AI Literacy: An Exercise in Power-Knowledge
यह शोध पत्र तर्क देता है कि वर्तमान एआई साक्षरता ढांचे, जो तकनीकी कौशल और उत्तरदायी उपयोग को प्राथमिकता देते हैं, अपर्याप्त हैं क्योंकि वे उपयोगकर्ताओं को निष्क्रिय उपभोक्ताओं के रूप में देखते हैं; इसके बजाय, फूको और फ्रेरे के सिद्धांतों का सहारा लेते हुए, यह एक पुनर्कल्पित 'क्रिटिकल एआई लिटरेसी' (आलोचनात्मक एआई साक्षरता) ढांचे का प्रस्ताव करता है जो ज्ञानमीमांसीय एजेंसी (epistemic agency) को बढ़ावा देता है, संरचनात्मक असमानताओं को संबोधित करता है, और व्यक्तियों को एआई प्रणालियों का आलोचनात्मक मूल्यांकन करने, प्रतिरोध करने और उन पर शासन करने के लिए सशक्त बनाता 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
अदृश्य पुस्तकालय और "क्यों?" पूछने की शक्ति
कल्पना कीजिए कि आप एक विशाल, जादुई पुस्तकालय में प्रवेश कर रहे हैं। अतीत में, यदि आप किसी चीज़ के बारे में सीखना चाहते थे, तो आपको धूल भरी अलमारियों में खोजबीन करनी पड़ती थी, कई किताबें पढ़नी पड़ती थीं और खुद कहानी को जोड़कर समझना पड़ता था। आज, हमारे पास एक नए प्रकार का लाइब्रेरियन है: आर्टिफिशियल इंटेलिजेंस (AI)। यह केवल एक ऐसा लाइब्रेरियन नहीं है जो किताबें ढूँढता है; यह एक ऐसा लाइब्रेरियन है जो आपके लिए एक पूरी नई कहानी तुरंत लिख सकता है, जो कुछ भी उसने अब तक पढ़ा है उसके आधार पर। लेकिन यहाँ एक पेंच है: यह लाइब्रेरियन आपको केवल तथ्य नहीं बताता; यह तय करता है कि कौन से तथ्य बताने हैं, उन्हें कैसे बताना है, और क्या छोड़ देना है।
यह समझने के लिए कि यह क्यों महत्वपूर्ण है, हमें दो बड़े विचारों को देखने की आवश्यकता है जो हमें यह देखने में मदद करते हैं कि वास्तव में क्या हो रहा है। पहला, यह विचार है कि "ज्ञान ही शक्ति है।" इसका अर्थ यह है कि जो यह तय करने का अधिकार रखता है कि क्या सत्य या महत्वपूर्ण है, उसके पास इस बात पर बहुत नियंत्रण होता है कि हम दुनिया को कैसे देखते हैं। दूसरा, "क्रिटिकल कॉन्शियसनेस" (आलोचनात्मक चेतना) का विचार है। यह जागने और यह महसूस करने की क्षमता है कि हमें सुनाई जाने वाली कहानियाँ केवल तटस्थ तथ्य नहीं हैं; वे उन लोगों और प्रणालियों द्वारा आकार दी जाती हैं जो उन्हें सुनाते हैं। यदि हम केवल अपना होमवर्क जल्दी पूरा करने के लिए AI लाइब्रेरियन का उपयोग करना सीखते हैं, तो हम इस तथ्य को चूक सकते हैं कि लाइब्रेरियन चुपचाप हमारे विचारों को आकार दे रहा है। यह शोध पत्र एक बड़ा सवाल पूछता है: क्या हम लोगों को केवल स्मार्ट ग्राहक बनने के लिए प्रशिक्षित कर रहे हैं जो AI द्वारा बेची जाने वाली चीज़ें खरीदते हैं, या हम उन्हें वे 'बॉस' बनने के लिए प्रशिक्षित कर रहे हैं जो समझते हैं कि दुकान कैसे बनी है?
