खिड़की ईमानदारी से बताई जा सकती है क्योंकि अग्रणी के समीप का हर उम्मीदवार जाँचा जा चुका होता है, और दो निकट प्रतिस्पर्धी उम्मीदवारों के बीच के सूक्ष्म मतभेद थकान में खोने के बजाय स्कोर के अंतर के रूप में सामने आ जाते हैं।

क्या AI सुधार-तंत्र कोई गलत उत्तर भी दे सकता है?

हाँ, कई तरह से। गलत इनपुट (गलत जन्म तिथि, गलत नगर, अव्यवस्थित टाइमज़ोन) पर वह आत्मविश्वासी दिखने वाला उत्तर देता है जो वास्तव में गलत है। बहुत कम या धुँधली तिथि-बद्ध घटनाओं पर वह चौड़ी विश्वास-खिड़की या बहु-शिखर समाधान लौटाता है जिसके लिए मानवीय विवेक चाहिए। किसी तंत्रिका घटक में पूर्वग्रहित प्रशिक्षण-डेटा हो तो वह पूर्वग्रह आगे ले जाता है। एक अच्छा तंत्र इन मामलों को स्पष्ट चिह्नित करता है। उपयोगकर्ता को सुधारे हुए लग्न और चंद्र नक्षत्र की पुष्टि किसी ऐसी शास्त्रीय या पारिवारिक स्मृति से अवश्य करनी चाहिए जिस पर भरोसा हो।

तंत्र विश्वास-खिड़की क्यों लौटाता है, अकेला मिनट क्यों नहीं?

क्योंकि घटनाएँ शायद ही उत्तर को एक अकेले मिनट तक सीमित कर पातीं, और ऐसा दिखावा करना बेईमानी होगी। विश्वास-खिड़की उन उम्मीदवार समयों का परास है जिनके स्कोर अग्रणी के इतने पास हैं कि उनमें से कोई भी बचाव-योग्य उत्तर बनता है। संकरी खिड़की (एक-दो मिनट) का अर्थ है घटनाएँ कुंडली को अच्छी तरह कस रही हैं; चौड़ी खिड़की (पाँच-दस मिनट) का अर्थ है बारीक वर्ग-कुंडली पठन से पहले अधिक घटनाएँ या तीक्ष्ण तिथियाँ चाहिए। यह चौड़ाई स्वयं एक सूचना है।

क्या AI सुधार-तंत्र के बावजूद ज्योतिषी की आवश्यकता रहती है?

सुधार-कार्य के लिए कई बार नहीं, क्योंकि तंत्र एक बचाव-योग्य उत्तर लौटा देता है जिसका उपयोग कोई भी सक्षम पाठक कर सकता है। पर सुधारी हुई कुंडली के पठन के लिए हाँ। AI सुधार आधार बनाता है; योगों, वर्ग-कुंडलियों, गोचर-समय और आगामी वर्षों की दशा-प्रकृति का वास्तविक पठन वह कार्य है जो ज्योतिषी आधार दृढ़ हो जाने पर करते हैं। दोनों भूमिकाएँ पूरक हैं, प्रतिस्पर्धी नहीं।

यदि मेरा दर्ज जन्म समय बिल्कुल अज्ञात हो तो क्या करें?

AI सुधार जन्म तिथि के पूरे चौबीस घंटे पर खोज कर सकता है, परंतु परिणाम तब अधिक धुंधला होता है। पूरी तरह अज्ञात समय का सुधार प्रायः एक उत्तर के बजाय दो-तीन प्रतिस्पर्धी उम्मीदवार-खिड़कियाँ देता है, हर खिड़की एक अलग लग्न के लिए। तंत्र को सब बताने चाहिए, और ज्योतिषी हर उम्मीदवार को व्यक्ति के स्वभाव, जीवन-इतिहास और परिवार-स्मृति के विरुद्ध पढ़कर सही चुनते हैं। ऐसे मामलों में शास्त्रीय तात्कालिक विधियाँ पूरक प्रमाण के रूप में अधिक महत्वपूर्ण हो जाती हैं।

हाथ की तुलना में AI सुधार कितना तेज़ है?

स्विस एफेमेरिस वाले आधुनिक संगणक पर एक उम्मीदवार कुंडली कुछ मिलीसेकंड में बन जाती है। हजार उम्मीदवारों को दस घटनाओं पर जाँचने में कुछ ही सेकंड लगते हैं। हाथ से समान कार्य में ज्योतिषी कई दिन ले जाते हैं, क्योंकि हर उम्मीदवार बनाना है, दशा कैलेंडर खोलना है, और घटनाओं का स्कोर हाथ से निकालना है। यह तेज़ी लगभग चार-पाँच घातांक की है, और यही बात उन अधिक गहन रणनीतियों (सीमा-संवेदी नमूना, बेजियन परिष्करण, बहु-शिखर निरूपण) को व्यवहारिक बनाती है।

परामर्श के साथ आगे जानें

एक AI सुधार-तंत्र तब सबसे उपयोगी होता है जब उसकी लौटाई हुई कुंडली ही वह कुंडली हो जिसे आप पढ़ भी सकें, परिष्कृत कर सकें, और आगे और गहराई से समझ सकें। परामर्श स्विस एफेमेरिस आधारित कुंडली, पूर्ण विंशोत्तरी दशा कैलेंडर और घटना-दर-घटना चलते कालों का दृश्य एक साथ प्रस्तुत करता है, जिससे स्वचालित खोज से निकला कोई भी उम्मीदवार समय सीधे जाँचा जा सके: हर लंगर-तिथि पर महादशा-अंतर्दशा स्वामी, मंद-गति ग्रहों के गोचर, नवमांश और दशमांश की पुष्टियाँ, और तात्कालिक जाँचें। यदि आपका दर्ज जन्म समय अनिश्चित है और आपके पास तिथि-बद्ध घटनाओं की सूची है, तो सबसे तेज पहला कदम है अपने अनुमानित समय से कुंडली बनाना और घटनाओं के साथ-साथ चलते कालों को पढ़ना।

मुफ्त कुंडली बनाएँ →