FactAppeal: Identifying Epistemic Factual Appeals in News Media
यह शोधपत्र FactAppeal प्रस्तुत करता है, जो 3,226 समाचार वाक्यों का एक मैन्युअल रूप से एनोटेट किया गया डेटासेट है जिसे सूक्ष्म साक्ष्य संरचनाओं और स्रोत विशेषताओं को कैप्चर करने के माध्यम से एपिस्टेमिक अपील पहचान (Epistemic Appeal Identification) के नवीन कार्य को आगे बढ़ाने के लिए डिज़ाइन किया गया है, साथ ही उन एनकोडर और जनरेटिव मॉडल्स का बेंचमार्किंग भी करता है जो 0.73 का मैक्रो-F1 स्कोर प्राप्त करते हैं।
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 एक समाचार की हेडलाइन पढ़ रहे हैं जिसमें लिखा है, "नया पुल पार करने के लिए सुरक्षित है।"
अतीत में, तथ्य-जांच (fact-check) करने वाले कंप्यूटर इस वाक्य को देखते ही यह पूछ लेते थे कि "क्या यह सच है या झूठ?" वे इस वाक्य को एक स्वतंत्र गणितीय समस्या की तरह मानते थे।
लेकिन असल जिंदगी में, हम केवल इसलिए विश्वास नहीं करते क्योंकि कोई बात लिख दी गई है। हम इसलिए विश्वास करते हैं क्योंकि वह बात किसने कही और कैसे कही।
- क्या सड़क पर खड़े किसी अनजान व्यक्ति ने यह कहा?
- क्या उस मुख्य इंजीनियर ने यह कहा जिसने पुल बनाया है?
- क्या किसी सरकारी रिपोर्ट ने इसकी पुष्टि की?
- क्या उन्होंने पुल की कोई फोटो दिखाई?
यह शोध पत्र एक नया टूल पेश करता है जिसे FACTAPPEAL (जिसका अर्थ है "तथ्यात्मक अपील") कहा जाता है, ताकि कंप्यूटर को इन "विश्वास संकेतों" (trust signals) को समझना सिखाया जा सके।
मूल विचार: "विश्वसनीयता का जासूस" (The Credibility Detective)
एक समाचार लेख को एक अदालत की तरह समझें।
- दावा (The Claim): वकील (पत्रकार) एक बयान देता है: "प्रतिवादी घटनास्थल पर मौजूद था।"
- साक्ष्य (The Evidence): वकील केवल चिल्लाता नहीं है; वह एक गवाह, एक फोटो या एक पुलिस रिपोर्ट की ओर इशारा करता है।
पिछले AI टूल्स खराब वकीलों की तरह थे जो केवल बयान को सुनते थे लेकिन साक्ष्यों को अनदेखा कर देते थे। FACTAPPEAL एक "विश्वसनीयता का जासूस" है जो पूरी तस्वीर को देखता है। यह पूछता है:
- क्या यह वास्तव में वास्तविकता के बारे में कोई दावा है? (या यह केवल एक राय है?)
- यदि यह एक दावा है, तो कौन इसका समर्थन कर रहा है?
- वे इसका समर्थन कैसे कर रहे हैं? (क्या वे सीधे तौर पर किसी गवाह को उद्धृत कर रहे हैं? क्या वे किसी विशेषज्ञ की बातों को अपने शब्दों में बता रहे हैं? या क्या वे एक फोटो दिखा रहे हैं?)
