Representing data in words: A context engineering approach
यह शोध पत्र "वर्डलाइजेशन" (wordalisations) को प्रस्तुत करता है, जो एक संदर्भ इंजीनियरिंग पद्धति है जो संख्यात्मक डेटा को प्राकृतिक, सटीक आख्यानों में परिवर्तित करती है, और खेल स्काउटिंग और व्यक्तित्व मूल्यांकन जैसे विविध क्षेत्रों में कठोर मानव और स्वचालित मूल्यांकनों के माध्यम से इसकी प्रभावशीलता को प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपके पास किसी फुटबॉल खिलाड़ी, किसी व्यक्ति के व्यक्तित्व, या पूरे देश के बारे में ठंडे और कठोर आंकड़ों से भरी एक विशाल स्प्रेडशीट है। एक डेटा वैज्ञानिक के लिए, ये नंबर एक कहानी बताते हैं। लेकिन हम जैसे बाकी लोगों के लिए, ये पढ़ने में कठिन और समझने में और भी कठिन, अंकों की एक उबाऊ दीवार की तरह दिखते हैं।
यह शोध पत्र "वर्डलाइजेशन" (Wordalisation) नामक एक नए टूल का परिचय देता है। इसे एक अनुवादक के रूप में समझें जो "गणित" की भाषा को "मानव" की भाषा में बदल देता है।
यहाँ बताया गया है कि यह कुछ रोजमर्रा के उपमाओं (analogies) का उपयोग करके कैसे काम करता है:
1. समस्या: "रोबोट" बनाम "कहानीकार"
लार्ज लैंग्वेज मॉडल्स (जैसे कि वह AI जिससे आप चैट कर सकते हैं) कहानियाँ लिखने में माहिर हैं, लेकिन वे अक्सर संख्याओं से भ्रमित हो जाते हैं। यदि आप बस AI से पूछें, "हैरी केन के बारे में बताओ," तो यह इंटरनेट पर पढ़ी गई चीज़ों के आधार पर अनुमान लगाकर कुछ भी बना सकता है। यदि आप इसे केवल नंबरों की एक सूची देते हैं, तो यह एक रोबोटिक, उबाऊ रिपोर्ट लिख सकता है जिसका कोई अर्थ नहीं होगा।
लेखक एक ऐसा तरीका चाहते थे जिससे AI डेटा के आधार पर एक सच्ची, सटीक, फिर भी आकर्षक कहानी सुना सके।
2. समाधान: "चार-चरणीय रेसिपी"
AI को फिर से प्रशिक्षित करने (जो कि एक कुत्ते को उसके DNA बदलकर फ्रेंच बोलना सिखाने जैसा है) के बजाय, लेखक "कॉन्टेक्स्ट इंजीनियरिंग" (Context Engineering) नामक एक चतुर रेसिपी का उपयोग करते हैं। वे AI को निर्देशों का एक विशिष्ट सेट देते हैं, जैसे कि एक शेफ रेसिपी कार्ड का पालन करता है।
यहाँ उनकी रेसिपी के चार चरण दिए गए हैं:
चरण 1: "इसे बताओ कि यह कौन है" (पोशाक/Costume)
- उपमा: कल्पना कीजिए कि आप एक अभिनेता को काम पर रख रहे हैं। आप सिर्फ यह नहीं कहते "अभिनय करो।" आप कहते हैं, "आप एक गुस्सैल लेकिन जानकार ब्रिटिश फुटबॉल स्काउट हैं।"
- यह क्या करता है: यह AI का "पर्सोना" (व्यक्तित्व) निर्धारित करता है। यह AI को उसका सटीक रोल बताता है ताकि वह सही लहजे और शब्दावली का उपयोग करे।
चरण 2: "इसे बताओ कि यह क्या जानता है" (चीट शीट/Cheat Sheet)
- उपमा: मंच पर जाने से पहले, आप अभिनेता को एक चीट शीट देते हैं जो खेल के नियमों को समझाती है। "यदि कोई खिलाड़ी बहुत अधिक स्कोर करता है, तो वह एक 'गोल मशीन' है। यदि वह बहुत चूक जाता है, तो वह 'संघर्ष कर रहा' है।"
- यह क्या करता है: यह AI को आवश्यक परिभाषाएं और संदर्भ देता है ताकि वह मनगढ़ंत बातें (hallucinate) न करे। यह AI को डेटा की सही व्याख्या करना सिखाता है।
चरण 3: "इसे बताओ कि कौन सा डेटा उपयोग करना है" (कच्ची सामग्री/Raw Ingredients)