ग्राहक बनाम वास्तुकार (The Customer vs. The Architect)
यह शोध पत्र तर्क देता है कि जिस तरह से हम वर्तमान में लोगों को AI के बारे में सिखा रहे हैं, उसमें पहेली का एक महत्वपूर्ण हिस्सा गायब है। अभी, अधिकांश स्कूल और संगठन "AI साक्षरता" (AI Literacy) को एक ड्राइवर एजुकेशन क्लास की तरह मानते हैं। वे आपको सिखाते हैं कि कार कैसे मोड़नी है, दर्पण कैसे देखना है, और सड़क के नियमों का पालन कैसे करना है ताकि आप दुर्घटनाग्रस्त न हों। वे इसे "क्षमता" (Competency) कहते हैं। यह उपकरण का सुरक्षित और कुशलता से उपयोग करने के बारे में है।
इस शोध पत्र के लेखक कहते हैं कि यह पर्याप्त नहीं है। उनका तर्क है कि AI को एक साधारण उपकरण की तरह मानना वैसा ही है जैसे किसी को कार चलाना सिखाना, बिना कभी यह समझाए कि सड़कें किसने बनाईं, सड़कें वहीं क्यों जाती हैं जहाँ वे जाती हैं, या यह कौन तय करता है कि अगली सड़क कहाँ बनाई जाएगी। यदि आप केवल गाड़ी चलाना जानते हैं, तो आप केवल उस प्रणाली के उपभोक्ता (Consumer) हैं। आप जहाँ जाना चाहते हैं वहाँ पहुँच तो जाते हैं, लेकिन आपके पास गंतव्य के बारे में कोई राय नहीं होती।
शोध पत्र सुझाव देता है कि हमें "क्षमता" सिखाने से आगे बढ़कर सशक्तीकरण (Empowerment) सिखाने की ओर बढ़ने की आवश्यकता है। एक अच्छा ड्राइवर बनने के बजाय, हमें एपिस्टेमिक एजेंट (Epistemic Agents) बनने की आवश्यकता है। यह कहने का एक भारी शब्द है "ज्ञान के एजेंट" या "ज्ञान के बॉस"। एक एजेंट केवल AI का उपयोग नहीं करता; वह समझता है कि AI मनुष्यों द्वारा बनाई गई एक मशीन है जिसमें विशिष्ट पूर्वाग्रह, प्राथमिकताएं और कमियां (blind spots) हैं। वे जानते हैं कि AI कोई दिव्य दृष्टि (crystal ball) नहीं है जो पूर्ण सत्य दिखाती है; यह अतीत के रूप में लिखे गए संसार का एक दर्पण है, जिसमें उस अतीत की सभी त्रुटियां और असमानताएं शामिल हैं।
AI को अनलॉक करने की तीन कुंजियाँ
उपयोगकर्ताओं को निष्क्रिय उपभोक्ताओं से सक्रिय एजेंटों में बदलने के लिए, लेखक एक नया तीन-भागों वाला ढांचा प्रस्तावित करते हैं। इसे AI साक्षरता की पूरी क्षमता को अनलॉक करने वाली तीन-कुंजी प्रणाली के रूप में समझें।
1. प्रासंगिक उपयोग (Contextual Use): जासूस की नोटबुक
पहली कुंजी इस बारे में है कि हम उपकरण का उपयोग कैसे करते हैं। वर्तमान शिक्षण कहता है, "अपना निबंध लिखने के लिए AI का उपयोग करें।" नया दृष्टिकोण कहता है, "AI का उपयोग करें, लेकिन जानें कि आप इसका उपयोग क्यों कर रहे हैं और यह आपके उत्तर को कैसे आकार दे रहा है।"
कल्पना कीजिए कि आप एक जासूस हैं। यदि आप AI से पूछते हैं, "सबसे अच्छा जासूस कौन है?" तो यह अंग्रेजी उपन्यासों के प्रसिद्ध काल्पनिक पात्रों की एक सूची दे सकता है। एक "सक्षम" उपयोगकर्ता इस सूची को स्वीकार कर लेता है। एक "स 역할을 करने वाला" सशक्त उपयोगकर्ता (प्रासंगिक उपयोग का उपयोग करते हुए) पूछता है, "रुको, इसने केवल अंग्रेजी पात्रों को ही क्यों चुना? अन्य संस्कृतियों के जासूसों या वास्तविक जीवन के जांचकर्ताओं के बारे में क्या, जो प्रसिद्ध नहीं हैं?" वे समझते हैं कि AI का उत्तर इस पर निर्भर करता है कि उसे क्या खिलाया गया था। वे AI को अपने स्वयं के प्रश्नों को खोजने के लिए एक सोचने वाले साथी के रूप में उपयोग करते हैं, न कि केवल एक ऐसी मशीन के रूप में जो उत्तर उगलती है। वे जानते हैं कि उपकरण की सीमाएं हैं और "उत्तर" केवल कहानी का एक संभावित संस्करण है।
2. आलोचनात्मक पूछताछ (Critical Interrogation): एक्स-रे विजन
दूसरी कुंजी मशीन के अंदर झांकने के बारे में है। यहीं हम AI की बात मानना बंद करते हैं और पूछना शुरू करते हैं, "तुम इस नतीजे पर कैसे पहुँचे?"
