Privacy-Aware Predictions in Participatory Budgeting
यह शोध पत्र एक गोपनीयता-संरक्षण दृष्टिकोण प्रस्तावित करता है जो सहभागी बजट प्रस्तावों के लिए फंडिंग परिणामों की भविष्यवाणी करने हेतु परियोजना के पाठ्य विवरणों और गुमनाम ऐतिहासिक मतदान रिकॉर्ड का उपयोग करता है, जिससे आयोजकों को व्यक्तिगत रूप से पहचान योग्य जानकारी पर निर्भर रहे बिना बड़ी मात्रा में सबमिशन को प्रबंधित करने में सहायता मिलती 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 एक नगर परिषद के पास पैसों का एक बड़ा जार है और वह इसे उन चीजों पर खर्च करना चाहती है जो समुदाय वास्तव में चाहता है, जैसे नए पार्क, बेहतर बस स्टॉप, या खेल के मैदान। इसे सहभागी बजटिंग (Participatory Budgeting) कहा जाता है। नागरिक अपने विचार प्रस्तावित करते हैं, और फिर सभी उन पर मतदान करते हैं।
हालाँकि, एक समस्या है: बड़े शहरों में, लोग हजारों विचार प्रस्तुत कर सकते हैं। टूलूज़ (Toulouse) या व्रोकला (Wrocław) जैसे शहर में 1,000 से अधिक परियोजना प्रस्ताव मिलना इमेजिन करें। शहर के आयोजक हर एक को पढ़ नहीं सकते, उनके विवरण को समझ नहीं सकते और मतदान शुरू होने से पहले यह पता नहीं लगा सकते कि कौन से लोकप्रिय हैं। आमतौर पर, स्वयंसेवकों का एक छोटा समूह कागजी कार्रवाई के इस पहाड़ को मैन्युअल रूप से छांटने के लिए मजबूर होता है, जो धीमा, महंगा और कभी-कभी जनता के लिए थोड़ा रहस्यमय होता है।
यह शोध पत्र एक स्मार्ट, गोपनीयता-अनुकूल सहायक (privacy-friendly assistant) बनाने के बारे में है जो शहर के आयोजकों को मतदान शुरू होने से पहले प्रस्तावों को छांटने में मदद कर सके।
लक्ष्य: परियोजना की लोकप्रियता के लिए एक "क्रिस्टल बॉल" (भविभविष्य बताने वाला यंत्र)
शोधकर्ता चाहते थे कि एक ऐसा टूल बनाया जाए जो एक नए प्रोजेक्ट प्रस्ताव को देख सके और अनुमान लगा सके: "इसे कितने वोट मिलेंगे?"
यदि टूल यह अनुमान लगा सकता है कि कौन सी परियोजनाएं लोकप्रिय होने की संभावना रखती हैं, तो आयोजक इस जानकारी का उपयोग कर सकते हैं:
- शोर को फ़िल्टर करने के लिए: सबसे आशाजनक विचारों पर अपना ध्यान केंद्रित करने के लिए।
- पारदर्शिता के लिए: जनता को यह स्पष्ट रूप से दिखाने के लिए कि उन्होंने यह कैसे तय किया कि किन परियोजनाओं को आगे बढ़ाया जाए, बजाय इसके कि केवल यह कहें कि "एक समिति ने निर्णय लिया।"
- गोपनीयता की रक्षा के लिए: महत्वपूर्ण बात यह है कि वे यह सब बिना यह देखे कि किसने किस चीज़ के लिए वोट दिया या व्यक्तिगत डेटा (जैसे उनकी आयु, आय, या पता) का उपयोग किए बिना करना चाहते थे। वे केवल प्रोजेक्ट के विवरण और पिछले चुनाव परिणामों का उपयोग करना चाहते थे।
उन्होंने इसका परीक्षण कैसे किया
शोधकर्ताओं ने जासूसों की तरह दो वास्तविक शहरों: टूलूज़, फ्रांस और व्रोकला, पोलैंड के डेटा का अध्ययन किया।
- उन्होंने प्रत्येक शहर के एक पुराने चुनाव से डेटा लिया (जिसे "प्रशिक्षण" या "training" डेटा कहा जाता है)।
- उन्होंने उसी शहर के एक नए चुनाव के परिणामों की भविष्यवाणी करने की कोशिश की (जिसे "परीक्षण" या "test" डेटा कहा जाता है)।
- उन्होंने भविष्यवाणियां करने के लिए दो अलग-अलग प्रकार के "मस्तिष्क" का उपयोग किया:
- क्लासिक मैथ मॉडल: पारंपरिक कंप्यूटर एल्गोरिदम (जैसे ElasticNet और XGBoost) जो संख्याओं और शब्दों में पैटर्न खोजते हैं।
- लार्ज लैंग्वेज मॉडल्स (LLMs): उन्नत AI चैटबॉट्स (जैसे GPT-4 और Llama) जिनका उपयोग आमतौर पर कहानियाँ लिखने या उत्तर देने के लिए किया जाता है।
AI से पूछने के "तीन तरीके"
शोधकर्ताओं ने AI से भविष्यवाणी करने के लिए तीन अलग-अलग तरीकों का परीक्षण किया, ठीक वैसे ही जैसे आप किसी मित्र से सलाह मांग सकते हैं:
