A Faceted Proposal for Transparent Attribution of AI-Assisted Text Production

जेराल्डो जेक्सियो (Geraldo Xexéo) के शोध पत्र "A Faceted Proposal for Transparent Attribution of AI-Assisted Text Production" के आधार पर, यहाँ समस्या, कार्यप्रणाली, मुख्य योगदान, परिणाम और महत्व को कवर करने वाला एक विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या का विवरण (Problem Statement)

यह शोध पत्र शैक्षणिक और वैज्ञानिक लेखन में जेनरेटिव एआई (GenAI) के संबंध में वर्तमान प्रकटीकरण प्रथाओं की अपर्याप्तता को संबोधित करता है।

• वर्तमान मानकों की अपूर्णता (Coarseness of Current Standards): मौजूदा नीतियां (जैसे एल्सेवियर, स्प्रिंगर नेचर जैसे प्रकाशकों और IEEE एवं COPE जैसे निकायों द्वारा) आम तौर पर एक द्विआधारी (binary) घोषणा (जैसे, "AI का उपयोग किया गया था") या एक वर्णनात्मक कथन की मांग करती हैं। इनमें विभिन्न प्रकार के AI हस्तक्षेपों (जैसे, वर्तनी सुधार बनाम वैचारिक रूपरेखा) के बीच अंतर करने के लिए सूक्ष्मता (granularity) का अभाव है।
• श्रेय निर्धारण में अस्पष्टता (Ambiguity in Attribution): वर्तमान घोषणाएं उपयोग के पैमाने (दस्तावेज़ बनाम पैराग्राफ), हस्तक्षेप की प्रकृति (संपादन बनाम सृजन), मानवीय नियंत्रण के स्तर, या प्रक्रिया की पता लगाने की क्षमता (traceability) को निर्दिष्ट करने में विफल रहती हैं।
• नैतिक और ज्ञान संबंधी जोखिम (Ethical and Epistemic Risks): सटीक प्रकटीकरण के बिना, बौद्धिक योगदान का आकलन करना, दावों की विश्वसनीयता को सत्यापित करना, पूर्वाग्रह का पता लगाना, या निर्मित उद्धरणों (citations) या त्रुटियों की उत्पत्ति को समझना कठिन है। यह पत्र तर्क देता है कि AI केवल स्पेलचेकर जैसा एक उपकरण नहीं है, बल्कि एक संज्ञानात्मक विस्तार (cognitive extension) है जो पारंपरिक लेखकत्व और मौलिकता की धारणाओं को चुनौती देता है।

2. कार्यप्रणाली (Methodology)

लेखक एक बहुआयामी मॉडल (faceted model) प्रस्तावित करते हैं जिसे कई आयामों और पैमानों (पूरे दस्तावेज़ से लेकर विशिष्ट पैराग्राफ तक) में AI-सहायता प्राप्त पाठ उत्पादन का प्रतिनिधित्व करने के लिए डिज़ाइन किया गया है। कार्यप्रणाली में शामिल हैं:

• वैचारिक ढांचा (Conceptual Framework): एक बहु-आयामी वर्गीकरण (taxonomy) विकसित करना जो उत्पादन प्रक्रिया को अंतिम पाठ गुणों से अलग करता है।
• पक्ष (Facet) की परिभाषा: छह विशिष्ट पक्षों (facets) को परिभाषित करना, जिन्हें एक कोर मॉडल (न्यूनतम व्यवहार्य प्रकटीकरण) और एक विस्तारित मॉडल (उच्च-सटीकता वाले एनोटेशन) में विभाजित किया गया है।
• प्रतिनिधित्व रणनीति (Representation Strategy): डेटा को प्रस्तुत करने के तीन पूरक तरीके डिजाइन करना:
  1. औपचारिक (Formal): मशीन प्रोसेसिंग के लिए एक गणितीय टुपल (tuple)।
  2. प्रतिमात्मक (Iconic): तीव्र मानवीय पहचान के लिए दृश्य प्रतीक।
  3. पाठ्य (Textual): सुलभता और अनुपालन के लिए एक ग्रिड नोटेशन और स्वतः-जनित गद्य (prose)।
• कार्य-उदाहरण द्वारा सत्यापन (Validation via Worked Example): मॉडल को स्वयं इस शोध पत्र के उत्पादन पर लागू किया गया है ताकि इसकी प्रयोज्यता को प्रदर्शित किया जा सके और यह दिखाया जा सके कि एक द्विआधारी कथन इस कार्य की हाइब्रिड प्रकृति को पकड़ने में कैसे विफल रहता है।