लेखक सुझाव देते हैं कि हमें AI के भीतर घूमते अदृश्य गियर को देखने के लिए "एक्स-रे विजन" की आवश्यकता है। इसमें तीन मुख्य अभ्यास शामिल हैं:
- वंशावली विश्लेषण (Genealogical Analysis): एक उत्तर के पारिवारिक वृक्ष का पता लगाना। यदि AI कहता है कि कुछ सच है, तो हम पूछते हैं, "यह जानने के लिए तुमने किन किताबों या वेबसाइटों को पढ़ा? उन्हें किसने लिखा?"
- पूर्वाग्रह पहचान (Bias Recognition): पैटर्न को पहचानना। यदि AI हमेशा डॉक्टरों को पुरुष और नर्सों को महिला के रूप में वर्णित करता है, या यदि वह केवल एक देश के इतिहास को जानता है, तो हमें इसे उसके प्रशिक्षण की खामी के रूप में पहचानना होगा, न कि दुनिया के तथ्य के रूप में।
- काउंटर-प्रॉम्प्टिंग (Counter-Prompting): यह मशीन के साथ "डेविल्स एडवोकेट" (विपक्षी तर्क देने वाला) खेलने जैसा है। आप AI से एक दृष्टिकोण समझाने के लिए कहते हैं, फिर उससे विपरीत दृष्टिकोण समझाने के लिए कहते हैं, और फिर पूछते हैं, "आप कौन से दृष्टिकोण पूरी तरह से छोड़ रहे हैं?" यह उपयोगकर्ता को सूचना प्राप्त करने वाले से बदलकर मशीन के सोचने के तरीके के विश्लेषक में बदल देता है।
3. सहभागी शासन (Participatory Governance): टाउन हॉल
तीसरी और सबसे महत्वाकांक्षी कुंजी नियमों पर अपनी बात रखने के बारे में है। वर्तमान में, अधिकांश लोग केवल AI का उपयोग करते हैं; उन्हें यह तय करने में कोई हिस्सा नहीं मिलता कि इसे कैसे बनाया जाए।
लेखक तर्क देते हैं कि AI साक्षरता में "नागरिक साक्षरता" (Civic Literacy) शामिल होनी चाहिए। इसका अर्थ है यह समझना कि AI एक सार्वजनिक प्रणाली है, जैसे कि एक पार्क या सड़क, और हमारे पास यह बताने का अधिकार होना चाहिए कि इसका प्रबंधन कैसे किया जाए। यह यह जानने के बारे में है कि AI का स्वामित्व किसके पास है (आमतौर पर बड़ी कंपनियाँ), सरकार इसे कैसे विनियमित करती है, और आम लोग कैसे अपनी आवाज़ उठा सकते हैं।
शोध पत्र बताता है कि हालांकि यह कठिन है, लोग यह करना शुरू कर रहे हैं। उदाहरण के लिए, यूरोपीय संघ में, आम नागरिकों और समूहों को नए AI कानूनों पर फीडबैक देने की अनुमति दी गई थी। लेखक सुझाव देते हैं कि AI साक्षरता में लोगों को इन चर्चाओं में शामिल होने, यह माँग करने कि AI सिस्टम उनके स्थानीय संस्कृतियों और भाषाओं का सम्मान करें, और एक ऐसी प्रणाली के लिए लड़ने के बारे में सिखाना चाहिए जो केवल धनी या उच्च शिक्षित लोगों के लिए नहीं बल्कि सभी के लिए काम करे।
संपन्न और वंचितों के बीच का अंतर
