Pun Intended: Multi-Agent Translation of Wordplay with Contrastive Learning and Phonetic-Semantic Embeddings for CLEF JOKER 2025 Task 2

कल्पना कीजिए कि आप एक चुटकुले का एक भाषा से दूसरी भाषा में अनुवाद करने की कोशिश कर रहे हैं, लेकिन वह चुटकुला एक ऐसे शब्द पर आधारित है जो एक साथ दो अलग-अलग चीजों जैसा सुनाई देता है। अंग्रेजी में, आप कह सकते हैं, "I'm reading a book on anti-gravity. It's impossible to put down!" (मैं एंटी-ग्रेविटी पर एक किताब पढ़ रहा हूँ। इसे नीचे रखना असंभव है!) यहाँ हास्य "put down" वाक्यांश से आता है, जिसके दो अर्थ हैं: "पकड़ना छोड़ना" और "किसी सतह पर रखना।" यदि आप इसका फ्रांसीसी में शाब्दिक रूप से अनुवाद करते हैं, तो आप इस दोहरे अर्थ को खो देते हैं, और चुटकुला मर जाता है। यह "पन्स" (puns) की पेचीदा दुनिया है, जो शब्द-क्रीड़ा का एक प्रकार है जहाँ एक ही शब्द के दो अर्थ होते हैं या वह किसी दूसरे शब्द जैसा सुनाई देता है। दशकों से, कंप्यूटर इसमें बहुत खराब रहे हैं क्योंकि उन्हें शाब्दिक होने के लिए प्रशिक्षित किया जाता है, जैसे कि एक रोबोट जो एक रेसिपी का ठीक वैसे ही पालन करता है जैसा उसे बताया गया है लेकिन उसमें हास्य की कोई समझ नहीं होती। वे शब्दों को एक-एक करके बदलने की कोशिश करते हैं, जो अक्सर पंचलाइन को नष्ट कर देता है। लेकिन क्या होगा अगर हम कंप्यूटर को रोबोटों की तरह कम और कॉमेडियनों की तरह अधिक बनना सिखा सकें, यह समझते हुए कि कभी-कभी चुटकुले को जीवित रखने के लिए अनुवाद के नियमों को तोड़ना पड़ता है?

"Pun Intended" शीर्षक वाला यह शोध पत्र जॉर्जिया टेक के शोधकर्ताओं की एक टीम की रिपोर्ट है, जिन्होंने CLEF JOKER 2025 नामक एक प्रतियोगिता में भाग लिया था। उनका लक्ष्य नवीनतम और सबसे शक्तिशाली कंप्यूटर दिमागों (जिन्हें लार्ज लैंग्वेज मॉडल्स कहा जाता है) का उपयोग करके अंग्रेजी के चुटकुलों का फ्रांसीसी में अनुवाद करना था। केवल कंप्यूटर से "अनुवाद" करने के लिए कहने के बजाय, उन्होंने एक तीन-चरणीय प्रणाली बनाई जिसे चुटकुले के केवल शब्दकोश वाले अर्थों के बजाय उसके भाव को पकड़ने के लिए डिज़ाइन किया गया था।

सबसे पहले, उन्होंने एक "बेसलाइन" दृष्टिकोण आज़माया, जिसमें विभिन्न AI मॉडलों से फ्रांसीसी चुटकुले बनाने के लिए कहा गया और एक दूसरे AI को न्यायाधीश के रूप में उपयोग किया गया, जो यह जाँचता था कि परिणाम वास्तव में एक चुटकुला था या केवल एक उबाऊ वाक्य। यह दोस्तों के एक समूह से चुटकुला सुनाने और एक दोस्त द्वारा सिर हिलाकर यह बताने जैसा था कि क्या वह मजेदार था। हालांकि यह ठीक-ठाक काम करता था, लेकिन चुटकुले अक्सर मूल कहानी से बहुत दूर निकल जाते थे।

