RTI-Bench: A Structured Dataset for Indian Right-to-Information Decision Analysis

कल्पना कीजिए कि भारत की सूचना का अधिकार (RTI) प्रणाली एक विशाल, हलचल भरे पुस्तकालय की तरह है जहाँ प्रत्येक नागरिक के पास सरकार से अपनी पसंद की कोई भी पुस्तक (सूचना) माँगने का अधिकार है। लेकिन यहाँ एक पेंच है: पुस्तकालयाध्यक्ष (सरकारी अधिकारी) अक्सर गुप्त कोड में उत्तर देते हैं, और मुख्य पुस्तकालयाध्यक्ष (केंद्रीय सूचना आयोग या CIC) अंतिम निर्णय ऐसी सघन, कानूनी भाषा में लिखते हैं जो किसी विदेशी मंत्रों की किताब को पढ़ने जैसा महसूस होता है। अधिकांश लोग हार मान लेते हैं क्योंकि वे यह समझ नहीं पाते कि क्या अपील करना सार्थक है या उस निर्णय का वास्तव में क्या अर्थ है।

यह शोध पत्र RTI-Bench नामक एक नए उपकरण का परिचय देता है, जिसे उस "मंत्रों की किताब" को सरल अंग्रेजी में अनुवाद करने और पुस्तकालय के रिकॉर्ड को व्यवस्थित करने के लिए बनाया गया है ताकि कंप्यूटर हमें मदद करने के लिए सीख सकें।

यहाँ इस शोध पत्र के वास्तविक कार्यों का सरल उपमाओं के माध्यम से विवरण दिया गया है:

1. समस्या: टेक्स्ट की एक दीवार

CIC हर साल हजारों निर्णय जारी करता है। वे सार्वजनिक हैं, लेकिन उन्हें इस तरह लिखा जाता है जैसे कि आप एक वकील हों। यदि आप जानना चाहते हैं कि क्या आपको सरकारी निर्णय के खिलाफ लड़ना चाहिए, तो आपको जटिल शब्दावली के पन्नों से होकर गुजरना होगा। शोध पत्र का तर्क है कि हमें इन दस्तावेजों को डिकोड करने के लिए एक "रोसेटा स्टोन" (Rosetta Stone) की आवश्यकता है।

2. समाधान: RTI-Bench (एक व्यवस्थित फाइलिंग कैबिनेट)

लेखकों ने RTI-Bench नामक एक संरचित डेटासेट बनाया है। इसे एक अव्यवस्थित ढेर में पड़े 1,516 कानूनी दस्तावेजों को एक व्यवस्थित, डिजिटल फाइलिंग कैबिनेट में बदलने के रूप में सोचें जहाँ प्रत्येक फोल्डर पर स्पष्ट लेबल लगे हों।

• इसके अंदर क्या है: प्रत्येक फ़ाइल में परिणाम के टैग (क्या नागरिक जीता?), उपयोग किए गए कारण (वे क्यों हारे?), और घटनाओं की समयरेखा शामिल है।
• स्रोत: उन्होंने दो जगहों से डेटा एकत्र किया:
  1. ऑनलाइन मिलने वाले 1,218 मौजूदा सारांश (जिन्हें उन्होंने साफ-सुथरा किया)।
  2. 2023 और 2026 के बीच सीधे CIC वेबसाइट से डाउनलोड की गई 298 नई PDF फाइलें।

3. विधि: "रोबोट लाइब्रेरियन" (नियम-आधारित निष्कर्षण)

आप उम्मीद कर सकते हैं कि उन्होंने इन दस्तावेजों को पढ़ने के लिए किसी फैंसी AI का उपयोग किया होगा। इसके बजाय, उन्होंने एक नियम-आधारित पाइपलाइन बनाई।

• उपमा: एक रोबोट लाइब्रेरियन की कल्पना करें जो "सोचता" या "अनुमान" नहीं लगाता। इसके बजाय, वह एक सख्त चेकलिस्ट का पालन करता है: "यदि आप सभी बड़े अक्षरों में 'DECISION' शब्द देखते हैं, तो अगली पंक्ति देखें। यदि आप 'Rs.' देखते हैं, तो संख्या खोजें।"
• ऐसा क्यों? लेखकों का कहना है कि कानूनी दस्तावेजों को लेबल करने के लिए एक स्मार्ट AI (LLM) का उपयोग करना जोखिम भरा है क्योंकि AI तथ्य बना सकता है या भ्रमित हो सकता है। उनका "डम्ब" (कम बुद्धि वाला) रोबलेट 100% पुनरुत्पादक (reproducible) है, इसकी लागत शून्य है, और यह एक सामान्य लैपटॉप पर 90 सेकंड से कम समय में चलता है।
• परिणाम: उन्होंने मैन्युअल रूप से 50 रैंडम फाइलों की जांच की और पाया कि रोबोट 95.3% सटीक था।

4. चुनौती: तीन अलग-अलग "फॉन्ट"

