Figurative Justice: Detecting metaphors in Hindi judgements with qualitative assessment and transformers
यह शोध पत्र हिंदी कानूनी रूपक संग्रह (HiLeMe) और एक ट्रांसफार्मर-आधारित डिटेक्शन मॉडल प्रस्तुत करता है ताकि कम-संसाधन वाले हिंदी कानूनी ग्रंथों में रूपक विश्लेषण की कमी को दूर किया जा सके, जिसका उद्देश्य न्यायिक निर्णय लेने की प्रक्रिया को डिकोड करना और स्वचालित कानूनी विमर्श उपकरणों का विस्तार अन्य भारतीय भाषाओं तक करना 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
अदालत में भाषा शायद ही कभी केवल तथ्यों को सूचीबद्ध करने के लिए एक तटस्थ उपकरण होती है। जबकि कानूनों को अक्सर सादी स्याही से लिखे गए नियमों के एक कठोर सेट के रूप में कल्पित किया जाता है, उन्हें लिखने और व्याख्या करने वाले लोग—न्यायाधीश, वकील और विधायक—अक्सर अमूर्त विचारों को समझने के लिए लाक्षणिक भाषा (figurative language) पर निर्भर करते हैं। वे चर्च और राज्य को अलग करने वाली "दीवारों", न्याय को संतुलित करने वाले "तराजू", या किसी अनुबंध की "जड़ों" के बारे में बात करते हैं। ये केवल सजावटी अलंकार नहीं हैं; ये शक्तिशाली संज्ञानात्मक उपकरण हैं जो यह आकार देते हैं कि कानूनी अवधारणाओं को कैसे समझा, तर्क दिया और तय किया जाता है। जब एक न्यायाधीश किसी स्थिति को "युद्ध" के रूप में या किसी अधिकार को एक "वस्तु" के रूप में वर्णित करता है, तो वे केवल एक रंगीन वाक्यांश का उपयोग नहीं कर रहे होते हैं; वे मामले की वास्तविकता को एक रूप दे रहे होते हैं, जो संभावित रूप से दंड की गंभीरता या मानवाधिकार की व्याख्या को प्रभावित कर सकता है। यह हिंदी जैसी भाषाओं में विशेष रूप से महत्वपूर्ण है, जहाँ ऐसे रूपकों की सूक्ष्मताएं पूरे कानूनी तर्क के अर्थ को बदल सकती हैं, फिर भी अब तक किसी ने भी कंप्यूटर के लिए भारतीय अदालती दस्तावेजों में उन्हें स्वचालित रूप से पहचानने का तरीका विकसित नहीं किया था।
एस्टोनिया और भारत के शोधकर्ताओं के एक दल ने एक विशेष डेटासेट और एक कंप्यूटर मॉडल बनाकर इस समस्या को हल करने की दिशा में पहला कदम उठाया है, जिसे हिंदी कानूनी निर्णयों में रूपकों को खोजने के लिए डिज़ाइन किया गया है। उनका कार्य, जिसका शीर्षक "फिगुरेटिव जस्टिस" (Figurative Justice) है, आर्टिफिशियल इंटेलिजेंस के क्षेत्र में एक महत्वपूर्ण अंतर को संबोधित करता है। जबकि कंप्यूटर अंग्रेजी, स्पेनिश और अन्य प्रमुख भाषाओं को पढ़ने और समझने में काफी कुशल हो गए हैं, वे हिंदी जैसी "कम-संसाधन" (low-resource) वाली भाषाओं के साथ संघर्ष करते हैं, विशेष रूप से जब उन भाषाओं का उपयोग कानून के जटिल और उच्च-जोखिम वाले वातावरण में किया जाता है। शोधकर्ताओं ने उत्तर प्रदेश राज्य के वास्तविक जिला न्यायालय के निर्णयों से हजारों वाक्य एकत्र करके शुरुआत की। ये दस्तावेज़ पूरी तरह से हिंदी में लिखे गए थे और इनमें कानूनी तर्क की कच्ची सामग्री शामिल थी। इस पाठ को समझने के लिए, टीम ने छह कानूनी विशेषज्ञों को कंप्यूटर के लिए 'मानव शिक्षक' के