बेहतर होने के लिए, उन्होंने एक "गाइडेड चेन-ऑफ-थॉट" (guided chain-of-thought) पाइपलाइन बनाई। इसे एक कंप्यूटर को नक्शा और दिशा-सूचक यंत्र (compass) देने के रूप में समझें। उन्होंने AI को पहले पेचीदा शब्द की पहचान करना, फिर उसके दो अलग-अलग अर्थों को खोजना, और अंत में "फोनेटिक-सिमेंटिक एम्बेडिंग्स" (phonetic-semantic embeddings) नामक एक विशेष गणितीय उपकरण का उपयोग करना सिखाया। यह उपकरण एक अत्यंत संवेदनशील कान और एक शब्दकोश के संयोजन जैसा है; यह कंप्यूटर को ऐसे फ्रांसीसी शब्द खोजने में मदद करता है जो न केवल सही अर्थ रखते हैं बल्कि मूल अंग्रेजी शब्दों की तरह सुनाई भी देते हैं। यह एक फ्रांसीसी शब्द खोजने जैसा है जो "cat" (बिल्ली) जैसा सुनाई दे लेकिन जिसका अर्थ "dog" (कुत्ता) हो, सिर्फ यह देखने के लिए कि क्या आप उससे कोई चुटकुला बना सकते हैं।

अंत में, उन्होंने एक "मल्टी-एजेंट" प्रणाली जोड़ी। कल्पना कीजिए कि चार अलग-अलग न्यायाधीशों का एक पैनल है, जिनमें से प्रत्येक का एक विशिष्ट कार्य है: एक जाँचता है कि अर्थ सही है या नहीं, एक जाँचता है कि अनुवाद स्वाभाविक लगता है या नहीं, एक भावना की जाँच करता है, और एक जाँचता है कि क्या यह प्रामाणिक लगता है। ये न्यायाधीश केवल स्कोर नहीं देते थे; वे फीडबैक भी देते थे। यदि चुटकुला पूरी तरह से मजेदार नहीं था या अनुवाद अटपटा था, तो सिस्टम इसे फिर से लिखता था और प्रयास करता था, पाँच बार तक, जब तक कि पैनल संतुष्ट न हो जाए।

परिणाम बेहद दिलचस्प थे। जब शोधकर्ताओं ने मानक कंप्यूटर परीक्षणों का उपयोग किया (जो यह मापते हैं कि नया वाक्य पुराने वाक्य से शब्द-दर-शब्द कितनी निकटता से मेल खाता है), तो उनके सिस्टम का स्कोर वास्तव में काफी कम रहा। ऐसा इसलिए था क्योंकि उनके सिस्टम ने चुटकुले को जीवित रखने के लिए जानबूझकर शाब्दिक अनुवादों से परहेज किया। हालाँकि, जब वास्तविक मानव विशेषज्ञों ने, जो फ्रांसीसी बोलने में कुशल थे, चुटकुलों को पढ़ा, तो टीम के सिस्टम ने 51 टीमों में से प्रथम और द्वितीय स्थान प्राप्त किया। मनुष्यों को चुटकुले पसंद आए क्योंकि वे वास्तव में मजेदार थे और फ्रांसीसी में अर्थपूर्ण थे, भले ही वे अंग्रेजी मूल के बिल्कुल समान न दिख रहे हों।

यह शोध पत्र सुझाव देता है कि शब्द-क्रीड़ा का सफलतापूर्वक अनुवाद करने के लिए, हमें पूर्ण अनुवादक बनने के बजाय रचनात्मक भागीदार बनने की आवश्यकता है। शोधकर्ताओं ने पाया कि हालांकि नवीनतम AI मॉडल यह पहचानने में बहुत अच्छे हैं कि चुटकुला कहाँ है, उन्हें सही फ्रांसीसी शब्द खोजने के लिए मदद की आवश्यकता होती है जो सही ध्वनि और अर्थ रखते हों। एक "गाइड" (जो ध्वनियों और अर्थों को देखता है) और न्यायाधीशों के एक "पैनल" (जो चुटकुले को परिष्कृत करता है) को मिलाकर, उन्होंने दिखाया कि कंप्यूटर ऐसे चुटकुले सुनाना सीख सकते हैं जो भाषाओं के पार काम करते हैं। उन्होंने हर एक चुटकुले को पूरी तरह से हल नहीं किया, लेकिन उन्होंने यह साबित कर दिया कि लक्ष्य को "शाब्दिक सटीकता" से बदलकर "मजेदार समानता" करना सही तरीका है।