- "ज़ीरो-शॉट" (केवल अनुमान): आप AI से पूछते हैं, "यहाँ एक प्रोजेक्ट का विवरण है। इसे कितने वोट मिलेंगे?" बिना उसे कोई इतिहास दिए।
- परिणाम: AI इसमें बहुत खराब था। यह ऐसा था जैसे किसी से बिना किसी पूर्वानुमान के किसी शहर के मौसम का अनुमान लगाने के लिए कहना जहाँ उसने पहले कभी यात्रा न की हो।
- "फुल कॉन्टेक्स्ट" (सूची): आप AI को पिछले वर्ष के सभी प्रोजेक्ट्स की एक सूची देते हैं, लेकिन जगह बचाने के लिए उनके लंबे विवरण हटा देते हैं। आप इसे केवल नाम, लागत और श्रेणी देते हैं।
- परिणाम: यह ठीक था, लेकिन बहुत अच्छा नहीं। AI ने इस सूक्ष्मता को मिस कर दिया कि वास्तव में प्रोजेक्ट क्या थे।
- "RAG" (स्मार्ट रिसर्चर): यह विजेता है। आप AI को बताते हैं: "यहाँ नया प्रोजेक्ट है। अब, पिछले साल के सबसे मिलते-जुलते प्रोजेक्ट्स को देखें (उनके विवरण के आधार पर) और देखें कि उनका प्रदर्शन कैसा रहा।"
- परिणाम: यह आश्चर्यजनक रूप से अच्छा काम कर गया। यह एक स्थानीय विशेषज्ञ से पूछने जैसा है, "मैं एक नया पार्क बनाने की सोच रहा हूँ। पिछले साल, हमने एक समान पार्क बनाया था और वह एक समान पड़ोस में था, जिसे 5,000 वोट मिले थे। इसके आधार पर, यह नया वाला कैसा करेगा?"
उन्हें क्या पता चला
- टेक्स्ट (शब्द) मायने रखते हैं: AI को अच्छा काम करने के लिए प्रोजेक्ट के वास्तविक विवरण को पढ़ने की आवश्यकता थी। यदि आप इसे केवल लागत और श्रेणी (जैसे, "स्पोर्ट्स," "$10,000") देते हैं, तो यह वोटों की सटीक भविष्यवाणी नहीं कर पाता। लोग अपने विचारों को समझाने के लिए जिन शब्दों का उपयोग करते हैं, उनमें उनकी लोकप्रियता का रहस्य छिपा होता है।
- रैंकिंग, गिनती से आसान है: AI वोटों की सटीक संख्या का अनुमान लगाने में (जैसे, "इसे 4,321 वोट मिलेंगे") एकदम परफेक्ट नहीं था। हालाँकि, यह रैंकिंग करने में बहुत अच्छा था। यह विश्वसनीय रूप से कह सकता था, "प्रोजेक्ट A, प्रोजेक्ट B से अधिक लोकप्रिय है।"
- AI बनाम इंसान: AI का प्रदर्शन क्लासिक मैथ मॉडल्स के बराबर था। इसने जादू से उन्हें हराया नहीं, लेकिन यह काम उतना ही अच्छी तरह से कर सकता था।
- गोपनीयता सर्वोपरि: यह सिस्टम बिना यह जाने भी पूरी तरह से काम करता रहा कि मतदाता कौन थे। इसे केवल इस बात की आवश्यकता थी कि अतीत में क्या सफल रहा।
मुख्य निष्कर्ष (The Bottom Line)
शोध पत्र निष्कर्ष निकालता है कि हम सहभागी बजटिंग में प्रोजेक्ट प्रस्तावों के "हिमस्खलन" को प्रबंधित करने में मदद करने के लिए AI का उपयोग कर सकते हैं।
इसे एक प्री-स्क्रीनिंग फ़िल्टर की तरह समझें। AI अंतिम निर्णय नहीं लेता या मतदान प्रक्रिया की जगह नहीं लेता। इसके बजाय, यह एक सहायक के रूप में कार्य करता है जो कहता है, "इन 1,000 विचारों में से, यहाँ वे शीर्ष 300 हैं जो इतिहास और विवरण के आधार पर सबसे अधिक लोकप्रिय होने की संभावना रखते हैं।" यह मानव आयोजकों को सबसे व्यवहार्य परियोजनाओं पर अपना समय केंद्रित करने की अनुमति देता है, जिससे पूरी लोकतांत्रिक प्रक्रिया तेज़, सस्ती और अधिक पारदर्शी हो जाती है, जबकि मतदाता की गोपनीयता भी बनी रहती है।
शोध पत्र से महत्वपूर्ण चेतावनी:
लेखक चेतावनी देते हैं कि इस टूल का उपयोग मतदान प्रक्रिया को बदलने या स्वचालित रूप से अंतिम निर्णय लेने के लिए नहीं किया जाना चाहिए। यह "शॉर्टलिस्टिंग" चरण के लिए एक सहायता उपकरण है। साथ ही, वे नोट करते हैं कि यदि लोग विशेष रूप से AI को "धोखा" देने के लिए अपने प्रस्ताव लिखना शुरू कर देते हैं, तो सिस्टम उतना अच्छा काम नहीं करेगा। यह मनुष्यों की मदद करने के लिए एक उपकरण है, उन्हें बदलने के लिए नहीं।
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।