AI-generated podcasts: Synthetic Intimacy and Cultural Mistranslation in NotebookLM's Audio Overviews
यह शोध पत्र गूगल के नोटबुकएलएम (NotebookLM) एआई पॉडकास्ट का एक नए मीडिया रूप के रूप में विश्लेषण करता है जो विविध सामग्री को एक श्वेत, शिक्षित, मिड-वेस्टर्न अमेरिकी सांस्कृतिक ढांचे में मानकीकृत करने के लिए एक निश्चित टेम्पलेट पर निर्भर करता है, जिससे पॉडकास्ट शैली विशिष्ट सामुदायिक जुड़ाव के उपकरण से एक अमूर्त, समरूप माध्यम में बदल जाती 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 आपके पास एक जादुई, सुपर-स्मार्ट रोबोट लाइब्रेरियन है जिसका नाम NotebookLM है। आप इसे कोई भी दस्तावेज़ दे सकते हैं—एक नॉर्वेजियन विश्वविद्यालय की बैठक, किसी दूसरी भाषा में एक चुटकुला, या 1817 की एक पुरानी केमिस्ट्री की किताब—और यह तुरंत आपके लिए एक पॉडकास्ट बना देगा।
लेकिन यहाँ एक ट्विस्ट है: रोबोट वास्तव में आपके दस्तावेज़ को "समझता" नहीं है। इसके बजाय, यह हर एक दस्तावेज़ को एक ही कठोर, पूर्व-निर्धारित सांचे में ढाल देता है।
जिल वॉकर रेटबर्ग का यह पेपर एक जासूसी कहानी की तरह है जहाँ लेखिका इस रोबोट लाइब्रेरियन की जांच करती हैं कि क्या होता है जब वह दुनिया के बारे में कहानियाँ सुनाने की कोशिश करता है। यहाँ उन्होंने जो पाया, उसे सरल भाषा में समझाया गया है:
1. "कुकी कटर" पॉडकास्ट
मान लीजिए कि मानव पॉडकास्टर ऐसे शेफ हैं जो अलग-अलग मेहमानों के लिए अलग-अलग भोजन पकाते हैं। यदि आप एक मानव होस्ट से एक गंभीर नॉर्वेजियन विश्वविद्यालय बैठक के बारे में बात करने के लिए कहते हैं, तो वे एक गंभीर लहजा अपना सकते हैं। यदि आप उन्हें एक मूर्खतापूर्ण चुटकुले के बारे में बात करने के लिए कहते हैं, तो वे हंस सकते हैं।
NotebookLM अलग है। यह एक ऐसी मशीन की तरह है जिसके पास केवल एक ही रेसिपी है: "द चैटी अमेरिकन रेडियो शो" (बातूनी अमेरिकी रेडियो शो)।
आप इसे जो कुछ भी खिलाएं, आउटपुट हमेशा एक जैसा ही सुनाई देता है: दो होस्ट (एक पुरुष जैसी आवाज़ और एक महिला जैसी आवाज़ वाला) एक जेनेरिक अमेरिकी लहजे में, एक सुपर-उत्साही, "चुलबुले" मिड-वेस्टर्न अंदाज में बात करते हैं। वे एक-दूसरे की बात काटते हैं, "राइट!" और "एग्जैक्टली!" जैसे शब्दों का लगातार प्रयोग करते हैं, और ऐसा व्यवहार करते हैं जैसे वे कॉफी पीते हुए आपस में बातें कर रहे पक्के दोस्त हों।
लेखिका इसे "सिंथेटिक इंटिमेसी" (कृत्रिम आत्मीयता) कहती हैं। यह एक गर्मजोशी भरी, व्यक्तिगत बातचीत जैसा दिखता और सुनाई देता है, लेकिन वास्तव में यह एक खोखला खोल है। यह एक पुतले की तरह है जिसने आरामदायक स्वेटर पहना हो; यह एक इंसान जैसा दिखता है, लेकिन इसके पीछे कोई वास्तविक शरीर या आत्मा नहीं है।
2. वह "सांस्कृतिक अनुवादक" जो गलतियाँ करता है
लेखिका ने यह देखने के लिए कि यह रोबोट विभिन्न "सामग्रियों" को कैसे संभालता है, चार बहुत अलग चीज़ों के साथ इसका परीक्षण किया:
- नॉर्वेजियन विश्वविद्यालय की बैठक: रोबोट ने टेक्स्ट को अंग्रेजी में अनुवादित किया लेकिन गलती से एक नॉर्वेजियन सार्वजनिक विश्वविद्यालय (जो मुफ्त और सरकारी वित्त पोषित है) को एक अमेरिकी विश्वविद्यालय (जो छात्र ट्यूशन फीस पर निर्भर है) में बदल दिया। इसने एक स्थानीय, सार्वजनिक दस्तावेज़ को एक अमेरिकी बिजनेस मॉडल में जबरदस्ती फिट कर दिया जो उस पर लागू नहीं होता था।
- नॉर्वेजियन चुटकुला: लेखिका ने एक ऐसा चुटकुला अपलोड किया जो एक नॉर्वेजियन शब्द पर आधारित है जो "माउस" जैसा सुनाई देता है लेकिन उसका अर्थ कुछ अभद्र भी है। रोबट चुटकुले के पंचलाइन को नहीं समझ सका। इसके बजाय, उसने चुटकुले के पंचलाइन को नजरअंदाज कर दिया और इसे "इच्छाएं पूरी होने" की एक जेनेरिक कहानी में बदल दिया, जिससे उसका हास्य पूरी तरह गायब हो गया।
