SLAyiNG: A Diverse and Community-validated Dataset of Queer Slang
यह शोध पत्र "SLAyiNG" को प्रस्तुत करता है, जो 20 उप-समुदायों में 500 से अधिक अंग्रेजी क्वीर (queer) स्लैंग शब्दों का पहला समुदाय-सत्यापित डेटासेट है, जो यह प्रकट करता है कि हालांकि कई भाषा मॉडल क्वीर पहचानों के प्रति प्रतिनिधित्व पूर्वाग्रह की कमी रखते हैं, फिर भी वे क्वीर शब्दवली—विशेष रूप से अफ्रीकी-अमेरिकी और लैटिन (Latine) समुदायों के स्लैंग—को संसाधित करने में संघर्ष करते हैं, जो एनएलपी (NLP) प्रणालियों को बेहतर बनाने के लिए विविध भाषाई संसाधनों की आवश्यकता को रेखांकित 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
एक ऐसी दुनिया की कल्पना करें जहाँ कंप्यूटर विशाल, भूखे पाठकों की तरह हैं जिन्होंने अब तक लिखी गई लगभग हर किताब, वेबसाइट और बातचीत को निगल लिया है। ये मशीनें, जिन्हें लार्ज लैंग्वेज मॉडल्स (LLMs) कहा जाता है, उन चैटबॉट्स और एआई टूल्स के पीछे का मस्तिष्क हैं जिनका हम आज उपयोग करते हैं। वे शब्दों में पैटर्न पहचानकर सीखते हैं, और यह अनुमान लगाने की कोशिश करते हैं कि वाक्य में आगे क्या आएगा। लेकिन यहाँ एक पेंच है: यदि किसी कंप्यूटर ने बोलने का कोई विशिष्ट तरीका कभी नहीं सुना है, तो वह भ्रमित हो जाता है। वह एक दोस्ताना मज़ाक को अपमान समझ सकता है, या किसी सांस्कृतिक संदर्भ को समझने में पूरी तरह विफल हो सकता है। यह "सोशियोलेक्ट्स" (sociolects) के लिए एक बड़ी समस्या है—यानी विशिष्ट समूहों के लोगों द्वारा उपयोग की जाने वाली विशेष भाषाएँ, जैसे कि किशोर, गेमर्स, या LGBTQ+ समुदाय। जब एआई इन समूहों को नहीं समझ पाता, तो वह अनजाने में बुरा व्यवहार कर सकता है, लोगों की गलत पहचान कर सकता है, या बस ठीक से बातचीत करने में विफल हो सकता है। शोधकर्ता यह सवाल पूछ रहे हैं कि: हम इन डिजिटल मस्तिष्क को क्वीर (queer) समुदायों की समृद्ध, रंगीन और विकसित होती स्लैंग (slang) को बिना गलत समझे कैसे सिखाएं?
यहीं पर SLAYING नामक एक नया प्रोजेक्ट आता है। इसे क्वीर स्लैंग के लिए एक विशाल, समुदाय-अनुमोदित शब्दकोश और कहानी की किताब के रूप में समझें। शोधकर्ताओं ने महसूस किया कि जबकि एआई कई प्रकार की भाषा को समझने में बेहतर हो रहा है, वह अक्सर क्वीर बोलचाल (vernacular) पर लड़खड़ा जाता है। कभी-कभी, एआई इतना भ्रमित हो जाता है कि वह एक हानिरहित, उत्सवपूर्ण वाक्यांश को नफरत भरी भाषा (hate speech) समझ लेता है, या केवल इसलिए कि उपयोगकर्ता ने एक विशिष्ट शब्द का उपयोग किया है, वह एक रूखा जवाब देता है। इसे ठीक करने के लिए, टीम ने 500 से अधिक क्वीर स्लैंग शब्दों का पहला वास्तविक-दुनिया का डेटासेट बनाया, जिसमें यह बताया गया है कि वास्तव में वाक्यों में इन शब्दों का उपयोग कैसे किया जाता है (3,405 उदाहरणों के साथ)। उन्होंने इन शब्दों को केवल किसी पाठ्यपुस्तक से नहीं निकाला; उन्होंने उन्हें फिल्मों, पॉडकास्ट और सोशल मीडिया से एकत्र किया, और फिर यह सुनिश्चित करने के लिए कि प्रत्येक उदाहरण सही ढंग से उपयोग किया गया है और हानिकारक नहीं है, क्वीर समुदाय के वास्तविक सदस्यों से इसकी जाँच करवाई।
टीम ने इस नए डेटासेट का उपयोग करके कुछ लोकप्रिय एआई मॉडल्स का परीक्षण किया, और उन्हें कुछ आश्चर्यजनक पता चला। उन्होंने पाया कि एक कंप्यूटर क्वीर लोगों के प्रति "अच्छा" (यानी वह रूढ़ियाँ नहीं रखता या उनसे नफरत नहीं करता) हो सकता है, लेकिन फिर भी उनकी भाषा के बारे में "अनजान" हो सकता है। यह एक ऐसे दोस्त की तरह है जो आपसे प्यार करता है लेकिन आपके पसंदीदा 'इनसाइड जोक्स' (inside jokes) को नहीं समझता; वह बुरा नहीं बन रहा है, बस उसे संदर्भ समझ नहीं आ रहा है। अध्ययन ने दिखाया कि जब उन्होंने इस नए डेटासेट का उपयोग करके एआई मॉडल को प्रशिक्षित किया, जो हानिरक, समुदाय-अनुमोदित स्लैंग था, तो मॉडल वास्तव में न केवल शब्दों को, बल्कि सामान्य रूप से क्वीर लोगों को समझने में बेहतर हो गया।
हालाँकि, शोधकर्ताओं ने यह भी पाया कि एआई सभी के साथ समान व्यवहार नहीं कर रहा है। मॉडल विशिष्ट समूहों, विशेष रूप से अफ्रीकी-अमेरिकी और लाटिन (Latine) क्वीर समुदायों, साथ ही ड्रैग (drag) और नॉन-बाइनरी पहचानों से संबंधित शब्दों के साथ सबसे अधिक संघर्ष करते हैं। ऐसा लगता है जैसे एआई के पास उन समुदायों के लिए एक अंधा मोड़ (blind spot) है जिन्होंने उस स्लैंग को बनाया है जिसे वह सीखने की कोशिश कर रहा है। इसके अलावा, अध्ययन ने दिखाया कि "विषाक्त" (toxic) भाषा को पकड़ने के लिए डिज़ाइन किए गए स्वचालित सिस्टम अक्सर इन क्वीर शब्दों को खतरनाक के रूप में चिह्नित करते हैं, भले ही वे सकारात्मक या पुनरुद्धारित (reclaimed) तरीके से उपयोग किए जा रहे हों। यह सुझाव देता है कि इंटरनेट को सुरक्षित रखने वाले उपकरण अनजाने में क्वीर आवाजों को सेंसर कर रहे हैं। पेपर का सुझाव है कि इन मॉडल्स को क्वीर भाषा के अधिक विविध, वास्तविक-दुनिया के उदाहरण देकर, हम उन्हें समुदाय को बेहतर ढंग से समझने में मदद कर सकते हैं, जिससे उनकी भ्रमितता और निर्दोष भाषण को हानिकारक के रूप में गलत तरीके से चिह्नित करने की प्रवृत्ति, दोनों को कम किया जा सके।
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।