Reimagining Data Work: Participatory Annotation Workshops as Feminist Practice
यह शोधपत्र पत्रकारों और कार्यकर्ताओं के साथ सहभागी एनोटेशन कार्यशालाओं का एक केस स्टडी प्रस्तुत करता है जो यह प्रदर्शित करता है कि कैसे नारीवादी ज्ञानमीमांसा (feminist epistemology) संवाद को बढ़ावा देकर, "सामरिक सहमति" (tactical consensus) को बातचीत के माध्यम से तय करके, और एआई विकास में पारंपरिक ज्ञान पदानुक्रमों को चुनौती देकर डेटा कार्य को एक संबंधपरक, राजनीतिक अभ्यास में बदल सकती 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
मुख्य तस्वीर: वास्तव में AI कौन बनाता है?
कल्पना कीजिए कि आप एक विशाल, सुपर-स्मार्ट रोबोट बना रहे हैं जिसे यह सीखने की आवश्यकता है कि मानवीय समाचार कहानियों को कैसे समझा जाए। इस रोबोट को सिखाने के लिए, आपको इसे हजारों उदाहरण दिखाने होंगे और कहना होगा, "यह एक अच्छी कहानी है," या "यह एक बुरी कहानी है।"
आमतौर पर, इस सिखाने का काम हजारों अदृश्य श्रमिकों द्वारा किया जाता है जो अंधेरे कमरों में बैठकर, चंद पैसों के लिए बटन क्लिक करते हैं। उन्हें मानवीय बैटरी (human batteries) की तरह माना जाता है—ऊर्जा की ऐसी इकाइयाँ जो रोबोट को स्मार्ट बनाने के लिए उपयोग की जाती हैं, जिनका इस बात पर कोई नियंत्रण नहीं होता कि रोबोट क्या सीख रहा है।
यह शोध पत्र उस पटकथा को बदलने के बारे में है।
शोधकर्ताओं, पत्रकारों और कार्यकर्ताओं के एक समूह ने डेटा श्रमिकों को बैटरी की तरह मानना बंद करने का निर्णय लिया। इसके बजाय, उन्होंने उन्हें सह-पायलट (co-pilots) की तरह माना। उन्होंने एक रोबोट को महिलाओं के खिलाफ हिंसा (femicide) से संबंधित समाचारों को समझने के लिए प्रशिक्षित करने हेतु कार्यशालाएं आयोजित कीं, लेकिन उन्होंने यह काम उन लोगों को सुनकर किया जो वास्तव में उस हिंसा के साथ जी रहे हैं और उसके खिलाफ लड़ रहे हैं।
समस्या: "असेंबली लाइन" बनाम "पोटलक" (Potluck)
पुराना तरीका (असेंबली लाइन):
पारंपरिक AI डेटा कार्य को एक फैक्ट्री असेंबली लाइन की तरह समझें। एक बड़े शहर का मैनेजर एक नियम पुस्तिका लिखता है (जैसे, "यदि 'जुनूनी' शब्द का उपयोग किया गया है, तो इसे 'बुरा' के रूप रूप में चिह्नित करें")। फिर, वे उस नियम पुस्तिका को विभिन्न देशों के श्रमिकों के पास भेजते हैं जो केवल निर्देशों का आँख मूंदकर पालन करते हैं।
- दोष: मैनेजर को यह नहीं पता होता कि कुछ संस्कृतियों में, "जुनूनी" (passionate) शब्द का एक बहुत ही विशिष्ट और खतरनाक अर्थ हो सकता है जिसे नियम पुस्तिका ने छोड़ दिया। रोबोट गलत सबक सीखता है क्योंकि श्रमिकों को बोलने की अनुमति नहीं थी।
नया तरीका (पोटलक - Potluck):
इन शोधकर्ताओं ने असेंबली लाइन के बजाय एक "पोटलक" (एक सामूहिक भोज जहाँ हर कोई अपना व्यंजन लाता है) आयोजित किया।
- पोटलक: हर कोई एक व्यंजन लाता है (अपना ज्ञान, अपनी संस्कृति, अपना अनुभव)। वे एक मेज के चारों ओर बैठते हैं, एक-दूसरे के व्यंजनों का स्वाद लेते हैं, और मिलकर तय करते हैं कि मेनू क्या होना चाहिए।