"विश्वास का मेनू" (The "Menu" of Trust)
शोधकर्ताओं ने एक विशाल "मेनू" बनाया है कि विभिन्न समाचार स्रोत हमें समझाने के लिए किन तरीकों का उपयोग करते हैं। उन्होंने इसे दो मुख्य श्रेणियों में विभाजित किया है, जैसे कि दो शाखाओं वाला एक पेड़:
1. "मैं वहां मौजूद था" शाखा (आंतरिक स्रोत - Internal Sources)
ये वे लोग या चीजें हैं जो घटना के बिल्कुल करीब थीं।
- सक्रिय प्रतिभागी (Active Participants): वे लोग जिन्होंने वह कार्य किया (जैसे, वह राजनेता जिसने कानून पर हस्ताक्षर किए)।
- गवाह (Witnesses): वे लोग जिन्होंने इसे होते देखा लेकिन इसे किया नहीं (जैसे, एक राहगीर)।
- प्रत्यक्ष साक्ष्य (Direct Evidence): घटनास्थल पर पाया गया भौतिक प्रमाण (जैसे, एक फोटो या उंगलियों के निशान)।
2. "मुझे इसके बारे में पता है" शाखा (बाहरी स्रोत - External Sources)
ये वे लोग हैं जो वहां मौजूद नहीं थे लेकिन उनके पास विशेष ज्ञान या अधिकार है।
- विशेषज्ञ (Experts): वैज्ञानिक या विशेषज्ञ जो घटना के पीछे के सिद्धांत को जानते हैं।
- अधिकारी (Officials): कानूनी या राजनीतिक शक्ति रखने वाले लोग (जैसे, EPA निदेशक)।
- दस्तावेज/रिपोर्ट (Documents/Reports): अध्ययन या पिछली समाचार रिपोर्टें जो तथ्यों का सारांश प्रस्तुत करती हैं।
डेटासेट: एनोटेटेड वाक्यों का एक विशाल पुस्तकालय
कंप्यूटर को सिखाने के लिए, लेखकों ने FACTAPPEAL नामक एक पुस्तकालय बनाया।
- उन्होंने वास्तविक समाचार लेखों से 3,226 वाक्य लिए।
- मानव विशेषज्ञों ने संपादकों की एक टीम की तरह इनका अध्ययन किया, और ठीक से हाइलाइट किया कि कौन सा शब्द दावा था और कौन सा शब्द स्रोत था।
- उन्होंने यहाँ तक टैग किया कि स्रोत का उल्लेख कैसे किया गया था (जैसे, "नाम लेकर" बनाम "बिना नाम के," "सीधा उद्धरण" बनाम "पैराफ्रेज किया हुआ")।
यह एक छात्र को ऐसी पाठ्यपुस्तक देने जैसा है जहाँ प्रत्येक तथ्य को रंग-कोडित (color-coded) किया गया है ताकि यह दिखाया जा सके कि जानकारी कहाँ से आई।
प्रयोग: रोबोट को सिखाना
शोधकर्ताओं ने विभिन्न प्रकार के AI मॉडल्स को ये वाक्य पढ़ने और "विश्वास संकेत" खोजने के लिए प्रशिक्षित करने का प्रयास किया।
- उन्होंने एन्कोडर मॉडल (Encoder models) का परीक्षण किया (इन्हें ऐसे ध्यान से पढ़ने वाले समझें जो एक-एक शब्द का विश्लेषण करते हैं)।
- उन्होंने जेनेरेटिव मॉडल (Generative models) का परीक्षण किया (इन्हें ऐसे रचनात्मक लेखक समझें जो एक साथ पूरी कहानी को समझते हैं)।
परिणाम: सबसे अच्छे मॉडल (Gemma 2 नामक एक बड़ा AI) ने लगभग 73% सटीकता प्राप्त की। यह एक अच्छी शुरुआत है, लेकिन यह दर्शाता है कि कंप्यूटर के लिए यह समझना अभी भी एक बहुत कठिन पहेली है कि हम किसी समाचार पर विश्वास क्यों करते हैं। AI "कौन" और "कैसे" को पहचानने में बेहतर हो रहा है, लेकिन यह अभी भी सूक्ष्म संकेतों के साथ संघर्ष करता है।
यह क्यों मायने रखता है?
फेक न्यूज और भ्रम से भरी दुनिया में, यह जानना कि एक तथ्य को कैसे समर्थित किया गया है, तथ्य के महत्वपूर्ण होने जितना ही जरूरी है।
- फैक्ट-चेकर्स के लिए: केवल यह जांचने के बजाय कि दावा सच है या नहीं, वे यह देख सकते हैं कि क्या दावा एक विश्वसनीय विशेषज्ञ द्वारा समर्थित है या केवल एक अफवाह है।
- समाज के लिए: यह हमें समझने में मदद करता है कि मीडिया हमारी वास्तविकता को कैसे आकार देता है। क्या हमें चीजें इसलिए बताई जा रही हैं क्योंकि हमारे पास ठोस सबूत हैं, या इसलिए क्योंकि एक राजनेता चिल्ला रहा है?
- भविष्य के लिए: यह टूल हमें ऐसा AI बनाने में मदद करता है जो केवल समाचार को "पढ़ता" नहीं है, बल्कि समाचार की विश्वसनीयता को वास्तव में "समझता" है।
संक्षेप में: FACTAPPEAL कंप्यूटर को समाचार को केवल ऊपरी तौर पर न देखने और वास्तव में यह पूछना सिखा रहा है, "आपको यह किसने बताया, और हमें उन पर विश्वास क्यों करना चाहिए?"
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।