अत्यधिक लोड वाली मस्तिष्क और मशीनें: मानव-AI सहजीवन के लिए संज्ञानात्मक लोड फ्रेमवर्क

मानव संज्ञान अतिभारित होने पर कमजोर पड़ती है क्योंकि कार्यशील स्मृति सीमित होती है, जैसा कि संज्ञानात्मक लोड सिद्धांत में वर्णित है। जब कार्य संदर्भ विंडो से बाहर निकल जाते हैं या मॉडल विफल हो जाता है, तो उन्नत AI प्रणालियों में समान असफलताएँ दिखती हैं। यह समीक्षा इन प्रतिबंधों को एकीकृत दृष्टिकोण से मिलाती है, साझा तंत्र जैसे सीमित कार्यक्षेत्र और चंकिंग को उजागर करती है, साथ ही मानवीय मेटाकॉग्निशन जैसे भिन्नताएँ भी प्रस्तुत करती है। हम एक "सीमित एजेंट पूरकता" मॉडल पेश करते हैं जो सहजीवी बुद्धिमत्ता के लिए गतिशील लोड-बैलेंसिंग का प्रस्ताव करता है, जिसका तर्क शिक्षा, चिकित्सा, और विमानन जैसे क्षेत्रों में उपयोग हो सकता है। यह फ्रेमवर्क इन पारस्परिक सीमाओं को कम करने के तरीकों को दर्शाता है और संवर्धित संज्ञान तथा स्थायी मानव-AI प्रणालियों के लिए परीक्षण योग्य पूर्वानुमान प्रदान करता है।