Beyond cognacy
यह शोध पत्र यह प्रदर्शित करता है कि एक पेयर-हिडन मार्कोव मॉडल (pair-hidden Markov model) से प्राप्त मल्टीपल सीक्वेंस एलाइनमेंट (MSA), भाषा संबंधी वंशावली (phylogenies) के निर्माण के लिए पारंपरिक विशेषज्ञ-एनोटेटेड संज्ञानात्मक सेटों (expert-annotated cognate sets) के एक स्केलेबल और पूर्णतः स्वचालित विकल्प के रूप में कार्य करता है, जो ऐसे वृक्ष (trees) प्रदान करता है जो स्थापित भाषाई वर्गीकरणों के अधिक सुसंगत हैं और टिपोलॉजिकल भिन्नता का बेहतर पूर्वानुमान लगाने में सक्षम हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप मानव जाति का पूरा वंशावली वृक्ष (family tree) बनाने की कोशिश कर रहे हैं, लेकिन लोगों के बजाय, आप यह मानचित्रण करने की कोशिश कर रहे हैं कि हजारों अलग-अलग भाषाएं एक-दूसरे से कैसे संबंधित हैं। यह ऐतिहासिक भाषाविदों (historical linguists) का काम है।
लंबे समय तक, ऐसा करना अंधेरे में एक विशाल जिग्सॉ पहेली को सुलझाने जैसा था। विशेषज्ञों को हजारों शब्दों को मैन्युअल रूप से देखना पड़ता था, यह तय करना पड़ता था कि कौन से शब्द "चचेरे भाई" हैं (वे शब्द जो एक जैसे सुनाई देते हैं क्योंकि वे एक ही प्राचीन पूर्वज से आते हैं), और फिर पेड़ बनाना पड़ता था। यह धीमा, महंगा और भाषाओं के छोटे समूहों तक सीमित था।
यह शोध पत्र इस बारे में है कि कंप्यूटर का उपयोग करके उस पहेली को हल करने का एक नया तरीका क्या है, और यह एक सरल प्रश्न पूछता है: क्या हम इन भाषा परिवारों के पेड़ों को स्वचालित रूप से बना सकते हैं, बिना किसी मानव विशेषज्ञ द्वारा हर एक शब्द को लेबल किए?
यहाँ अध्ययन का विवरण दिया गया है, जिसमें रोजमर्रा के उपमाओं (analogies) का उपयोग किया गया है।
तीन प्रतियोगी
लेखक, गेरहार्ड जेगर (Gerhard Jäger) ने इन भाषा पेड़ों को बनाने के लिए तीन अलग-अलग तरीकों के बीच एक दौड़ आयोजित की। इन्हें एक ही मामले को सुलझाने वाले तीन अलग-अलग जासूसों के रूप में सोचें।
पुराने स्कूल का जासूस (विशेषज्ञ कॉग्नेट्स - Expert Cognates):
- यह कैसे काम करता है: यह विधि उन मानव विशेषज्ञों पर निर्भर करती है जिन्होंने पहले से ही शब्दों को "चचेरे भाई" के रूप में लेबल करने में वर्षों बिताए हैं। यह एक पारिवारिक पुनर्मिलन की तरह है जहाँ हर कोई पहले से ही जानता है कि उनके रिश्तेदार कौन हैं।
- समस्या: इस डेटा को प्राप्त करना अविश्वसनीय रूप से धीमा है। आप इसे केवल छोटे परिवारों के लिए ही कर सकते हैं, और यह जांचना कठिन है कि विशेषज्ञों ने गलतियाँ की हैं या नहीं। यह केवल कुछ स्थानीय मानचित्रों का उपयोग करके पूरे विश्व का मानचित्र बनाने जैसा है।
पैटर्न मिलान करने वाला (स्वचालित क्लस्टरिंग/PMI - Pattern Matcher):
- यह कैसे काम करता है: यह कंप्यूटर विधि शब्दों को देखती है और इस आधार पर उन्हें समूहबद्ध करने की कोशिश करती है कि कुछ ध्वनियाँ कितनी बार एक साथ आती हैं। यह एक कंप्यूटर की तरह है जो मोजों के एक मिश्रित बैग को देखता है और कहता है, "ये लाल रंग के धारीदार मोजे शायद एक साथ जाते हैं," बिना यह जाने कि वास्तव में मोजा क्या होता है।
- परिणाम: यह मानव विधि की तुलना में तेज़ है, लेकिन यह थोड़ा धुंधला है। यह गहरे संबंधों को मिस कर देता है।
डीएनए अनुक्रमक (मल्टीपल सीक्वेंस अलाइनमेंट / MSA - The DNA Sequencer):
