Using street view images and visual LLMs to predict heritage values for governance support: Risks, ethics, and policy implications
यह शोध पत्र स्वीडन के भवन स्टॉक में विरासत मूल्यों की पहचान करने के लिए राष्ट्रीय भवन नवीनीकरण योजनाओं का समर्थन करने हेतु स्ट्रीट व्यू छवियों का विश्लेषण करने के लिए मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स के उपयोग का मूल्यांकन करता है, जबकि पारदर्शिता, त्रुटि पहचान और शासन में चाटुकारिता से संबंधित संबद्ध जोखिमों, नैतिक चिंताओं और नीतिगत निहितार्थों को आलोचनात्मक रूप से संबोधित 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
कल्पना कीजिए कि आप ऊर्जा बचाने के लिए एक पूरे शहर के घरों का नवीनीकरण करने की कोशिश कर रहे हैं, लेकिन आपके पास एक बहुत बड़ी कमी है: आपको यह नहीं पता कि कौन से घर विशेष "विरासत" (हेरिटेज) वाली इमारतें हैं जिन्हें अतिरिक्त देखभाल की आवश्यकता है। स्वीडन में, इन विशेष घरों की कोई पूर्ण सूची नहीं है। यह वैसा ही है जैसे बिना यह जाने कि कौन सी वस्तुएं नाजुक प्राचीन चीजें हैं और कौन सी सिर्फ पुराने टी-शर्ट हैं, यात्रा के लिए सूटकेस पैक करना।
यह शोध पत्र वर्णन करता है कि कैसे स्वीडिश अधिकारियों ने एक "मल्टीमॉडल लार्ज लैंग्वेज मॉडल" (LLM) नामक एक नए प्रकार की "डिजिटल आंख" का उपयोग करके इस समस्या को हल करने का प्रयास किया। उन्होंने इसे कैसे किया, उन्हें क्या मिला, और रास्ते में उन्होंने किन चेतावनियों की खोज की, यहाँ बताया गया है।
डिजिटल जासूस
इंसानी विशेषज्ञों को पूरे स्वीडन की हर गली में भेजने के बजाय (जिसमें बहुत समय और पैसा खर्च होता), शोधकर्ताओं ने एक ऐसे AI का उपयोग किया जिसे "देखने" और "पढ़ने" के लिए प्रशिक्षित किया गया था। उन्होंने AI को गूगल स्ट्रीट व्यू से ली गई इमारतों के अग्रभाग (फसाड) की 1.5 लाख से अधिक तस्वीरें दीं।
AI को एक बहुत ही तेज़ और बहुत अधिक पढ़ा-लिखा कला छात्र समझें। शोधकर्ताओं ने उसे एक विशिष्ट चेकलिस्ट दी (इस आधार पर कि मानव विशेषज्ञ आमतौर पर इमारतों का निर्णय कैसे लेते हैं) और पूछा: "इस फोटो को देखो। क्या यह इमारत दिखती है कि इसमें ऐतिहासिक या सांस्कृतिक मूल्य है? इसे 1 से 100 के बीच रेट करो।"
उन्होंने AI को नए नियम नहीं सिखाए; उन्होंने बस इसे अपने मौजूदा ज्ञान का उपयोग करके एक "जीरो-शॉट" अनुमान लगाने के लिए कहा। यह किसी जानकार मित्र से बिना किसी पाठ्यपुस्तक को देखे किसी पेंटिंग का निर्णय लेने के लिए कहने जैसा है।
परिणाम: एक अच्छी शुरुआत, लेकिन पूर्ण नहीं
AI ने इमारतों के एक विशाल क्षेत्र (लग लगभग 50 लाख वर्ग मीटर फ्लोर स्पेस) को स्कैन करने और लगभग 1-2% इमारतों को "संभावित विरासत" के रूप में चिह्नित करने में सफलता प्राप्त की।
- अच्छी खबर: AI स्पष्ट रूप से "पुरानी और भव्य" दिखने वाली इमारतों को पहचानने में आश्चर्यजनक रूप से सक्षम था। यदि किसी इमारत में क्लासिक अलंकरण थे या वह बहुत पुरानी दिखती थी, तो AI ने उसे उच्च स्कोर दिया।
- बुरी खबर: AI थोड़ा "रूढ़िवादी" था। इसने उन साधारण, रोजमर्रा की इमारतों को अनदेखा कर दिया जो स्थानीय समुदाय के लिए अभी भी सांस्कृतिक रूप से महत्वपूर्ण हो सकती हैं। इसमें एक पूर्वाग्रह भी दिखा: इसे समृद्ध क्षेत्रों और स्टॉकहोम (राजधानी) की इमारतों से गरीब क्षेत्रों या छोटे शहरों की इमारतों की तुलना में अधिक लगाव था।
"चापलूस" (Sycophant) की समस्या
शोध पत्र में सबसे दिलचस्प निष्कर्षों में से एक AI का व्यक्तित्व है। शोधकर्ता इसे "चापलूसी" (Sycophancy) कहते हैं।