3. मुख्य योगदान (Key Contributions)

A. बहुआयामी वर्गीकरण (The Faceted Taxonomy)

मुख्य योगदान AI भागीदारी को अलग-अलग, स्वतंत्र आयामों में विभाजित करना है:

कोर मॉडल (न्यूनतम आधार रेखा):

1. रूप (Form - F): मौजूदा पाठ पर लागू किए गए परिवर्तनों का वर्णन करता है।
   • स्तर: F0 (कोई नहीं) से F4 (वैश्विक रूपक/संरचनात्मक पुनर्गठन) तक।
2. सृजन (Generation - G): यह बताता है कि पाठ का खंड अस्तित्व में कैसे आया।
   • स्तर: G0 (केवल मानव) से G5 (संरचित बहु-चरणीय पाइपलाइन) तक। इसमें संवादात्मक सृजन (G4) के लिए अंतर शामिल है।
3. मूल्यांकन (Evaluation - E): समीक्षा और सत्यापन प्रक्रिया का वर्णन करता है।
   • स्तर: E0 (कोई समीक्षा नहीं) से E4 (बहु-चरणीय स्वतंत्र सत्यापन) तक।

विस्तारित मॉडल (उच्च-सटीकता):
4. इरादा (Intent - I): यह बताता है कि AI का उपयोग क्यों किया गया था।
* स्तर: I0 (कोई नहीं) से I4 (वैचारिक सहायता, विचार-मंथन, रूपरेखा) तक।
5. नियंत्रण (Control - C): यह बताता है कि प्रक्रिया को किसने निर्देशित किया।
* स्तर: C0 (पूर्णतः मानव) से C4 (मुख्यतः स्वायत्त पाइपलाइन) तक।
6. पता लगाने की क्षमता (Traceability - T): यह प्रक्रिया की पुनर्निर्माण क्षमता का वर्णन करता है।
* स्तर: T0 (कोई रिकॉर्ड नहीं) से T4 (स्वतंत्र रूप से सत्यापन योग्य उत्पत्ति) तक।

B. बहु-स्तरीय प्रयोज्यता (Multi-Scale Applicability)

मॉडल को विभिन्न स्तरों पर लागू करने के लिए डिज़ाइन किया गया है:

• दस्तावेज़ स्तर: पूरे शोध पत्र के लिए।
• अनुभाग/उप-अनुभाग स्तर: विशिष्ट अध्यायों के लिए।
• पैराग्राफ स्तर: विशिष्ट वाक्यों या ब्लॉक्स के लिए।
  यह सूक्ष्म प्रकटीकरण की अनुमति देता है (उदाहरण के लिए, एक पैराग्राफ G4/AI-जनित हो सकता है लेकिन E3/पूर्णतः समीक्षा किया गया हो सकता है, जबकि दूसरा F1/मानव-संपादित हो सकता है)।

C. प्रतिनिधित्व और अंतर-संचालनीयता (Representation and Interoperability)

पत्र इस डेटा को एनकोड करने के लिए एक मजबूत प्रणाली प्रस्तावित करता है:

• टुपल नोटेशन (Tuple Notation): $S = (F, G, E, I, C, Tr)$।
• ग्रिड नोटेशन (Grid Notation): एक संक्षिप्त टेक्स्ट स्ट्रिंग (जैसे, |F4|G4|E3|I4|C2|T3|) जो मेटाडेटा, LaTeX और प्लेन टेक्स्ट के लिए उपयुक्त है।
• स्वचालित गद्य निर्माण (Automated Prose Generation): टेम्प्लेट जो ग्रिड को विभिन्न दर्शकों (प्रकाशक, ऑडिटर, सामान्य पाठक) के लिए अनुकूलित मानव-पठनीय प्रकटीकरण कथनों में परिवर्तित करते हैं।
• प्रतिमा विज्ञान (Iconography): दस्तावेजों में त्वरित पहचान के लिए दृश्य चिह्न।

