Unpacking the Eye of the Beholder: Social Location, Identity, and the Moving Target of Political Perspectives
यह शोध पत्र पर्सपेक्टिविस्ट विजुअल पॉलिटिकल सेंटीमेंट (PVPS) क्लासिफायर प्रस्तुत करता है, जो विभिन्न राजनीतिक और सामाजिक पहचानों द्वारा दृश्य सामग्री की व्याख्या करने के तरीके का पूर्वानुमान लगाने के लिए 82,000 से अधिक मूल्यांकनों पर प्रशिक्षित एक उपकरण है, जिससे यह प्रदर्शित होता है कि राजनीतिक छवियों के व्यक्तिपरक और परिवर्तनशील अर्थ को सटीक रूप से मापने के लिए दर्शकों की पहचान को ध्यान में रखना आवश्यक 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
यहाँ एक सरल भाषा और रोज़मर्रा के उदाहरणों का उपयोग करके पेपर की व्याख्या दी गई है।
मुख्य विचार: "एक ही आकार सबके लिए" वाली गलती
कल्पना कीजिए कि आप लोगों से भरी एक कमरा में किसी विरोध प्रदर्शन की तस्वीर दिखाते हैं। अतीत में, कंप्यूटर वैज्ञानिकों ने एक ऐसी मशीन बनाने की कोशिश की जो उस तस्वीर को देखे और यह बताने के लिए उसे एक एकल स्कोर दे कि वह कितनी "क्रोधित" या "हिंसक" दिखती है। उन्होंने यह मान लिया था कि यदि मशीन ने कहा कि तस्वीर "हिंसक" है, तो कमरे में मौजूद सभी लोग इससे सहमत होंगे।
इस पेपर की लेखिका, एलेना सिरोटकिना कहती हैं: "नहीं, यह गलत है।"
उनका तर्क है कि राजनीतिक तस्वीरें रोरशाक इंकब्लॉट टेस्ट (Rorschach inkblot test) की तरह होती हैं। स्याही के धब्बे में आपको क्या दिखता है, यह पूरी तरह से इस पर निर्भर करता है कि आप कौन हैं। एक विरोध प्रदर्शन की तस्वीर एक डेमोक्रेट के लिए "वीरतापूर्ण प्रतिरोध" जैसी दिख सकती है, लेकिन एक रिपब्लिकन के लिए "खतरनाक अराजकता" जैसी लग सकती है। एक पुलिस अधिकारी की तस्वीर एक समूह के लिए "सुरक्षा" हो सकती है और दूसरे के लिए "उत्पीड़न"।
मानक कंप्यूटर उपकरण एक गलती करते हैं—वे उन सभी अलग-अलग मतों को लेते हैं, उनका औसत निकालते हैं, और परिणाम को "सत्य" कह देते हैं। लेखिका कहती हैं कि यह लाल और नीले रंग को मिलाकर "बैंगनी" कहने जैसा है, और फिर यह दावा करने जैसा है कि लाल और नीला रंग कभी अस्तित्व में ही नहीं थे। राजनीति में, असहमति ही मुख्य बिंदु है।
समाधान: "परस्पेक्टिविस्ट" (दृष्टिकोणवादी) कैमरा
इसे ठीक करने के लिए, लेखिका ने PVPS (परस्पेक्टिविस्ट विजुअल पॉलिटिकल सेंटीमेंट) नामक एक नया टूल बनाया।
एक मानक कैमरे को एक सुरक्षा गार्ड के रूप में सोचें जो बस सिर गिनता है। वह भीड़ को देखता है और कहता है, "यहाँ 50 लोग हैं।"
PVPS टूल एक मनोवैज्ञानिक जासूस (psychic detective) की तरह है। यह केवल फोटो को नहीं देखता; यह पूछता है, "इस फोटो को कौन देख रहा है, और वे इसके बारे में कैसा महसूस करेंगे?"
