Sublinear Risk-Limiting Audits from Direct Ballot Selection and Statistical Ballot Manifests
यह शोध पत्र दो नवीन जोखिम-सीमित ऑडिट तकनीकों—बैलेट मैनिफेस्ट को उप-रैखिक (sublinear) प्रयास के साथ सत्यापित करने के लिए एक सांख्यिकीय विधि और एक प्रत्यक्ष बैलेट चयन दृष्टिकोण—को प्रस्तुत करता है, जो विशेष रूप से कम अंतर वाले चुनावों के ऑडिट के लिए आवश्यक समय और नमूना जटिलता को काफी कम कर देते हैं।
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 एक चुनाव एक विशाल, अस्त-व्यस्त पुस्तकालय की तरह है जहाँ लाखों लोगों ने अभी-अभी किताबें चेक आउट की हैं (वोट डाले हैं)। पुस्तकालय का कंप्यूटर सिस्टम (टैबुलेटर) एक सूची प्रिंट करता है जिसमें लिखा होता है कि किसने क्या चेक आउट किया। लेकिन हमें यह कैसे पता चलेगा कि कंप्यूटर ने गलती नहीं की, या इससे भी बुरा, उसे हैक नहीं किया गया?
यहीं पर रिस्क-लिमिटिंग ऑडिट्स (RLAs) काम आते हैं। एक RLA को एक "स्पॉट चेक" के रूप में सोचें जो उच्च सांख्यिकीय विश्वास (statistical confidence) के साथ गारंटी देता है कि चुनाव का विजेता सही है। यदि कंप्यूटर झूठ बोल रहा है, तो स्पॉट चेक द्वारा उसे पकड़ लिया जाना लगभग तय है।
हालाँकि, ये स्पॉट चेक करने में दो बहुत बड़ी, महंगी समस्याएँ हैं जिन्हें यह शोध पत्र हल करता है:
- "इन्वेंट्री लिस्ट" की समस्या: किताबों को चेक करने के लिए, आपको यह जानना होगा कि हर एक बॉक्स (बैच) में कितनी किताबें हैं। इस सूची को पूरी तरह से बनाने का मतलब आमतौर पर हर एक किताब को हाथ से गिनना होता है, जो एक त्वरित स्पॉट चेक के उद्देश्य को ही खत्म कर देता है।
- "शफल डेक" की समस्या: कई आधुनिक वोटिंग मशीनों में, मतदाता की गोपनीयता बनाए रखने के लिए भौतिक मतपत्रों (ballots) का क्रम जानबूझकर बदला (scramble) जाता है। यह किसी विशिष्ट पुस्तक को ढूँढना अविश्वसनीय रूप से कठिन बना देता है, भले ही कंप्यूटर की सूची कहे "किताब नंबर 4,502"।
लेखक इन समस्याओं को बिना हर एक मतपत्र को गिने ठीक करने के लिए दो नए "जादुई ट्रिक्स" का प्रस्ताव करते हैं।
1. "वेटिंग स्केल" ट्रिक (सांख्यिकीय मैनिफेस्ट)
समस्या: पारंपरिक रूप से, इन्वेंट्री लिस्ट (मैनिफेस्ट) पर भरोसा करने के लिए, आपको हर बॉक्स में हर एक मतपत्र को गिनना पड़ता था। यदि सूची कहती थी कि एक बॉक्स में 100 मतपत्र हैं, तो आपको 100 होने की पुष्टि करने के लिए उन्हें गिनना ही पड़ता था। यदि आप थोड़े से भी चूक जाते, तो पूरा ऑडिट रद्द किया जा सकता था।
समाधान: लेखक सुझाव देते हैं कि पहले एक "अनुमानित गणना" का उपयोग करें, जैसे कि किताबों के बॉक्स को तौलना। आप जानते हैं कि 100 किताबों वाला एक बॉक्स लगभग 10 पाउंड का होता है। यह जानने के लिए कि उसमें लगभग 100 किताबें हैं, आपको उन्हें गिनने की आवश्यकता नहीं है।
- रूपक (Metaphor): कल्पना कीजिए कि आपके पास 1,000 किताबों के बॉक्स हैं। हर बॉक्स को खोलकर गिनने के बजाय, आप उन सभी को तौलते हैं। आपको एक "कोर्स" (rough) सूची मिलती है जो 90% सटीक है।
- जादू: लेखकों ने एक सांख्यिकीय परीक्षण बनाया है जो कंप्यूटर की "परफेक्ट" सूची को सत्यापित करने के लिए इस "कोर्स" सूची का उपयोग करता है। वे यादृच्छिक रूप से कुछ बॉक्स चुनते हैं, उन्हें तौलते हैं, और फिर वास्तव में उन चुनिने गए कुछ बॉक्स के भीतर की किताबों को गिनते हैं। यदि गिनती कंप्यूटर के दावे के भीतर एक बहुत ही मामूली अंतर के साथ मेल खाती है, तो यह परीक्षण उस अनुमान को एक विश्वसनीय, उच्च-सटीक सूची में बदल देता है (बूटस्ट्रैप करता है)।