- परिणाम: उन्होंने केवल डेटा को लेबल नहीं किया; उन्होंने बहस की, हँसा, रोया और अपने विशिष्ट समुदायों में "अच्छी" और "बुरी" समाचार रिपोर्टिंग की एक साझा समझ विकसित की।
उन्होंने यह कैसे किया: चार स्तंभ
शोधकर्ताओं ने इस "पोटलक" को सफल बनाने के लिए चार मुख्य "सामग्री" का उपयोग किया:
1. संदर्भ को सीमाबद्ध करना (पड़ोस का नियम)
चुनौती: वे पूरी दुनिया के लोगों को शामिल करना चाहते थे। लेकिन जब उन्होंने सभी के लिए एक नियम बनाने की कोशिश की (जैसे, "क्या हमें पीड़ित का नाम लेना चाहिए?"), तो यह उलझ गया। कुछ स्थानों पर, पीड़ित का नाम लेना उन्हें सम्मान देता है; अन्य स्थानों पर, यह एक पवित्र सांस्कृतिक वर्जना (taboo) का उल्लंघन करता है।
समाधान: उन्होंने महसूस किया कि आप स्थानीय समस्याओं के लिए एक "वैश्विक" बातचीत नहीं कर सकते। उन्होंने पोटलक को पड़ोस (neighborhoods) में विभाजित कर दिया।
- उपमा: कल्पना कीजिए कि आप एक 'नेबरहुड वॉच' (पड़ोस की सुरक्षा) के नियम तय करने की कोशिश कर रहे हैं। यदि आप टोक्यो, न्यूयॉर्क और ग्रामीण ब्राजील के लोगों को एक कमरे में मिलाते हैं, तो वे हमेशा बहस करते रहेंगे। लेकिन यदि आपके पास केवल टोक्यो ब्लॉक के लिए एक बैठक होती है, तो वे इस पर सहमत हो सकते हैं कि उनके लिए क्या काम करता है।
- "रणनीतिक आम सहमति" (Tactical Consensus): उन्होंने एक वैश्विक सत्य के लिए सभी को मजबूर नहीं किया। इसके बजाय, उन्होंने अलग-अलग समूहों को अपने विशिष्ट संदर्भ के लिए सबसे अच्छा क्या है, इस पर सहमत होने दिया। इसे "रणनीतिक आम सहमति" कहा जाता है: एक व्यावहारिक समझौता जो काम के लिए उपयुक्त है, भले ही वह किसी और की सहमति से अलग हो।
2. संवाद की कई गहराईयाँ (बुफे/Buffet)
चुनौती: हर कोई एक जैसा काम नहीं करना चाहता। कुछ लोग विशेषज्ञ हैं; अन्य केवल जिज्ञासु हैं। कुछ के पास समय है; अन्य भारी भावनात्मक विषय से अभिभूत हैं।
समाधान: उन्होंने भागीदारी का एक "बुफे" बनाया।
- उपमा: एक बुफे के बारे में सोचें। कुछ लोग बस सलाद लेते हैं (वे कुछ लेख पढ़ते हैं)। कुछ लोग पूरा भोजन पकाते हैं (वे नियमों को डिजाइन करने और बैठकों का नेतृत्व करने में मदद करते हैं)।
- अंतर्दृष्टि: शोधकर्ताओं ने महसूस किया कि हर किसी को "पूरा भोजन पकाने" के लिए मजबूर करना अनुचित है। उन्होंने लोगों को यह चुनने दिया कि वे कितनी गहराई तक जाना चाहते हैं। इसने प्रक्रिया को टिकाऊ और लोगों के ऊर्जा स्तर के प्रति सम्मानजनक बना दिया।
3. श्रम को स्वीकार करना (बिल का भुगतान करना)
चुनौती: आमतौर पर, इस भावनात्मक कार्य (हत्या और हिंसा के बारे में पढ़ना) को करने वाले लोग इसे मुफ्त में करते हैं क्योंकि वे "परवाह" करते हैं। लेकिन परवाह करने का मतलब शोषण नहीं होना चाहिए।
समाधान: उन्होंने प्रतिभागियों को भुगतान किया।
- उपमा: यदि आप दोस्तों को सोफा हटाने में मदद करने के लिए बुलाते हैं, तो आप केवल यह नहीं कहते "आपकी दोस्ती के लिए धन्यवाद!" आप उन्हें पिज्जा खरीदते हैं और शायद पेट्रोल के पैसे भी देते हैं।
