A Cross-lingual Comparison of Human and Classification Model Entrainment Behavior in Code-switched Speech Settings
यह शोध पत्र मैंडरिन-अंग्रेजी, हिंदी-अंग्रेजी और स्पेनिश-अंग्रेजी संवादों में कोड-स्विच्ड (code-switched) भाषण में मानवीय एंट्रेनमेंट (entrainment) का एक क्रॉस-लिंगुअल विश्लेषण प्रस्तुत करता है, जो यह प्रकट करता है कि जहाँ लेक्सिकल एंट्रेनमेंट सामान्यीकृत होता है, वहीं ध्वनिक और शैलीगत एंट्रेनमेंट संदर्भ के अनुसार भिन्न होता है, और यह प्रदर्शित करता है कि वर्तमान वर्गीकरण मॉडल उन विशिष्ट विशेषताओं को प्राथमिकता देने में विफल रहते हैं जो मानव व्यवहार के लिए सर्वाधिक महत्वपूर्ण 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 आप एक पार्टी में हैं जहाँ हर कोई बातचीत कर रहा है। आप शायद ध्यान देंगे कि जब दो लोग वास्तव में एक-दूसरे से जुड़ जाते हैं, तो वे एक-दूसरे की नकल करने लगते हैं। एक व्यक्ति तेज़ी से बोलता है, और दूसरा भी अपनी गति बढ़ा लेता है; एक बहुत सारे "अम्म" और "लाइक" जैसे शब्दों का उपयोग करता है, और दूसरा भी वैसा ही करने लगता है। वे यहाँ तक कि एक जैसा दिखने के लिए एक ही तरह की शब्दावली या अपनी आवाज़ के लहजे का भी उपयोग करने लगते हैं। विज्ञान की दुनिया में, इसे एंट्रेनमेंट (entrainment) कहा जाता है। यह एक अवचेतन नृत्य की तरह है जहाँ लोग अनजाने में एक-दूसरे की शैली की नकल करते हैं ताकि एक संबंध बनाया जा सके, समझ महसूस की जा सके और बातचीत को सुचारू रूप से आगे बढ़ाया जा सके।
वैज्ञानिकों ने लंबे समय से इस "नृत्य" का अध्ययन किया है, मुख्य रूप से उन लोगों में जो केवल एक भाषा बोलते हैं, जैसे कि अंग्रेजी। लेकिन दुनिया उन लोगों से भरी है जो भाषाएँ मिलाते हैं, जैसे कि एक वाक्य के बीच में स्पेनिश और अंग्रेजी, या हिंदी और अंग्रेजी के बीच स्विच करना। इसे कोड-स्विचिंग (code-switching) कहा जाता है। बड़ा सवाल यह है: क्या यह मिररिंग वाला नृत्य तब भी होता है जब लोग भाषाएँ मिला रहे होते हैं? और यहाँ एक ट्विस्ट है: हमने इस मिररिंग को पहचानने के लिए शानदार कंप्यूटर प्रोग्राम (AI) बनाए हैं। लेकिन क्या ये कंप्यूटर वास्तव में समझते हैं कि इंसान इसे कैसे करते हैं, या वे सिर्फ गलत संकेतों के आधार पर अंदाज़ा लगा रहे हैं?
यह शोध पत्र इस प्रश्न की गहराई से जांच करता है। शोधकर्ताओं ने वास्तविक बातचीत का अध्ययन किया जहाँ लोगों ने मंदारिन (Mandarin) के साथ अंग्रेजी, हिंदी के साथ अंग्रेजी, और स्पेनिश के साथ अंग्रेजी को मिलाया था। वे यह देखना चाहते थे कि क्या यह "मिररिंग नृत्य" इन विभिन्न भाषा जोड़ों के बीच एक जैसा दिखता है। फिर, उन्होंने कई कंप्यूटर मॉडलों का परीक्षण किया यह देखने के लिए कि क्या AI उन्हीं चीजों पर ध्यान दे रहा था जिन पर इंसान दे रहे थे।
यहाँ उन्हें क्या मिला:
मानवीय नृत्य: ज्यादातर एक जैसा, लेकिन स्थानीय विशेषता के साथ
जब इंसान भाषाएँ मिलाते हैं, तो वे एक-दूसरे की नकल करते हैं, लेकिन वे इसे कैसे करते हैं यह शामिल भाषाओं पर निर्भर करता है।
- शब्द: तीनों भाषा जोड़ों में, लोगों ने लगातार एक-दूसरे के शब्दों के चयन की नकल की। यदि एक व्यक्ति बहुत से सामान्य शब्दों या विशिष्ट फिलर ध्वनियों का उपयोग करता था, तो दूसरा व्यक्ति भी उसकी नकल करने की प्रवृत्ति रखता था। यह नृत्य का हिस्सा बहुत सुसंगत था, चाहे कोई भी भाषाएँ मिश्रित हो रही हों।