एक एकल स्कोर देने के बजाय, PVPS एक प्रोफाइल देता है। यह आपको बताता है:
- "यदि एक युवा, उदार महिला इसे देखती है, तो वह उत्साहित महसूस करेगी।"
- "यदि एक वृद्ध, रूढ़िवादी पुरुष इसे देखता है, तो वह भयभीत महसूस करेगा।"
- "यदि एक हिस्पैनिक डेमोक्रेट इसे देखती है, तो वह आशावादी महसूस करेगी।"
यह टूल लगभग 82,000 रेटिंग्स को देखकर इन पैटर्नों को सीखता है, जो 5,575 वास्तविक अमेरिकी वयस्कों द्वारा दी गई थीं, जिन्होंने राजनीतिक छवियों को देखा और बताया कि उन्होंने कैसा महसूस किया। कंप्यूटर ने सीखा कि विशिष्ट दृश्य संकेत (जैसे मुट्ठी उठाना, पुलिस की वर्दी, या एक विशिष्ट झंडा) विभिन्न समूहों में अलग-अलग भावनाएं पैदा करते हैं।
यह कैसे काम करता है (विधि)
लेखिका ने केवल चैटबॉट से अनुमान नहीं लगवाया। उन्होंने एक ऐसा सिस्टम बनाया जो दो चीजों को जोड़ता है:
- तस्वीर कैसी दिखती है: यह वस्तुओं, रंगों और आकारों (जैसे उठी हुई मुट्ठी या पुलिस कार) को देखने के लिए उन्नत AI का उपयोग करता है।
- कौन देख रहा है: यह व्यक्ति की पहचान (उनकी पार्टी, आयु, लिंग, शिक्षा) के बारे में डेटा का उपयोग करता है।
सिस्टम ने सीखा कि दृश्य संकेत 'ट्रिगर्स' की तरह काम करते हैं। उदाहरण के लिए, विरोध प्रदर्शन की फोटो में "पुलिस कार" देखना एक समूह में "डर" का ट्रिगर हो सकता है, जबकि दूसरे समूह में "सुरक्षा" का। कंप्यूटर ने इन दृश्य संकेतों के आधार पर इन प्रतिक्रियाओं की भविष्यवाणी करना सीख लिया।
उन्हें क्या मिला (अहा! क्षण)
लेखिका ने यह देखने के लिए कि क्या इससे निष्कर्ष बदल जाते हैं, इस नए टूल का परीक्षण दो प्रसिद्ध अध्ययनों पर किया।
1. "भावना" का प्रयोग
एक पिछले अध्ययन ने ब्लैक लाइव्स मैटर (BLM) की तस्वीरों को देखा और पाया कि "उत्साह" लोगों को फोटो साझा करने के लिए प्रेरित करता है।
- पुराना दृष्टिकोण: "उत्साह साझा करने के लिए अच्छा है।"
- PVPS दृष्टिकोण: यह अधिक जटिल है। उत्साह डेमोक्रेटिक महिलाओं को फोटो अधिक साझा करने के लिए प्रेरित करता है। लेकिन रिपब्लिकन पुरुषों के लिए, "भय" और "घृणा" ही फोटो साझा करने का कारण बनते हैं।
- सबक: एक ही भावना (उत्साह) हर किसी के लिए काम नहीं करती। यह तभी काम करती है जब फोटो देखने वाले की पहचान से मेल खाती हो।
2. "हिंसा" का प्रयोग
एक अन्य अध्ययन ने विरोध प्रदर्शन की तस्वीरों को देखा और पूछा, "कौन सी तस्वीरें हिंसक दिखती हैं?" उन्होंने पाया कि आग या पुलिस वाली तस्वीरें हिंसक लगती थीं।
- पुराना दृष्टिकोण: "आग और पुलिस = हिंसा।"
- PVPS दृष्टिकोण: जिन तस्वीरों को मूल शोधकर्ताओं ने "हिंसक" माना था, वे वास्तव में वही तस्वीरें थीं जिन्हें रिपब्लिकन और रूढ़िवादियों ने "अनुकूल" या "समर्थक" माना था।
- सबक: जो एक तटस्थ पर्यवेक्षक को "हिंसा" लगता है, वह अक्सर एक संकेत होता है कि एक विशिष्ट समूह (इस मामले में, रूढ़िवादियों) को वह छवि पसंद है। "हिंसा" तस्वीर में नहीं है; यह देखने वाले की दृष्टि में है।
निष्कर्ष
पेपर यह निष्कर्ष निकालता है कि राजनीतिक छवियां बदलते लक्ष्य (moving targets) हैं। आप यह नहीं माप सकते कि एक तस्वीर का "अर्थ" क्या है, जब तक कि आप यह न जानते हों कि उसे कौन देख रहा है।
यदि आप राजनीतिक संचार को समझना चाहते हैं, तो आप केवल यह नहीं पूछ सकते, "क्या यह तस्वीर हिंसक है?" आपको पूछना होगा, "क्या यह तस्वीर एक डेमोक्रेट के लिए हिंसक है? क्या यह तस्वीर एक रिपब्लिकन के लिए हिंसक है?"
लेखिका का टूल, PVPS, हमें अनुमान लगाने के बजाय यह मापने की अनुमति देता है कि कैसे अलग-अलग समूहों के लोग एक ही दुनिया को अलग तरह से देखते हैं। यह असहमति के "शोर" को उपयोगी डेटा में बदल देता 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।