← नवीनतम पेपर
🤖 AI

AI Pluralism and the Worlds It Misses

यह शोध पत्र तर्क देता है कि एआई बहुलवाद को केवल विविध मूल्यों के प्रतिनिधित्व से आगे बढ़कर "सत्तामीमांसीय समतलीकरण" (ontological flattening) को संबोधित करना चाहिए, जहाँ एआई सिस्टम जटिल वास्तविकताओं पर प्रतिबंधात्मक तकनीकी श्रेणियां थोपते हैं, और यह सुनिश्चित करने के लिए एक "बहुलवादी जीवनचक्र शासन" ढांचे का प्रस्ताव करता है कि एआई विकास प्रक्रिया के दौरान ज्ञानमीमांसीय समावेशन और प्रक्रियात्मक अधिकार बना रहे।

मूल लेखक: Rashid Mushkani

प्रकाशित 2026-06-16
📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

मूल लेखक: Rashid Mushkani

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

मुख्य विचार: यह केवल इस बारे में नहीं है कि AI "क्या" कहता है, बल्कि इस बारे में है कि वह दुनिया को "कैसे" देखता है

कल्पना कीजिए कि आप एक रोबोट को शहर की एक हलचल भरी सड़क का वर्णन करने की कोशिश कर रहे हैं। आप कह सकते हैं, "यह सड़क एक ऐसी जगह है जहाँ पड़ोसी मिलते हैं, बच्चों के खेलने की जगह है, रात में एक जोखिम भरा क्षेत्र है, चिंतन के लिए एक शांत स्थान है, और एक व्यस्त व्यावसायिक क्षेत्र है।"

यह शोध पत्र तर्क देता है कि आज के अधिकांश AI सिस्टम केवल इन अलग-अलग कहानियों को सुनते ही नहीं हैं; वे कंप्यूटर के समझने के लिए सड़क को एक एकल चीज़ बनने के लिए मजबूर करते हैं। वे तय कर सकते हैं कि सड़क केवल "सुरक्षित" या "असुरक्षित" है, या "समावेशी" या "गैर-समावेशी" है।

लेखक इसे "ऑन्टोलॉजिकल फ्लैटनिंग" (Ontological Flattening - अस्तित्व संबंधी सपाटता) कहते हैं।

  • रूपक (Metaphor): कल्पना कीजिए कि आप मिट्टी, लकड़ी और कांच से बनी एक समृद्ध, 3D मूर्ति को एक दीवार पर एक 2D ड्राइंग में बदलने के लिए उसे चपटा कर रहे हैं। ड्राइंग को मापना और कॉपी करना आसान है, लेकिन इसमें वह बनावट, गहराई और यह तथ्य खो जाता है कि वस्तु कई अलग-अलग सामग्रियों से बनी थी।
  • समस्या: जब AI दुनिया को "सपाट" (flatten) करता है, तो वह जटिल, अव्यवस्थित मानवीय अनुभवों (जैसे सुरक्षा, आराम या अपनेपन की भावना) को सरल, निश्चित तकनीकी श्रेणियों में बदल देता है। भले ही AI आपको कई अलग-अलग उत्तर (pluralism) दे, लेकिन यह अभी भी उन उत्तरों को खोजने के लिए उसी सपाट मानचित्र का उपयोग कर रहा होगा।

मुख्य तर्क: "बहुलता" (Pluralism) के दो प्रकार

यह शोध पत्र हमें दो चीजों के बीच अंतर करने की आवश्यकता बताता है:

  1. परिणाम बहुलता (Outcome Pluralism - "क्या"): AI आपको कई अलग-अलग उत्तर देता है।
    • रूपक: एक रेस्टोरेंट का मेनू जो 50 अलग-अलग व्यंजन पेश करता है।
    • चुनौती: भले ही वहां 50 व्यंजन हों, वे सभी बिल्कुल एक ही तरह की सामग्री (दुनिया के उसी "सपाट" दृष्टिकोण) से बने हो सकते हैं।
  2. प्रक्रियात्मक बहुलता (Procedural Pluralism - "कैसे"): AI से प्रभावित लोग यह तय करते हैं कि सामग्री क्या होगी और मेनू कैसे लिखा जाएगा।
    • रूपक: ग्राहक शेफ को बता सकते हैं, "वास्तव में, 'सुरक्षा' का मतलब केवल 'अपराध का न होना' नहीं होना चाहिए, बल्कि इसका मतलब 'स्वागत महसूस करना' भी होना चाहिए। आइए रेसिपी को बदलते हैं।"

शोध पत्र का तर्क है कि वर्तमान AI सिस्टम में अक्सर परिणाम बहुलता (बहुत सारे उत्तर) होती है लेकिन प्रक्रियात्मक बहुलता (लोग खेल के नियम बदल नहीं सकते) की कमी होती है।

तीन वास्तविक दुनिया के उदाहरण (केस)

लेखक ने शहर की सड़कों से जुड़े तीन विशिष्ट प्रोजेक्ट्स का अध्ययन किया है ताकि यह दिखाया जा सके कि यह कहाँ गलत होता है:

  • केस A (आर्ट जनरेटर): एक AI को "समावेशी" सार्वजनिक स्थानों की छवियां बनाने के लिए प्रशिक्षित किया गया था।
    • क्या हुआ: लोगों ने फीडबैक दिया कि उन्हें क्या पसंद है। AI ने "जीतने वाली" छवियों को चुनना सीख लिया।
    • सपाटता (Flattening): AI ने जटिल भावनाओं को सरल "मुझे यह पसंद है" बनाम "मुझे वह पसंद नहीं है" के वोटों में बदल दिया। इसने "मैं सुनिश्चित नहीं हूँ" या "यह इस पर निर्भर करता है" जैसे उत्तरों को मिटा दिया, और एक ऐसी द्विआधारी (binary) पसंद थोप दी जहाँ एक ग्रे एरिया (धुंधली स्थिति) होनी चाहिए थी।
  • केस B (स्ट्रीट मैप): एक AI ने तस्वीरों के आधार पर यह अनुमान लगाने की कोशिश की कि कौन सी सड़कें "समावेशी" हैं।
    • क्या हुआ: लोगों ने सड़कों को रेटिंग दी। AI ने तस्वीरों में पैटर्न पहचानना सीख लिया।
    • सपाटता: AI ने "समावेशिता" को केवल उस आधार पर आंकना शुरू कर दिया जो वह देख सकता था (जैसे नया पेंट या चौड़े फुटपाथ)। इसने अदृश्य चीजों को छोड़ दिया, जैसे कि स्थानीय समुदाय वास्तव में वहां सुरक्षित या स्वागत योग्य महसूस करता है या नहीं। इसने एक गहरे मानवीय अहसास को एक सतही दृश्य संकेत से बदल दिया।
  • केस C (टेस्ट स्कोर): शोधकर्ताओं ने AI मॉडल का परीक्षण किया कि वे शहरी दृश्यों का वर्णन कितनी अच्छी तरह करते हैं।
    • क्या हुआ: उन्होंने AI के उत्तरों की तुलना मानव उत्तरों से की।
    • सपाटता: जब मनुष्यों के बीच असहमति हुई (जैसे, "क्या यह पार्क सुरक्षित है?"), तो शोधकर्ताओं ने अक्सर उस असहमति को "शोर" (noise) या गलती के रूप में माना। लेकिन शोध पत्र का तर्क है कि असहमति वास्तव में महत्वपूर्ण डेटा है! यह दिखाता है कि अवधारणा जटिल है, न कि यह कि इंसान गलत है।

समाधान: प्लुरलिस्टिक लाइफसाइकिल गवर्नेंस (PLG)