शोध पत्र यह डरावनी वास्तविकता भी उजागर करता है: जो लोग AI को समझते हैं और जो नहीं समझते, उनके बीच का अंतर बढ़ता जा रहा है।
अभी, अमीर लोग और जिनके पास अधिक शिक्षा है, उनके पास सर्वोत्तम AI उपकरणों तक पहुंच है। वे "प्रीमियम" संस्करणों को वह सकते हैं जो अधिक स्मार्ट और अद्यतित (up-to-date) हैं। इससे भी महत्वपूर्ण बात यह है कि उनके पास यह जानने के लिए शिक्षा है कि सही प्रश्न कैसे पूछे जाएं और पूर्वाग्रहों को कैसे पहचाना जाए। वे खुद को और भी स्मार्ट और शक्तिशाली बनाने के लिए AI का उपयोग करते हैं।
दूसरी ओर, कम पैसे या कम शिक्षा वाले लोग अक्सर मुफ्त, सीमित संस्करणों का उपयोग करते हैं। वे सरल उत्तर प्राप्त करने के लिए AI का उपयोग करते हैं, लेकिन उनके पास उत्तरों पर सवाल उठाने या प्रणाली को बदलने का कौशल नहीं होता। शोध पत्र सुझाव देता है कि अंतर को पाटने के बजाय, AI वास्तव में इसे और बड़ा बना सकता है। यह किसी को सुपर-फास्ट साइकिल देने जैसा है जिसे चलाना आता है, जबकि किसी को टूटा हुआ ट्राइसाइकिल देने जैसा है जिसे चलाना नहीं आता। पहला व्यक्ति तेजी से आगे निकल जाता है; दूसरा व्यक्ति बस अपने पहिए घुमाता रह जाता है।
निचोड़ (The Bottom Line)
लेखक निष्कर्ष निकालते हैं कि हम केवल लोगों को AI के "अच्छे उपयोगकर्ता" बनने के लिए प्रशिक्षित नहीं कर सकते। यदि हम ऐसा करते हैं, तो हम केवल उन्हें एक ऐसी प्रणाली में बेहतर उपभोक्ता बनने के लिए प्रशिक्षित कर रहे हैं जिस पर उनका नियंत्रण नहीं है। हमें उन्हें एजेंट (Agents) बनाना होगा—ऐसे लोग जो समझते हैं कि AI एक शक्तिशाली बल है जो यह आकार देता है कि हम क्या जानते हैं, और जिनके पास इसे सवाल करने, चुनौती देने और इसे बनाने में मदद करने का कौशल है।
यह केवल एक नया कंप्यूटर कौशल सीखने के बारे में नहीं है। यह एक राजनीतिक प्रश्न है: हमारी दुनिया में क्या सच है, यह कौन तय करता है? शोध पत्र सुझाव देता है कि यदि हम यह नहीं सुधारते कि हम AI साक्षरता को कैसे सिखाते हैं, तो हम एक ऐसी दुनिया बनाने का जोखिम उठाते है जहाँ कुछ शक्तिशाली प्रणालियाँ सभी के लिए सब कुछ तय करती हैं। लेकिन यदि हम लोगों को आलोचनात्मक, जिज्ञासु और सक्रिय भागीदार बनना सिखाते हैं, तो हम AI को एक ऐसे उपकरण में बदल सकते हैं जो दुनिया को बेहतर ढंग से समझने में सभी की मदद करे, न कि एक ऐसा उपकरण जो उन्हें नियंत्रित करे। लक्ष्य केवल कार चलाने से आगे बढ़कर सड़क को डिजाइन करने में मदद करने का 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।