Deep learning four decades of human migration
यह शोध पत्र एक ओपन-सोर्स डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है जो 1990 से वर्तमान तक 230 देशों के लिए विस्तृत, वार्षिक, मूल-गंतव्य प्रवासन प्रवाह अनुमानों को अनिश्चितता सीमाओं के साथ उत्पन्न करने के लिए 18 सहचरों (covariates) पर प्रशिक्षित एक रिकरेंट न्यूरल नेटवर्क का उपयोग करता है, जो सटीकता और टेम्पोरल रेजोल्यूशन दोनों में पारंपरिक तरीकों से काफी बेहतर प्रदर्शन 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 आप दुनिया भर में चल रहे "म्यूजिकल चेयर्स" के एक खेल को ट्रैक करने की कोशिश कर रहे हैं, जहाँ संगीत अर्थव्यवस्था, राजनीति और मौसम है, और कुर्सियाँ देश हैं। दशकों से, यह गिनने की कोशिश करना कि कौन कहाँ गया, कब गया और क्यों गया, एक उलझा हुआ और निराशाजनक खेल रहा है। कुछ देश दरवाजे पर सख्त सूचियाँ रखते हैं (जैसे जर्मनी), कुछ केवल इस आधार पर अनुमान लगाते हैं कि किसने टिकट खरीदा (जैसे यूके), और दुनिया के कई स्थानों पर कोई सूची ही नहीं है। परिणाम क्या है? संख्याएँ अक्सर मेल नहीं खातीं। यदि जर्मनी कहता है कि पोलैंड से 160,000 लोग आए, लेकिन पोलैंड कहता है कि केवल 12,300 लोग गए, तो गणित में बहुत से लोग गायब हैं।
यहाँ डिजिटल जासूसों की एक नई टीम आती है: थॉमस गैस्किन और गाय जे. एबेल। उन्होंने केवल सिरों की गिनती नहीं की; उन्होंने मानव आवाजाही की कहानी को समझने के लिए एक टाइम-ट्रैवलिंग रोबोट ब्रेन (एक डीप रिकरेंट न्यूरल नेटवर्क) बनाया, ताकि 1990 से 2023 तक के मानव प्रवास को समझा जा सके।
याददाश्त वाला जादुई दिमाग
प्रवास का अनुमान लगाने के पुराने तरीके ज्यादातर हर पांच साल में एक स्नैपशॉट लेने और उसके बीच में जो हुआ उसका अनुमान लगाने जैसे थे। वे मानते थे कि लोग केवल इसलिए चलते हैं क्योंकि अभी क्या हो रहा है। लेकिन इंसान ऐसे नहीं होते। हमें याद रहता है। दस साल पहले का संकट आज भी किसी को जाने के लिए प्रेरित कर सकता है।
लेखकों का रोबोट ब्रेन विशेष है क्योंकि इसके पास एक याददाश्त है। यह एक ऐसे जासूस की तरह है जो न केवल आज के अपराध स्थल को देखता है, बल्कि पिछले 30 वर्षों के हर सुराग को याद रखता है। दिमाग को 18 अलग-अलग प्रकार के सुराग देकर—जैसे कि एक देश कितना पैसा कमाता है, वे एक-दूसरे से कितनी दूर हैं, क्या वे एक ही भाषा बोलते हैं, क्या उनका धर्म समान है, और यहाँ तक कि युद्धों में कितने लोग मर रहे हैं—दिमाग ने लोगों के प्रवाह की भविष्यवाणी करना सीख लिया।
महत्वपूर्ण बात यह है कि यह दिमाग केवल एक संख्या का अनुमान नहीं लगाता है। यह आपको यह भी बताता है कि यह कितना अनिश्चित है। यदि डेटा धुंधला है (जैसे अफ्रीका के कई हिस्सों में), तो दिमाग कहता है, "मैं यहाँ 100% निश्चित नहीं हूँ, आपको अपने रिकॉर्ड देखने की आवश्यकता हो सकती है।" यह एक बहुत बड़ी बात है क्योंकि यह उजागर करता है कि हमें कहाँ बेहतर डेटा एकत्र करने की आवश्यकता है।
उन्होंने क्या पाया (प्लॉट ट्विस्ट)
दिमाग की कहानी दुनिया की आवाजाही में कुछ बड़े बदलावों को प्रकट करती है:
- बड़ी लहर (The Great Surge): वर्ष 2000 के बाद से, हर साल सीमाओं के पार जाने वाले लोगों की संख्या 13 मिलियन से बढ़कर 2023 में 36 मिलियन से अधिक हो गई है। यह केवल इसलिए नहीं है कि पृथ्वी पर अधिक लोग हैं; लोगों के जाने का प्रतिशत लगभग दोगुना हो गया है, जो 0.21% से बढ़कर 0.45% हो गया है।
- बड़े झटके (The Big Hiccups): केवल इन्हीं समयों में यह संख्या गिरी: महान मंदी (2008-2009) और कोविड-19 महामारी (2020) के दौरान।
- सबसे बड़ी आवाजाही: दिमाग ने जो सबसे बड़ी वार्षिक उछाल देखी, वह 2019 में थी, जब लगभग 850,000 लोग वेनेजुएला से कोलंबिया के लिए भागे। अन्य बड़ी लहरों में 2022 में मैक्सिको से अमेरिका और 2022 में यूक्रेन से रूस की ओर लोगों का पलायन शामिल है।