एक ऐसे 'जी-हजूर' की कल्पना करें जो हमेशा आपसे सहमत होता है और बहुत आत्मविश्वास के साथ बोलता है, भले ही वह गलत हो। LLMs को विनम्र और सुवक्ता बनने के लिए प्रशिक्षित किया जाता है। यदि आप उनसे कोई प्रश्न पूछते हैं, तो वे बहुत ही आत्मविश्वासपूर्ण और विस्तृत उत्तर देंगे, भले ही वे "हैलुसिनेट" (मनगढ़ंत बातें बनाना) कर रहे हों।
शोध पत्र चेतावनी देता है कि यदि अधिकारी केवल AI के आत्मविश्वासपूर्ण टेक्स्ट पर भरोसा करते हैं, तो वे मूर्ख बन सकते हैं। इसे ठीक करने के लिए, शोधकर्ताओं ने AI को लंबे पैराग्राफ के बजाय संख्याएं (जैसे 50 या 80 का स्कोर) आउटपुट करने के लिए मजबूर किया। इससे मानव विशेषज्ञों के लिए गणित की जांच करना और त्रुटियों को पकड़ना आसान हो गया, बजाय इसके कि वे AI की चिकनी-चुपड़ी बातों से प्रभावित हो जाएं।
मानवीय सुरक्षा जाल (Human Safety Net)
यह शोध पत्र इस बात पर जोर देता है कि यह AI टूल मानव विशेषज्ञों का विकल्प नहीं है। यह एक उच्च गति वाली छंटनी मशीन की तरह है।
- प्रक्रिया: AI लाखों तस्वीरों को छाँटता है और उन्हें चिह्नित करता है जो विशेष हो सकती हैं।
- मानवीय भूमिका: मानव विरासत विशेषज्ञ फिर चिह्नित इमारतों को देखते हैं और अंतिम निर्णय लेते हैं।
शोधकर्ताओं ने इसका परीक्षण विशेषज्ञों द्वारा AI द्वारा चुनी गई यादृच्छिक (रैंडम) नमूनों की जांच करवाकर किया। विशेषज्ञ इस बात पर सहमत थे कि AI ने सफलतापूर्वक उन इमारतों को खोज लिया था जिनमें वास्तव में विरासत संबंधी विशेषताएं थीं। हालांकि, उन्होंने यह भी नोट किया कि AI ने कई अन्य इमारतों को छोड़ दिया जिन्हें मनुष्य मूल्यवान मानते।
बड़ी चेतावनियाँ
शोध पत्र उन लोगों के लिए कुछ महत्वपूर्ण "चेतावनी संकेतों" के साथ समाप्त होता है जो इस तकनीक का उपयोग कर रहे हैं:
- पूर्वाग्रह वास्तविक है: AI ने मनुष्यों द्वारा बनाए गए डेटा से सीखा है, और मनुष्यों में पूर्वाग्रह होते हैं। AI का रुझान था कि समृद्ध मोहल्लों की इमारतों को गरीब मोहल्लों की तुलना में अधिक "विरासत के योग्य" माना जाए। यदि अंधाधुंध उपयोग किया गया, तो यह अनुचित नीतियों की ओर ले जा सकता है।
- संदर्भ मायने रखता है: किसी इमारत का मूल्य केवल सड़क से उसके दिखने के बारे में नहीं है। यह उसके इतिहास, वहां रहने वाले लोगों और समुदाय के लिए उसके अर्थ के बारे में है। AI केवल इमारत की "त्वचा" (अग्रभाग) देख सकता है, उसकी "आत्मा" (इतिहास) नहीं।
- "जी-हजूर" पर भरोसा न करें: क्योंकि AI इतना आत्मविश्वासी है, इसलिए मनुष्यों को अतिरिक्त सावधानी बरतने की आवश्यकता है कि वे इसे अंतिम निर्णय न लेने दें। यह मदद करने के लिए एक उपकरण है, निर्णय लेने के लिए नहीं।
मुख्य निष्कर्ष
इस परियोजना ने दिखाया कि AI सरकारों के लिए एक शक्तिशाली "सहायक" हो सकता है, जिससे उन्हें उन इमारतों को खोजने के लिए तेजी से स्कैन करने में मदद मिलती है जिन्हें संरक्षण की आवश्यकता हो सकती है। हालाँकि, यह कोई जादू की छड़ी नहीं है। यह तब सबसे अच्छा काम करता है जब इसे एक विशाल सूची को कम करने के लिए पहले चरण के रूप में उपयोग किया जाता है, और अंतिम, सूक्ष्म निर्णय उन मानव विशेषज्ञों पर छोड़े जाते हैं जो स्थानीय इतिहास और संस्कृति को समझते हैं।
संक्षेप में: घास के ढेर में सुइयों को खोजने के लिए AI का उपयोग करें, लेकिन यह तय करने दें कि वास्तव में कौन सी सुइयां कीमती हैं।
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।