- यह कैसे काम करता है: जीव विज्ञान (जहाँ वैज्ञानिक डीएनए स्ट्रैंड को संरेखित करने के लिए उपयोग करते हैं ताकि उत्परिवर्तन का पता लगाया जा सके) की एक तकनीक को उधार लेते हुए, यह विधि विभिन्न भाषाओं के शब्दों को एक किताब के वाक्यों की तरह संरेखित करती है। यह पैटर्न को देखता है कि समय के साथ ध्वनियाँ कैसे बदलती हैं, भले ही शब्द सटीक मेल न हों।
- उपमा: कल्पना कीजिए कि आपके पास "सूप" की तीन संस्करण वाली रेसिपी है। एक कहती है "नमक डालें," एक कहती है "एक चुटकी नमक डालें," और एक कहती है "नमक और काली मिर्च डालें।" भले ही वे समान नहीं हैं, लेकिन एक स्मार्ट कंप्यूटर देख सकता है कि वे सभी एक ही व्यंजन का वर्णन करने की कोशिश कर रहे हैं और निर्देश कैसे विकसित हुए। यह विधि एक साथ हजारों भाषाओं के साथ ऐसा करती है।
बड़ा परीक्षण
लेखक ने केवल अनुमान नहीं लगाया कि कौन सी विधि सबसे अच्छी है; उन्होंने इसे तीन तरीकों से परखा:
"गोल्ड स्टैंडर्ड" की जाँच: उसने कंप्यूटर द्वारा निर्मित पेड़ों की तुलना मानव विशेषज्ञों द्वारा बनाए गए "आधिकारिक" वंशावली पेड़ों (जिन्हें ग्लॉटोलॉग/Glottolog कहा जाता है) के साथ की।
- परिणाम: MSA विधि (डीएनए अनुस्करक) ने एक ऐसा मानचित्र बनाया जो विशेषज्ञ के मानचित्र के सबसे करीब था। इसने सबसे कम गलतियाँ कीं।
"टाइपोलॉजी" की जाँच: उसने यह जाँच की कि क्या पेड़ व्याकरण के नियमों (जैसे, "क्या यह भाषा वाक्य के अंत में क्रिया रखती है?") जैसे अन्य तथ्यों के साथ मेल खाते हैं।
- परिणाम: MSA विधि इन व्याकरण नियमों की भविष्यवाणी करने में सबसे अच्छी थी, जिससे पता चलता कि इसके पेड़ सबसे सटीक थे।
"सिग्नल स्ट्रेंथ" की जाँच: उसने डेटा में कितनी "शोर" (noise) थी, इसे मापा।
- परिणाम: MSA विधि ने सबसे स्पष्ट संकेत पाया। यह रेडियो स्टेशन सुनने जैसा था: अन्य विधियों में बहुत अधिक शोर (static) था, लेकिन MSA विधि का प्रसारण स्पष्ट और मजबूत था।
निर्णय: यह क्यों मायने रखता है
अध्ययन ने पाया कि जबकि "पुराने स्कूल" की विशेषज्ञ विधि अभी भी छोटे, विशिष्ट परिवारों के लिए अच्छी है, बड़ी तस्वीर देखने के लिए MSA विधि भविष्य है।
- स्केलेबिलिटी (Scalability): आप दुनिया की हर भाषा को लेबल करने के लिए पर्याप्त विशेषज्ञों को काम पर नहीं रख सकते। लेकिन आप इसे करने के लिए एक कंप्यूटर प्रोग्राम लिख सकते हैं।
- वैश्विक पहुंच: MSA विधि ने कई अलग-अलग परिवारों की भाषाओं को मिलाते हुए भी अद्भुत काम किया। अन्य विधियाँ भ्रमित हो गईं और डेटा बहुत बड़ा होने पर गलतियाँ करने लगीं।
- कोई बाधा नहीं: यह केवल उन भाषाओं के लिए नहीं जिन्हें हमने पहले से ही अध्ययन किया है, बल्कि सभी मानव भाषाओं के लिए एक "जीवन का वृक्ष" (Tree of Life) बनाने का मार्ग प्रशस्त करता है।
निचोड़
इस शोध पत्र को इस तरह देखें कि यह वह क्षण है जब भाषाविज्ञान हाथ से मानचित्र बनाने से जीपीएस (GPS) का उपयोग करने की ओर बढ़ गया है।
पुराना तरीका (विशेषज्ञों द्वारा शब्दों को लेबल करना) एक कम्पास और नोटबुक के साथ जंगल में चलने जैसा है। यह उस पथ के लिए सटीक है जिस पर आप चल रहे हैं, लेकिन आप पूरे जंगल को नहीं देख सकते। नया तरीका (MSA) उपग्रह छवि (satellite image) प्राप्त करने जैसा है। यह पूरे जंगल को एक साथ देखता है, छिपे हुए रास्तों को पहचानता है, और आपको बहुत स्पष्ट चित्र देता है कि सब कुछ कैसे जुड़ा हुआ है, और वह भी बिना किसी मनुष्य के हर कदम पर चलने की आवश्यकता के।
इसका अर्थ यह है कि हम अंततः इस बड़े सवाल का जवाब दे सकते हैं कि पूरी दुनिया में मानव भाषा का विकास कैसे हुआ, जो कार्य की अत्यधिक मात्रा के कारण पहले असंभव था।
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।