- अफ्रीकी अमेरिकी ब्लॉग पोस्ट: लेखिका ने एक ब्लॉग अपलोड किया जो AAVE (अफ्रीकी अमेरिकी वर्नाकुलर इंग्लिश) में लिखा गया था, जिसकी एक विशिष्ट लय और संस्कृति है। रोबोट ने उस अनूठी विशिष्टता को हटा दिया और उसे स्टैंडर्ड अमेरिकन इंग्लिश में फिर से लिख दिया, जिससे वह विनम्र और जेनेरिक लगने लगा।
- 1817 की केमिस्ट्री बुक: लेखिका ने एक पुरानी, धीमी, गंभीर विज्ञान की किताब अपलोड की जो एक शिक्षक और छात्रों के बीच एक शांत बातचीत के रूप में लिखी गई थी। रोबोट ने इसे एक हाइपर-एक्साइटेड, आधुनिक हाइप-फेस्ट में बदल दिया, यह दिखाते हुए कि वह पुराना विज्ञान कितना "हैरान कर देने वाला" (mind-blowing) और "रोंगटे खड़े कर देने वाला" (chilling) है, जिससे किताब का मूल शांत, शैक्षिक लहजा खो गया।
सबक: रोबोट केवल शब्दों का अनुवाद नहीं करता है; यह संस्कृति का अनुवाद करता है। यह दुनिया भर की हर चीज़ को लेकर उसे तब तक चिकना करता रहता है जब तक कि वह ऐसा न लगे जैसे उसे 2026 के एक श्वेत, शिक्षित, मध्यम वर्गीय अमेरिकी द्वारा लिखा गया हो।
3. "खाली PDF" का खेल
यह साबित करने के लिए कि रोबोट केवल एक स्क्रिप्ट का पालन कर रहा था, लेखिका ने एक पूरी तरह से खाली PDF फाइल (एक खाली पेज) अपलोड की।
बिना किसी सोर्स मटेरियल के भी, रोबोट ने पॉडकास्ट बनाना शुरू कर दिया! वह "संपादित विषयों" (redacted topics) के बारे में बात करने लगा और सोर्स मटेरियल का इंतज़ार करने लगा। उसने नकली उद्धरण और रहस्यमय वाक्यांश भी बनाए जैसे "द कंड्यूट मस्ट रिमेन ऑब्स्क्योर्ड" (कंड्यूट को अस्पष्ट रहना चाहिए)।
इससे सिद्ध हुआ कि पॉडकास्ट वास्तव में आपके दस्तावेज़ के बारे में नहीं है। यह उस टेम्पलेट के बारे में है जिसके साथ रोबोट को प्रोग्राम किया गया है। रोबोट अपने "डीप डाइव" स्क्रिप्ट का पालन करने के लिए इतना उत्सुक है कि वह समय भरने के लिए तथ्य भी गढ़ लेगा।
4. यह क्यों महत्वपूर्ण है: "असली" आवाजों का नुकसान
लेखिका का तर्क है कि मानव पॉडकास्ट इसलिए विशेष थे क्योंकि वे "बहु-सार्वजनिक क्षेत्रों" (multiple public spheres) का निर्माण करते थे।
- पुराना रेडियो: एक आवाज जो सभी के लिए एक साथ बोलती थी (एक साझा सार्वजनिक क्षेत्र)।
- मानव पॉडकास्ट: विशिष्ट समुदायों से जुड़ी कई आवाजें जो विशिष्ट बातें करती थीं (एक श्रमिक वर्ग की आवाज, एक ब्लैक कम्युनिटी की आवाज, एक स्थानीय नॉर्वेजियन आवाज)। वे वास्तविक महसूस होते थे क्योंकि वे एक विशिष्ट समय, स्थान और संस्कृति में स्थित थे।
AI पॉडकास्ट इसे तोड़ देते हैं।
वे एक विशिष्ट विषय (जैसे कि एक विशिष्ट नॉर्वेजियन विश्वविद्यालय की बैठक) को लेते हैं और उसे आपके सामने इस तरह पेश करते हैं जो सार्वभौमिक लगता है लेकिन वास्तव में जेनेरिक है। यह एक अद्वितीय, हाथ से पेंट किए गए स्थानीय मानचित्र को फोटोकॉपी मशीन से चलाने जैसा है जो केवल ब्लैक एंड व्हाइट प्रिंट करती है। आप अभी भी रेखाएं देख सकते हैं, लेकिन सारा रंग, बनावट और स्थानीय विवरण गायब हो जाते हैं।
निष्कर्ष
पेपर यह निष्कर्ष निकालता है कि हालांकि ये AI पॉडकास्ट प्रभावशाली उपकरण हैं, वे विविध, स्थापित आवाजों की दुनिया से दूर जाने का प्रतिनिधित्व करते हैं। एक विशिष्ट स्थान के विशिष्ट व्यक्ति को सुनने के बजाय, हमें एक एकल, मानकीकृत "अमेरिकी आवाज" मिल रही है जो ऐसा दिखाने की कोशिश करती है जैसे वह सबको जानती है, लेकिन वास्तव में वह किसी को नहीं जानती।
यह अंतिम "गॉड ट्रिक" (God Trick) है: यह दावा करना कि वह हर जगह से सब कुछ देख सकती है, जबकि वास्तव में, वह केवल एक ही संकीर्ण, अमेरिकी-रंगीन लेंस के माध्यम से सब कुछ देख रही है।
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।