Phonological Fossils: Machine Learning Detection of Non-Mainstream Vocabulary in Sulawesi Basic Lexicon
यह अध्ययन सुलावेसी भाषाओं में गैर-मुख्यधारा की शब्दावली को संभावित प्री-ऑस्ट्रोनेशियन सबस्ट्रेट्स के रूप में पहचानने के लिए मशीन लर्निंग का उपयोग करता है, जो विशिष्ट ध्वन्यात्मक पैटर्न को प्रकट करता है लेकिन सुसंगत शब्द परिवारों की कमी के कारण एक एकल साझा सबस्ट्रेट भाषा के साक्ष्य नहीं पाता 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 एक जासूस हैं जो एक हलचल भरे, प्राचीन शहर में रहस्य सुलझाने की कोशिश कर रहे हैं। यह शहर सुलावेसी (Sulawesi) है, जो इंडोनेशिया का एक द्वीप है जहाँ दर्जनों अलग-अलग भाषाएँ बोली जाती हैं। लंबे समय से, भाषाविदों (जो इस शहर के इतिहासकार हैं) ने कुछ अजीब बात गौर की है: कुछ बहुत ही बुनियादी शब्द जो लोग रोज़ाना इस्तेमाल करते हैं—जैसे कि "काटना", "घास", या "बड़ा"—शहर के मुख्य इतिहास के नियमों में फिट नहीं बैठते।
ये शब्द देखने और सुनने में अलग लगते हैं और उस "आधिकारिक" पारिवारिक इतिहास से मेल नहीं खाते जिसे मुख्य भाषा माना जाता है। इतिहासकारों को लंबे समय से संदेह रहा है कि ये अजीब शब्द जीवाश्म (fossils) हैं: एक पूरी तरह से अलग, पुरानी सभ्यता के अवशेष जो यहाँ की वर्तमान भाषाओं के आने से पहले रहती थी। वे इसे "सबस्ट्रेट" (Substrate) कहते हैं।
लेकिन समस्या यह है: आप कैसे साबित करेंगे कि ये शब्द प्राचीन जीवाश्म हैं और न कि स्थानीय लोगों द्वारा बनाई गई कोई अजीब रचना?
यह शोध पत्र इस रहस्य को सुलझाने के लिए एक डिजिटल जासूस (मशीन लर्निंग) का उपयोग करने के बारे में है।
जासूस का टूलकिट: दो दृष्टिकोण
शोधकर्ताओं ने इन "अजीब शब्दों" को पकड़ने के लिए दो अलग-अलग तरीकों का उपयोग किया।
1. पुराना तरीका (नियम-आधारित विधि - Rule-Based Method)
एक लाइब्रेरियन की कल्पना करें जिसके पास सभी "आधिकारिक" शब्दों की एक विशाल, सटीक सूची है। लाइब्रेरियन शहर की शब्दावली में जाता है और हर उस शब्द को काट देता है जो आधिकारिक सूची से मेल खाता है।
- परिणाम: जो कुछ भी मेज पर बच जाता है, उसे "संदिग्ध" माना जाता है। ये वे शब्द हैं जो आधिकारिक पारिवारिक वृक्ष (family tree) में फिट नहीं बैठते।
- समस्या: यह तरीका धीमा है और लाइब्रेरियन की याददाश्त पर निर्भर करता है। यदि लाइब्रेरियन आधिकारिक सूची में एक शब्द भूल गया, तो एक बिल्कुल सामान्य शब्द गलती से कट सकता है।
2. एआई जासूस (मशीन लर्निंग - Machine Learning)
शोधकर्ताओं ने एक कंप्यूटर मस्तिष्क (एक AI) बनाया और उसे शब्दों के आकार और ध्वनि को देखने के लिए प्रशिक्षित किया, जिसमें आधिकारिक पारिवारिक इतिहास को पूरी तरह से अनदेखा कर दिया गया। उन्होंने AI से पूछा: "यदि तुम केवल यह देखो कि एक शब्द कितना लंबा है, वह किन अक्षरों से शुरू होता है, और क्या उसमें 'ग्लॉटल स्टॉप' (गले में एक हल्की रुकावट) जैसे कठिन ध्वनियाँ हैं, तो क्या तुम बता सकते हो कि कौन से शब्द 'बाकियों से अलग' हैं?"