- उपमा: आप शेफ को कच्ची सामग्री (नंबर) सौंपते हैं। लेकिन केवल आटे की बोरी देने के बजाय, आप पहले उसे मापते हैं और कहते हैं, "यह 2 कप आटा है, जो इस रेसिपी के लिए बहुत अधिक है।"
- यह क्या करता है: सिस्टम पहले कच्चे नंबरों को एक "सांख्यिकीय विवरण" (जैसे कि "यह खिलाड़ी औसत से 2 मानक विचलन ऊपर है") में बदल देता है। यह ठंडे नंबरों को एक "मानक" कथन (जैसे "उत्कृष्ट" या "औसत से नीचे") में बदल देता है।
चरण 4: "इसे बताओ कि उत्तर कैसे देना है" (अंतिम पॉलिश/Final Polish)
- उपमा: आप शेफ से कहते हैं, "अब, मेनू के लिए एक छोटा, रोमांचक पैराग्राफ लिखें जो बेहतरीन सामग्रियों को उजागर करे लेकिन कमजोरियों का भी उल्लेख करे। सूची का उपयोग न करें; एक कहानी लिखें।"
- यह क्या करता है: AI चरण 3 के "सांख्यिकीय विवरण" और चरण 2 की "चीट शीट" का उपयोग करके एक सहज, स्वाभाविक लगने वाला पैराग्राफ लिखता है।
3. परिणाम: "Z-स्कोर" से "ज़ेस्ट" (Zest) तक
उन्होंने इसे तीन बहुत अलग चीजों पर परखा:
- फुटबॉल स्काउट्स: हैरी केन के आंकड़ों को एक पैराग्राफ में बदलना कि वह एक "क्लिनिकल फिनिशर" हैं लेकिन "असिस्ट के मामले में कमजोर" हैं।
- व्यक्तित्व परीक्षण: एक टेस्ट स्कोर को किसी व्यक्ति के व्यक्तित्व लक्षणों के विवरण में बदलना।
- देश सर्वेक्षण: किसी देश (जैसे मलेशिया) के बारे में सर्वेक्षण डेटा को उसकी संस्कृति के सारांश में बदलना।
जादू:
- विजुअल्स बनाम शब्द: जिस तरह एक पाई चार्ट डेटा को देखना आसान बनाता है, उसी तरह एक वर्डलाइजेशन डेटा को पढ़ना आसान बनाता है।
- सटीकता: जब उन्होंने इस पद्धति का परीक्षण किया, तो पाया कि इस विधि का उपयोग करने वाला AI केवल अनुमान लगाने या केवल कच्चे नंबर देने वाले AI की तुलना में झूठ बोलने या तथ्य बनाने की संभावना बहुत कम रखता है।
- जुड़ाव (Engagement): इंसानों ने इन कहानियों को शुष्क सांख्यिकीय रिपोर्टों की तुलना में अधिक पसंद किया। वे पढ़ने में अधिक दिलचस्प थीं और उतनी ही सटीक भी थीं।
4. यह क्यों महत्वपूर्ण है
लेखक तर्क देते हैं कि हमें केवल "परीक्षणों" पर निर्भर नहीं रहना चाहिए कि AI अच्छा है या नहीं। इसके बजाय, हमें इस बारे में पारदर्शी होना चाहिए कि हमने "रेसिपी" कैसे बनाई।
इसे एक खाद्य लेबल की तरह समझें। केवल "स्वादिष्ट" कहने के बजाय, शोध पत्र सुझाव देता है कि हमें कहना चाहिए: "यह कहानी एक विशिष्ट रेसिपी का उपयोग करके बनाई गई है जो नंबरों को शब्दों में बदलती है। यहाँ बताया गया है कि हमने इसे ठीक से कैसे किया, और इसकी सीमाएँ क्या हैं जो यह आपको बता सकती है।"
निचोड़ (The Bottom Line)
वर्डलाइजेशन एक स्प्रेडशीट को लेने और बिना सच्चाई खोए उसे एक सम्मोहक, ईमानदार कहानी में बदलने का एक तरीका है। यह एक व्यक्तिगत डेटा पत्रकार होने जैसा है जो कभी झूठ नहीं बोलता, कभी बोर नहीं होता, और जटिल नंबरों को किसी को भी सरल अंग्रेजी (या सरल भाषा) में समझा सकता है।
एक कमी: वर्तमान में, यह केवल नंबरों के साथ काम करता है। यह अभी तक चित्र या वीडियो फ़ाइल नहीं पढ़ सकता, लेकिन लेखक भविष्य में इसका विस्तार करने की आशा करते हैं। फिलहाल, यह "डेटा" को "कथा" (narrative) में बदलने का एक शक्तिशाली उपकरण है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।