- सूक्ष्मता: वे इस बात के लिए संघर्ष कर रहे थे कि कैसे भुगतान किया जाए। क्या उन्हें प्रति घंटे के हिसाब से भुगतान करना चाहिए? प्रति लेख? उन्होंने महसूस किया कि हर क्लिक को गिनना एक गले मिलने (hug) को इंच में मापने जैसा है—यह मुख्य बात को छोड़ देता है। इसलिए, उन्होंने सभी को एक आधार राशि दी (यह कहने के लिए कि "हम आपके समय को महत्व देते हैं") और अधिक काम करने वालों के लिए अतिरिक्त राशि दी, जबकि यह भी स्वीकार किया कि पैसा सम्मान दिखाने का एकमात्र तरीका नहीं है।
4. देखभाल को केंद्र में रखना (सुरक्षा जाल)
चुनौती: हिंसा (femicide) के बारे में समाचार पढ़ना दर्दनाक है। यह किसी से बिना दस्ताने पहने अपराध स्थल की सफाई करने के लिए कहने जैसा है।
समाधान: उन्होंने कार्यशाला में "सुरक्षा जाल" (Safety Nets) बनाए।
- उपमा: भारी काम शुरू करने से पहले, उन्होंने सांस लेने के व्यायाम (breathing exercises) किए। उन्होंने ऐसे चैट समूह बनाए जहाँ लोग अपनी भड़ास निकाल सकें, रो सकें या आत्म-देखभाल (self-care) के सुझाव साझा कर सकें। उन्होंने श्रमिकों के साथ इंसानों के रूप में व्यवहार किया, न कि केवल डेटा-लेबलिंग मशीनों के रूप में।
- परिणाम: श्रमिकों के बीच एक बंधन बना। उन्होंने अपने साझा दुख और क्रोध को परिवर्तन के लिए एक शक्तिशाली शक्ति में बदल दिया, बजाय इसके कि उन्हें मानसिक रूप से थका दें।
मोड़: शायद हमें रोबोट की आवश्यकता ही नहीं है?
यहाँ कहानी का सबसे आश्चर्यजनक हिस्सा है।
शोधकर्ता इस विचार के साथ शुरू कर रहे थे, "आइए पत्रकारों को बेहतर कहानियाँ लिखने में मदद करने के लिए एक AI टूल बनाते हैं।"
लेकिन जैसे-जैसे वे मेज के चारों ओर बैठे और बातें कीं, प्रतिभागियों ने पूछना शुरू किया: "क्या हमें वास्तव में एक AI की आवश्यकता है?"
- साक्षात्कार: उन्होंने महसूस किया कि एक-दूसरे से बात करना, नियमों पर बहस करना और एक-दूसरे की संस्कृतियों को समझना, उस रोबोट से कहीं अधिक मूल्यवान था जिसे वे बनाने की कोशिश कर रहे थे।
- रूपक: वे एक कैलकुलेटर बनाने की सोच रहे थे जो उनके लिए गणित कर सके। लेकिन उन्होंने महसूस किया कि साथ बैठकर गणित की समस्या को हल करना ही वह वास्तविक चीज़ थी जिसने वास्तव में उन्हें बेहतर इंसान बनना सिखाया।
- परिणाम: "AI विकास" की प्रक्रिया आलोचनात्मक सोच (critical thinking) का एक उपकरण बन गई। इसने समुदाय को यह समझने में मदद की कि वास्तविक समाधान एक बेहतर एल्गोरिदम नहीं है; बल्कि बेहतर मानवीय संवाद और एकजुटता है।
निष्कर्ष (The Takeaway)
यह शोध पत्र हमें बताता है कि तकनीक बनाना ठंडा, कुशल और शोषणकारी होने की आवश्यकता नहीं है।
- पुराना तरीका: लोगों को मशीन के अदृश्य पुर्जों की तरह मानें।
- नया तरीका: लोगों को मशीन के वास्तुकार (architects) की तरह मानें।
धीमे होकर, लोगों को भुगतान करके, स्थानीय आवाजों को सुनकर और एक-दूसरे के भावनात्मक कल्याण की देखभाल करके, हम ऐसी तकनीक बना सकते हैं जो वास्तव में दुनिया को समझती है—और शायद, हम शायद यह भी महसूस कर सकते हैं कि हमें समस्या को हल करने के लिए तकनीक की आवश्यकता ही नहीं है। हमें बस एक-दूसरे को सुनने की आवश्यकता 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।