"ध्वन्यात्मक फिंगरप्रिंट" (Phonological Fingerprint)
AI को एक पैटर्न मिला! उसने पाया कि "अजीब शब्दों" का एक विशिष्ट फिंगरप्रिंट होता है, ठीक वैसे ही जैसे किसी अपराधी की एक पहचान होती है कि वह हमेशा लाल टोपी पहनता है और हाथ में छड़ी रखता है।
सुलावेसी के "सबस्ट्रेट" शब्द आमतौर पर ऐसे होते हैं:
- लंबे: उनमें मुख्य भाषा परिवार के मानक छोटे, दो-शब्दांश (two-syllable) वाले शब्दों की तुलना में अधिक शब्दांश होते हैं।
- गुच्छेदार (Clumpier): उनमें व्यंजन समूहों (consonant clusters) की अधिकता होती है (जैसे "str" या "nd" का एक साथ जुड़ा होना)।
- कंठ्य (Guttural): वे अधिक "गले से निकलने वाली" ध्वनियों (ग्लॉटल स्टॉप) का उपयोग करते हैं।
- क्रिया-उन्मुख (Action-Oriented): वे अक्सर क्रियाओं का वर्णन करने वाले शब्द होते हैं (जैसे "मारना" या "बांधना")।
AI इन फिंगरप्रिंट्स को पहचानने में काफी कुशल हो गया, यहाँ तक कि बिना शब्दों के इतिहास को जाने भी। यह एक सुरक्षा कैमरे की तरह है जो अपराधी को नहीं जानता, लेकिन यह जानता है कि इस शहर के सभी अपराधी लाल टोपी पहनकर आते हैं।
बड़ा मोड़: "समानांतर नवाचार" का सिद्धांत (The "Parallel Innovation" Theory)
यहाँ कहानी दिलचस्प हो जाती है। शोधकर्ताओं ने 266 "उच्च-विश्वास वाले संदिग्धों" (शब्द जो पुराने-तरीके के जासूस और AI दोनों ने अजीब माने थे) को लेकर उन्हें परिवारों में वर्गीकृत करने की कोशिश की।
- परिकल्पना (Hypothesis): यदि ये शब्द एक ही प्राचीन पूर्व-ऑस्ट्रोनेशियन भाषा के जीवाश्म हैं, तो उन्हें एक-दूसरे के समान दिखना चाहिए। भाषा A में "काटने" का शब्द भाषा B में "काटने" के शब्द जैसा ही सुनाई देना चाहिए।
- वास्तविकता: जब उन्होंने उनकी तुलना की, तो वे मेल नहीं खाए। वे शब्द सेब और संतरे की तरह एक-दूसरे से बिल्कुल अलग थे।
निष्कर्ष: ये "जीवाश्म" एक ही प्राचीन सभ्यता से नहीं आए हैं। इसके बजाय, यह समानांतर नवाचार (parallel innovation) है।
कल्पना कीजिए कि पाँच अलग-अलग रेस्तरां में पाँच अलग-अलग शेफ हैं। वे एक-दूसरे को नहीं जानते। लेकिन, उन सभी को लगता है कि "सूप" नाम बहुत उबाऊ है, इसलिए वे स्वतंत्र रूप से अपने सूप के लिए एक नया, अजीब, लंबा और गुच्छेदार ध्वनि वाला नाम चुन लेते हैं।
- उन्होंने इसे किसी साझा पूर्वज से विरासत में नहीं लिया।
- उन्होंने बस एक ही तरह से नियम तोड़ने का फैसला किया क्योंकि वे एक ही तरह की समस्या का सामना कर रहे थे (अपनी शब्दावली की कमी को पूरा करना)।
इसलिए, "अजीब शब्द" संभवतः प्रत्येक भाषा द्वारा किए गए स्वतंत्र आविष्कार हैं, न कि एक साझा प्राचीन विरासत।
यह क्यों महत्वपूर्ण है?
- यह एक नया उपकरण है: यह अध्ययन सिद्ध करता है कि AI भाषाविदों को विशाल डेटाबेस में "अजीब" शब्दों को खोजने में मनुष्यों की तुलना में बहुत तेज़ी से मदद कर सकता है। यह एक फिल्टर के रूप में कार्य करता है जो उन शब्दों को उजागर करता है जिन्हें मानव जांच की आवश्यकता है।
- यह हमें सचेत करता है: यह हमें चेतावनी देता है कि केवल इसलिए कि कोई शब्द अजीब लगता है, यह मान लेना गलत है कि वह किसी खोई हुई, साझा प्राचीन भाषा से है। कभी-कभी, भाषाएँ स्वतंत्र रूप से एक ही तरह से अजीब होने का निर्णय लेती हैं।
- लिपि का संबंध: शोध पत्र यह भी नोट करता है कि क्षेत्र में उपयोग की जाने वाली एक प्राचीन लिपि (हनचराका - Hanacaraka) ने वास्तव में उन्हीं अजीब ध्वनियों (जैसे कि 'aspirated h' ध्वनियाँ) को हटा दिया था जिन्हें AI ने "अजीब शब्दों" में पाया था। यह सुझाव देता है कि "अजीब ध्वनियाँ" वास्तव में क्षेत्र के गहरे, पुराने इतिहास की परत से संबंधित हैं, भले ही विशिष्ट शब्द साझा न हों।
निचोड़ (The Bottom Line)
शोधकर्ताओं ने एक ऐसी मशीन बनाई जो सुलावेसी की भाषाओं में उनके ध्वनि पैटर्न के आधार पर "अजीब" शब्दों को पहचान सकती है। उन्होंने पाया कि हालांकि ये शब्द मानक परिवार से अलग हैं, लेकिन वे किसी एक खोई हुई सभ्यता के साझा खजाने नहीं हैं। इसके बजाय, वे संभवतः स्वतंत्र आविष्कार हैं जो समान दिखने के लिए बने हैं क्योंकि भाषाएँ समान समस्याओं को समान तरीकों से हल कर रही थीं।
यह हमें याद दिलाता है कि भाषा की दुनिया में, समानता का अर्थ हमेशा साझा पूर्वज नहीं होता; कभी-कभी इसका मतलब बस यह होता है कि सभी के पास एक ही समय में एक ही विचार आया था।
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।