- आवाज़ और लय: यह वह जगह थी जहाँ यह दिलचस्प हो गया। स्पेनिश-अंग्रेजी और मंदारिन-अंग्रेजी समूहों में, लोगों ने आवाज़ के पिच (pitch) या गति की बहुत कम सुसंगत नकल दिखाई। हालाँकि, हिंदी-अंग्रेजी समूह में, टर्न-लेवल (तुरंत बोलने वालों के बीच) पर मिररिंग वास्तव में बहुत मजबूत थी, जिसमें वक्ता अपनी आवाज़ की विशेषताओं पर लगातार एक समान आ रहे थे। शोधकर्ता सुझाव देते हैं कि यह अंतर इसलिए हो सकता है क्योंकि मंदारिन में एक अद्वितीय टोनल गुणवत्ता (जहाँ पिच शब्द का अर्थ बदल देती है) है जो "आवाज़ के नृत्य" को अलग बनाती है, जबकि हिंदी-अंग्रेजी बोलने वाले स्पेनिश-अंग्रेजी में देखे गए पैटर्न के साथ अधिक निकटता से तालमेल बिठाते हैं। हालाँकि, यह ध्यान देना महत्वपूर्ण है कि हिंदी-अंग्रेजी में भी, यह मजबूत मिररिंग व्यापक संवाद स्तर तक नहीं फैली; वक्ताओं ने पूरे संवाद के दौरान सुसंगत अभिसरण (convergence) नहीं दिखाया।
- स्विचिंग शैली: लोग कितनी बार और कैसे भाषा बदलते हैं, यह भी भिन्न था। स्पेनिश-अंग्रेजी और मंदारिन-अंग्रेजी में, लोग भाषा बदलने की आवृत्ति और शैली की नकल करते थे। लेकिन हिंदी-अंग्रेजी में, मिररिंग बहुत कमजोर थी। लेखक सुझाव देते हैं कि ऐसा इसलिए हो सकता है क्योंकि हिंदी-अंग्रेजी बोलने वाले इतनी स्वाभाविक रूप से और बार-बार भाषा बदलते हैं कि एक व्यक्ति के पास दूसरे की शैली को प्रभावित करने के लिए कम "जगह" बचती है—यह ऐसा है जैसे हर कोई पहले से ही एक ही तरह से नाच रहा है, इसलिए नकल करना स्पष्ट रूप से उभर कर नहीं आता।
रोबोटिक नृत्य: अनुमान लगाने में अच्छा, समझने में बुरा
शोधकर्ताओं ने पूछा: क्या हमारे कंप्यूटर मॉडल उस नृत्य को देखते हैं जिसे इंसान देखते हैं?
- परिणाम: कंप्यूटर वास्तव में यह पता लगाने में काफी अच्छे थे कि लोग एक-दूसरे की नकल कर रहे हैं या नहीं। वे एक "मिररिंग" बातचीत और एक "गैर-मिररिंग" बातचीत के बीच के अंतर को ठीक से बता सकते थे।
- पकड़ (The Catch): हालाँकि, कंप्यूटर निर्णय लेने के लिए गलत संकेतों को प्राथमिकता दे रहे थे। जब शोधकर्ताओं ने यह देखने के लिए कि AI किन संकेतों का उपयोग कर रहा है, इसके अंदर झाँका, तो उन्हें एक विसंगति मिली। इंसान विशिष्ट शब्दों और स्विचिंग शैलियों की नकल कर रहे थे, लेकिन कंप्यूटर अक्सर अन्य चीज़ों पर ध्यान केंद्रित कर रहे थे जो मानव व्यवहार के लिए सबसे महत्वपूर्ण नहीं थे और इसके बजाय आवाज़ के पिच या तीव्रता के सूक्ष्म उतार-चढ़ाव जैसे कम महत्वपूर्ण विवरणों पर ध्यान केंद्रित कर रहे थे।
- उपमा: एक सुरक्षा गार्ड की कल्पना करें जो चोर को पकड़ने की कोशिश कर रहा है। चोर हमेशा एक चमकीली लाल टोपी पहनता है (मानवीय संकेत)। लेकिन सुरक्षा गार्ड का कैमरा चोर के जूतों के फीतों (कंप्यूटर संकेत) पर इतना केंद्रित है कि वह टोपी को पूरी तरह से अनदेखा कर देता है। गार्ड चोर को पकड़ तो लेता है (मॉडल सही उत्तर देता है), लेकिन वह गलत तर्क का उपयोग कर रहा है।
यह क्यों महत्वपूर्ण है
शोध पत्र सुझाव देता है कि जबकि हमारा AI यह पहचान सकता है कि एक संबंध बन रहा है, यह वास्तव में यह नहीं समझता कि वह संबंध मानवीय तरीके से कैसे बनाया जाता है। यह एक छात्र की तरह है जो सूत्र को समझने के बजाय उत्तर कुंजी को रटकर गणित के टेस्ट में सही उत्तर प्राप्त करता है।
लेखक बताते हैं कि यह भविष्य के लिए एक समस्या है। यदि हम ऐसे AI सहायक बनाना चाहते हैं जो उन लोगों के साथ स्वाभाविक रूप से बातचीत कर सकें जो भाषाएँ मिलाते हैं, तो हमें उन्हें केवल "नकली नृत्य" नहीं, बल्कि वास्तविक नृत्य को समझना होगा। यदि AI गलत संकेतों पर निर्भर रहता है, तो यह एक नए समूह के लोगों या एक अलग भाषा मिश्रण के साथ मिलने पर विफल हो सकता है। यह शोध पत्र यह दावा नहीं करता है कि इसने इसे अभी तक हल कर लिया है; बल्कि, यह सुझाव देता है कि यदि हम चाहते हैं कि हमारे कंप्यूटर वास्तव में स्वाभाविक साथी बनें, तो हमें उन्हें उन्हीं चीजों पर ध्यान देने के लिए सिखाने की आवश्यकता है जिन पर इंसान ध्यान देते हैं।
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।