4. परिणाम (कार्य-उदाहरण) (Results - Worked Example)

लेखक ने स्वयं इस शोध पत्र के उत्पादन पर मॉडल लागू किया, जिसके परिणामस्वरूप निम्नलिखित एनोटेशन प्राप्त हुआ:

• एनोटेशन: |F4|G4|E3|I4|C2|T3|
• व्याख्या:
  • F4: दस्तावेज़ का वैश्विक रूपक और संरचनात्मक पुनर्गठन किया गया।
  • G4: पुनरावृत्ति मानव-AI संवाद (एकल प्रॉम्प्ट नहीं) के माध्यम से निर्मित।
  • E3: वैचारिक संरचना और दावों की पूर्ण मानव समीक्षा की गई।
  • I4: वैचारिक सहायता, विचार-मंथन और तर्क विकास के लिए AI का उपयोग किया गया।
  • C2: यह एक निर्देशित मानव-AI संपर्क था (मानव द्वारा लक्ष्य/बाधाएं निर्धारित)।
  • T3: पर्याप्त ट्रैसेबिलिटी मौजूद है (संवाद लॉग के माध्यम से), हालांकि स्वतंत्र रूप से सत्यापित (T4) नहीं है।
• परिणाम: यह एनोटेशन कार्य की "हाइब्रिड" प्रकृति को सफलतापूर्वक कैप्चर करता है, जो इसे शुद्ध मानव लेखन और पूर्णतः स्वचालित सृजन दोनों से अलग करता है, जिसे एक मानक "AI का उपयोग किया गया था" वाला बयान करने में विफल रहता।

5. महत्व और निहितार्थ (Significance and Implications)

• निषेध से सटीकता की ओर बदलाव (Shift from Prohibition to Precision): यह पत्र AI को प्रतिबंधित करने के बजाय एक "संरचित शब्दावली" का समर्थन करता है जो AI संज्ञान को दृश्यमान, जवाबदेह और व्याख्या योग्य बनाती है।
• नीति और अभ्यास के बीच सेतु (Bridging Policy and Practice): यह उच्च-स्तरीय नैतिक नीतियों (जो प्रकटीकरण की मांग करती हैं) और उस प्रकटीकरण को निष्पादित करने के लिए आवश्यक व्यावहारिक उपकरणों के बीच की लुप्त कड़ी प्रदान करता है।
• स्केलेबिलिटी और लचीलापन (Scalability and Flexibility): कोर (अनिवार्य/कम बोझ) को विस्तारित (वैकल्पिक/उच्च सटीकता) पक्षों से अलग करके, मॉडल विवरण की आवश्यकता और लेखक वर्कफ़्लो की व्यावहारिक बाधाओं के बीच संतुलन बनाता है।
• भविष्य के लिए तैयार (Future-Proofing): मॉडल को विस्तार योग्य (जैसे, पूर्वाग्रह या स्रोत ग्राउंडिंग के लिए पक्ष जोड़ना) और W3C PROV, C2PA और मेटाडेटा स्कीमा जैसे मौजूदा प्रोवेनेंस मानकों के साथ संगत बनाने के लिए डिज़ाइन किया गया है।
• कार्रवाई का आह्वान (Call to Action): यह पत्र स्वयं को एक अंतिम मानक के रूप में नहीं, बल्कि वैज्ञानिक समुदाय द्वारा अनुभवजन्य परीक्षण, उपकरण कार्यान्वयन (LaTeX, Word, आदि में) और नीति परिशोधन के लिए एक आधारभूत ढांचे के रूप में प्रस्तुत करता है।

संक्षेप में, जेक्सियो अस्पष्ट AI घोषणाओं को सटीक, मशीन-पठनीय और मानव-व्याख्या योग्य एनोटेशन से बदलने के लिए एक कठोर, बहुआयामी ढांचे का प्रस्ताव करते हैं, जिससे जेनरेटिव AI के युग में विद्वत्तापूर्ण संचार की अखंडता बनी रहे।