- परिणाम: आपको एक विश्वसनीय सूची प्राप्त करने के लिए हर एक मतपत्र को गिनने की आवश्यकता नहीं है। आप केवल एक बहुत छोटे हिस्से को गिनते हैं। कैलिफोर्निया जैसे विशाल राज्य के लिए, यह ऑडिट सूची तैयार करने के समय को 400 गुना कम कर देता है।
2. "रिवर्स सर्च" ट्रिक (डायरेक्ट बैलेट सिलेक्शन)
समस्या: आमतौर पर, एक ऑडिट इस तरह काम करता है: कंप्यूटर कहता है, "ID #999 वाले मतपत्र की जाँच करें।" इसके बाद ऑडिटर को हजारों बिखरे हुए मतपत्रों के ढेर में से ID #999 वाले विशिष्ट मतपत्र को ढूँढना पड़ता है। यह "खोज" (search) धीमी और महंगी होती है।
समाधान: लेखक इस प्रक्रिया को उलट देते हैं। एक कंप्यूटर ID के आधार पर विशिष्ट मतपत्र खोजने के बजाय, वे बस एक बॉक्स से एक यादृच्छिक भौतिक मतपत्र उठाते हैं, उसका ID देखते हैं, और फिर कंप्यूटर से पूछते हैं, "आपने इस मतपत्र के बारे में क्या कहा था?"
- रूपक: किसी घास के ढेर में विशिष्ट सुई को खोजने के बजाय, आप बस घास की एक मुट्ठी उठाते हैं, जो सुइयाँ आपको मिली हैं उन्हें देखते हैं, और देखते हैं कि क्या वे सूची से मेल खाती हैं।
- सावधानी: यदि कंप्यूटर झूठ बोल रहा है और उसकी सूची में "नकली" ID (डुप्लिकेट नंबर) हैं जो किसी भी वास्तविक मतपत्र पर मौजूद नहीं हैं, तो इस पद्धति को धोखा दिया जा सकता है।
- समाधान: लेखकों ने "नकली सुइयों" की जाँच करने के लिए एक दूसरा सांख्यिकीय परीक्षण जोड़ा है। वे गिनते हैं कि उनकी यादृच्छिक पकड़ में कितनी बार एक ही ID दो बार दिखाई देती है। यदि डुप्लिकेट दुर्लभ हैं (जैसा कि उन्हें होना चाहिए), तो ऑडिट सुरक्षित है।
- परिणाम: यह विधि कम अंतर वाले चुनावों (close races) के लिए बहुत तेज़ है। कनेक्टिकट में एक करीबी मुकाबले के लिए, यह विधि वर्तमान सर्वोत्तम तरीकों की तुलना में 55% तेज़ है क्योंकि यह पूरे "खोज" चरण को छोड़ देती है।
बड़ी तस्वीर: यह क्यों मायने रखता है
पेपर का दावा है कि इन दो ट्रिक्स को जोड़कर, हम चुनावों का ऑडिट बहुत तेज़ी से और सस्ता कर सकते है, यहाँ तक कि लाखों मतदाताओं वाले बड़े राज्यों में भी।
- गति (Speed): कैलिफोर्निया में, एक पूर्ण ऑडिट करने में इन्वेंट्री लिस्ट बनाने के लिए हजारों घंटे लगते थे। इन नई विधियों के साथ, इस समय को नाटकीय रूप से कम कर दिया गया है।
- दक्षता (Efficiency): करीबी मुकाबलों के लिए (जहाँ विजेता का निर्णय बहुत कम प्रतिशत से होता है), पुराने तरीकों में इतने अधिक मतपत्रों की जाँच करनी पड़ती थी कि वे अव्यवहारिक हो जाते थे। नया "डायरेक्ट बैलेट सिलेक्शन" तरीका इन करीबी मुकाबलों को बहुत बेहतर तरीके से संभालता है।
- लचीलापन (Flexibility): ये विधियाँ तब भी काम करती हैं जब मतपत्र व्यवस्थित पंक्तियों में हों या बिखरे हुए ढेर में।
संक्षेप में: लेखकों ने पाया है कि हम एक "अनुमानित अंदाज़" और मतपत्रों की "यादृच्छिक पकड़" (random grab) पर भरोसा कर सकते हैं, और गणितीय प्रमाणों का उपयोग करके यह सिद्ध कर सकते हैं कि ये शॉर्टकट पुराने, धीमे "सब-कुछ-गिनने" वाले तरीकों जितने ही सुरक्षित हैं। यह चुनावी परिणामों को सत्यापित करना तेज़, सस्ता और अधिक व्यावहारिक बनाता 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।