लेखक एक नए तरीके का प्रस्ताव करते हैं जिससे AI सिस्टम की जांच की जा सके, जिसे प्लुरलिस्टिक लाइफसाइकिल गवर्नेंस (PLG) कहा जाता है। इसे एक ऐसे टेस्ट के रूप में न सोचें जो एक स्कोर देता है (जैसे रिपोर्ट कार्ड), बल्कि एक निष्पक्षता की चेकलिस्ट के रूप में देखें जो AI प्रोजेक्ट के पूरे जीवनकाल को कवर करती है।

यह पांच बड़े सवाल पूछता है:

  1. क्या दुनिया बदलाव के लिए खुली है? (Ontological Openness)
    • सवाल: क्या लोग परिभाषाओं पर बहस कर सकते हैं? यदि AI किसी चीज़ को "जोखिम भरा" कहता है, तो क्या समुदाय कह सकता है, "नहीं, वह वास्तव में शरण का स्थान है"?
    • लक्ष्य: परियोजना शुरू होने से पहले नियम पत्थर की लकीर नहीं होने चाहिए।
  2. क्या सभी आवाजें सुनी जा रही हैं? (Epistemic Inclusion)
    • सवाल: क्या AI केवल "विशेषज्ञ" डेटा पर भरोसा करता है, या यह आम लोगों के वास्तविक अनुभवों पर भी भरोसा करता है?
    • लक्ष्य: एक दादी माँ की सड़क के बारे में कहानी एक सेंसर रीडिंग के बजाय एक साक्ष्य (evidence) के रूप में गिनी जानी चाहिए।
  3. क्या लोगों के पास वास्तविक शक्ति है? (Procedural Authority)
    • सवाल: क्या लोगों से केवल उनकी राय मांगी जाती है (आवाज), या उनके पास "रोकने" या "इसे बदलने" की शक्ति (शक्ति) है?
    • लक्ष्य: "हमने आपकी बात सुनी" से "हमने आपकी वजह से योजना बदली" की ओर बढ़ना।
  4. क्या असहमति दृश्यमान है? (Evaluation Pluralism)
    • सवाल: क्या रिपोर्ट इस तथ्य को छिपाती है कि लोग असहमत थे, या यह वास्तविक जटिलता को दिखाती है?
    • लक्ष्य: जवाबों को औसत निकालकर उन्हें साफ-सुथरा दिखाने के लिए मत मिलाएँ। "मुझे नहीं पता" और "यह इस पर निर्भर करता है" वाले उत्तरों को भी दिखाएं।
  5. बाद में कौन जिम्मेदार है? (Lifecycle Accountability)
    • सवाल: जब AI लॉन्च हो जाता है, तो अगर यह किसी को नुकसान पहुँचाता है तो इसे कौन ठीक कर सकता है?
    • लक्ष्य: जिम्मेदारी सॉफ्टवेयर रिलीज होने के साथ समाप्त नहीं होनी चाहिए। बाद में नियमों को अपडेट करने का एक तरीका होना चाहिए।

निष्कर्ष (The Takeaway)

शोध पत्र निष्कर्ष निकालता है कि AI बहुलता (pluralism) केवल AI को अधिक विकल्प देने के बारे में नहीं है। यह इस बारे में है कि यह सुनिश्चित करना कि AI मानव जीवन की जटिल, अव्यवस्थित और सुंदर वास्तविकता को एक सरल, कठोर बॉक्स में न धकेल दे।

यदि हम चाहते हैं कि AI वास्तव में निष्पक्ष हो, तो हम केवल इसे 100 अलग-अलग उत्तर देने के लिए नहीं कह सकते। हमें उन लोगों को यह तय करने में मदद करनी होगी कि प्रश्न वास्तव में क्या हैं, और उन्हें नियम बदलने की शक्ति देनी होगी जब उत्तर उनकी दुनिया के अनुकूल न हों।

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।

Digest आज़माएँ →