- मिडल ईस्ट का आकर्षण: मध्य पूर्व नए आगमन के लिए सबसे बड़ा केंद्र रहा है, मुख्य रूप से दक्षिण एशिया से। 2010 से, भारत, पाकिस्तान और बांग्लादेश से सऊदी अरब, कतर, बहरीन और यूएई में औसतन 1.3 मिलियन लोग प्रति वर्ष (कुल 18.4 मिलियन) आए हैं। यह 1990 से अब तक मैक्सिको से अमेरिका जाने वाले कुल लोगों (14.8 मिलियन) की संख्या से भी अधिक है।
- यूरोप का फेरबदल: महामारी से पहले, यूरोप के भीतर हर साल लगभग 3 मिलियन लोग घूमते थे। 1991 में सोवियत संघ के पतन के बाद, एक बड़ा फेरबदल हुआ, जिसमें पोलैंड, रूस, यूक्रेन और रोमानिया में पैदा हुए 800,000 से अधिक लोग उसी वर्ष यूरोप के भीतर चले गए।
वे किसके खिलाफ तर्क देते हैं ("यह न करें" की सूची)
लेखक बहुत स्पष्ट हैं कि क्या काम नहीं करता है:
- "पाँच-वर्षीय स्नैपशॉट" बहुत धीमा है: पुराने तरीके केवल हर पांच या दस साल में डेटा देते थे। लेखक तर्क देते हैं कि अचानक आई आपदाओं या त्वरित परिवर्तनों को पकड़ने के लिए यह बहुत धीमा है। आप अचानक युद्ध या तेजी से आर्थिक गिरावट को तब नहीं समझ सकते जब आप केवल हर पांच साल में डेटा देखते हैं।
- "केवल वर्तमान स्थिति" वाला मॉडल गलत है: वे उन मॉडलों के विरुद्ध तर्क देते हैं जो मनुष्यों के साथ ऐसा व्यवहार करते हैं जैसे उनकी कोई याददाश्त नहीं होती (मार्कोवियन मॉडल)। उनका कहना है कि यह सोचना बेवकूफी है कि कोई व्यक्ति केवल आज के मौसम या अर्थव्यवस्था के आधार पर देश छोड़ने का निर्णय लेता है, और पिछले कुछ वर्षों के संकटों को भूल जाता है।
- "रेसिड्यूअल" (अवशिष्ट) गणित संदिग्ध है: कई आधिकारिक संयुक्त राष्ट्र (UN) के "नेट माइग्रेशन" (आने वाले लोग घटाने में जाने वाले लोग) के आंकड़े जनसंख्या परिवर्तन में से जन्म और मृत्यु को घटाकर निकाले जाते हैं। लेखक दिखाते हैं कि यह अक्सर गलत होता है क्योंकि जनसंख्या गणना स्वयं अव्यवसाया (messy) हो सकती है। उदाहरण के लिए, उनका मॉडल सुझाव देता है कि रूस का शुद्ध प्रवास वास्तव में 2005 के आसपास नकारात्मक हो गया था, जो संयुक्त राष्ट्र के 1995 से सकारात्मक प्रवाह के सुझाव के विपरीत है।
वे कितने आश्वस्त हैं?
लेखकों ने केवल अनुमान नहीं लगाया; उन्होंने अपने रोबोट ब्रेन का कड़ाई से परीक्षण किया।
- परीक्षण: उन्होंने प्रशिक्षण के दौरान ज्ञात प्रवास मार्गों में से 20% को दिमाग से छिपा दिया और फिर उससे उन छिपे हुए मार्गों का अनुमान लगाने को कहा।
- स्कोर: दिमाग ने अध्ययन किए गए डेटा पर 95% सहसंबंध (correlation) और छिपे हुए टेस्ट डेटा पर 80% सहसंबंध प्राप्त किया। यह एक मजबूत स्कोर है, विशेष रूप से यह देखते हुए कि प्रवास डेटा बहुत शोर-शराबे वाला (noisy) होता है।
- तुलना: जब उन्होंने अपने दिमाग की तुलना पुराने "स्टॉक-डिफरेंसिंग" तरीकों (पाँच-वर्षीय स्नैपशॉट) और अन्य मानक तकनीकों से की, तो उनका डीप लर्निंग मॉडल उन सभी से काफी बेहतर प्रदर्शन करता है।
- चेतावनी: वे स्वीकार करते हैं कि कुछ क्षेत्रों, जैसे उप-सहारा अफ्रीका के लिए, अनिश्चितता अभी भी उच्च है क्योंकि इनपुट डेटा गायब है। वे स्पष्ट रूप से कहते हैं कि नाइजीरिया जैसे देशों के लिए, उनके अनुमानों पर अनिश्चितता दुनिया में सबसे अधिक है, जो संकेत देता है कि वहां बेहतर डेटा संग्रह की आवश्यकता है।
निष्कर्ष
यह केवल संख्याओं की सूची नहीं है; यह दुनिया को देखने का एक नया तरीका है। कंप्यूटर को याददाश्त देकर और उसे 18 अलग-अलग प्रकार के सुरागों से सीखने के लिए प्रशिक्षित करके, लेखकों ने मानव आवाजाही का अब तक का सबसे विस्तृत मानचित्र बनाया है, जो 230 देशों और क्षेत्रों को 1990 से 2023 तक कवर करता है। उन्होंने हमें दिखाया है कि प्रवास बढ़ रहा है, और यह अतीत की जटिल यादों से प्रेरित है, और हालांकि हमारे पास एक शानदार नया मानचित्र है, फिर भी कुछ धुंधले स्थान हैं जहाँ हमें एक उज्जवल रोशनी डालने की आवश्यकता है।
सबसे अच्छी बात? पूरा मानचित्र, रोबोट ब्रेन और कोड उपयोग के लिए मुफ्त है। ऐसा लगता है जैसे उन्होंने टाइम मशीन की चाबियाँ पूरी दुनिया को सौंप दी हैं।
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।