शोध पत्र ने पाया कि CIC ने 2017 के बाद से अपने दस्तावेज़ टेम्पलेट्स को तीन बार बदला है।

• 2023a: एक विशिष्ट "तथ्य / निर्णय" संरचना का उपयोग करता है।
• 2023b: "अवलोकन" (Observations) को "निर्णय" से अलग करता है।
• 2026: वर्तमान प्रारूप, जो बड़े, बोल्ड "DECISION" ब्लॉक्स का उपयोग करता है।
  रोबोट को इन तीन अलग-अलग "फॉन्ट्स" को पहचानने और अपनी पढ़ने की रणनीति को तदनुसार बदलने के लिए प्रोग्राम किया गया था, ठीक वैसे ही जैसे एक अनुवादक अलग-अलग बोलियों के बीच स्विच करता है।

5. पहला परीक्षण: क्या एक कंप्यूटर विजेता का अनुमान लगा सकता है?

लेखकों ने 100 मामलों पर एक बुनियादी AI मॉडल (Mistral 7B) का परीक्षण किया कि क्या वह केवल टेक्स्ट पढ़कर परिणाम का अनुमान लगा सकता है।

• स्कोर: AI ने 57.3% सटीकता प्राप्त की।
• तुलना: यदि AI हर बार सबसे आम उत्तर का अनुमान लगाता (जैसे कि एक छात्र बहुविकल्पीय प्रश्न में "C" का अनुमान लगाता है), तो वह केवल 14.3% बार सही होता।
• निष्कर्ष: AI यादृच्छिक अनुमान (random guessing) से काफी बेहतर प्रदर्शन कर रहा है, जो यह सिद्ध करता है कि कंप्यूटर वास्तव में इन कानूनी निर्णयों को समझना सीख सकते हैं, लेकिन अभी भी सुधार की बहुत गुंजाइश है (विशेष रूप से दुर्लभ परिणामों के लिए)।

6. हम इससे क्या कर सकते हैं? (चार कार्य)

शोध पत्र शोधकर्ताओं के खेलने के लिए चार विशिष्ट खेल प्रस्तावित करता है:

1. परिणाम भविष्यवाणी (Outcome Prediction): "कहानी के आधार पर, क्या नागरिक जीतेगा या हारेगा?"
2. छूट का पता लगाना (Exemption Detection): "सरकार ने 'ना' कहने के लिए किस गुप्त नियम (जैसे 'गोपनीयता' या 'व्यावसायिक विश्वास') का उपयोग किया?"
3. सरल-भाषा सारांश (Plain-Language Summary): "इस कानूनी आदेश को एक ऐसे वाक्य में अनुवाद करें जिसे एक सामान्य व्यक्ति समझ सके।"
4. अनुपालन जांच (Compliance Check): "क्या सरकार ने वास्तव में आदेश का पालन किया, या उन पर जुर्माना लगाया जाना चाहिए?" (नोट: उनके पास इसके केवल 17 उदाहरण हैं, इसलिए यह केवल एक पायलट टेस्ट है)।

7. बारीक विवरण (सीमाएँ)

लेखक इस बारे में बहुत ईमानदार हैं कि यह उपकरण अभी क्या नहीं कर सकता है:

• कवरेज: उनके पास अभी केवल आधे नए PDF पूरी तरह से लेबल किए गए हैं; बाकी पर और काम करने की आवश्यकता है।
• दायरा: यह केवल केंद्रीय आयोग को कवर करता है, राज्य-स्तरीय आयोगों को नहीं (जो और भी अधिक मामलों को संभालते हैं)।
• तर्क की कमी: रोबोट केवल तभी छूट पकड़ पाता है जब सरकार स्पष्ट रूप से नियम संख्या लिखती है। यदि वे बिना नाम लिए किसी नियम का उपयोग करते हैं, तो रोबोट उसे छोड़ देता है।
• नैतिकता: वे चेतावनी देते हैं कि इस उपकरण का उपयोग लोगों को अपील दायर करने से हतोत्साहित करने के लिए नहीं किया जाना चाहिए। केवल इसलिए कि कोई अपील "जीतने की संभावना कम" है, इसका मतलब यह नहीं है कि उसे दायर नहीं किया जाना चाहिए, क्योंकि अपील दायर करने की प्रक्रिया स्वयं सरकार को जवाबदेह बनाती है।

सारांश

RTI-Bench भारतीय RTI निर्णयों का पहला व्यवस्थित, सार्वजनिक डेटासेट है। यह अस्त-व्यस्त कानूनी PDF को साफ डेटा में बदलने के लिए एक सरल, नियम-आधारित रोबोट का उपयोग करता है। प्रारंभिक परीक्षणों से पता चलता है कि कंप्यूटर इन निर्णयों को समझना शुरू कर सकते हैं, जिससे भविष्य के उन उपकरणों का मार्ग प्रशस्त होता है जो आम नागरिकों को सरकारी सूचना अनुरोधों की जटिल दुनिया में नेविगेट करने में मदद कर सकते हैं।