रूप में नियुक्त किया। इन विशेषज्ञों ने वाक्यों को पढ़ा और प्रत्येक उस उदाहरण को चिह्नित किया जहाँ एक शब्द का उपयोग उसके शाब्दिक अर्थ के बजाय लाक्षणिक अर्थ में किया गया था, जिसके लिए उन्होंने रूपकों की पहचान करने के लिए एक स्थापित और सख्त पद्धति का पालन किया। इस प्रक्रिया के परिणामस्वरूप एक नया डेटा संग्रह प्राप्त हुआ, जिसे शोधकर्ताओं ने 'हिंदी लीगल मेटाफर कॉर्पस' (Hindi Legal Metaphor Corpus) नाम दिया, जिसमें 7,000 से अधिक वाक्य और लगभग 1,62,000 शब्द शामिल हैं।
इस सावधानीपूर्वक लेबल किए गए डेटा के साथ, शोधकर्ताओं ने एक परिष्कृत कंप्यूटर मॉडल को प्रशिक्षित किया ताकि वह शाब्दिक और लाक्षणिक भाषा के बीच अंतर को पहचान सके। उन्होंने 'ट्रांसफॉर्मर' नामक एक प्रकार के आर्टिफिशियल इंटेलिजेंस का उपयोग किया, जो एक ऐसा सिस्टम है जो पूरे वाक्य के भीतर शब्दों के संदर्भ को समझने में सक्षम है। मॉडल को हिंदी वाक्य दिए गए और उसे यह सिखाया गया कि क्या किसी विशिष्ट भाग में रूपक मौजूद है। परिणामों ने दिखाया कि कंप्यूटर लगभग 72 प्रतिशत की समग्र सटीकता के साथ शाब्दिक और लाक्षणिक भाषा के बीच अंतर कर सकता है। यह एक आशाजनक शुरुआत है, जो यह सिद्ध करती है कि मशीन को हिंदी कानूनी ग्रंथों के छिपे हुए अर्थों को समझने के लिए सिखाना संभव है। हालांकि, अध्ययन ने इस कार्य की कठिनाई को भी उजागर किया। जब मॉडल ने विशेष रूप से रूपकों की तलाश की, तो वह अपने अनुमान के लगभग आधे समय सही था, और उसने पाठ में मौजूद वास्तविक रूपकों में से दो-तिहाई से अधिक को पहचानने में चूक की। यह सुझाव देता है कि हालांकि कंप्यूटर स्पष्ट उदाहरणों को पहचान सकता है, लेकिन यह सूक्ष्म, बारीकी से भरे और अत्यधिक प्रासंगिक रूपकों के साथ संघर्ष करता है जो अक्सर कानूनी तर्कों में दिखाई देते हैं।
शोधकर्ताओं ने पाया कि चुनौती आंशिक रूप से स्वयं कानूनी भाषा की प्रकृति में निहित है, जहाँ रूपक अक्सर स्पष्ट तुलनाओं के रूप में खड़े होने के बजाय तर्क की संरचना में गहराई से समाए होते हैं। मॉडल द्वारा की गई गलतियों के उनके विश्लेषण में, उन्होंने देखा कि कंप्यूटर कभी-कभी मानक कानूनी शब्दों को रूपकों के साथ भ्रमित कर देता था, और अन्य समय में वह एक रूपक को पहचानने में विफल रहा क्योंकि संदर्भ बहुत जटिल था। अध्ययन यह दावा नहीं करता है कि उसने हिंदी कानून में रूपकों का पता लगाने की समस्या को हल कर लिया है, बल्कि यह कि इसने इस क्षेत्र के पहले विश्वसनीय मानचित्र का निर्माण किया है। इस डेटासेट को बनाकर और यह प्रदर्शित करके कि एक कंप्यूटर मॉडल सफलता का एक आधारभूत स्तर प्राप्त कर सकता है, टीम ने भविष्य के कार्यों के लिए एक नींव प्रदान की है। उनके निष्कर्ष बताते हैं कि हिंदी में न्यायिक निर्णयों को वास्तव में समझने के लिए, और यह सुनिश्चित करने के लिए कि न्यायाधीशों द्वारा उपयोग की जाने वाली लाक्षणिक भाषा अनजाने में परिणामों को पक्षपाती न बना दे, हमें उन पंक्तियों के बीच पढ़ने वाले उपकरणों की आवश्यकता है। यह शोध भारत की अन्य इक्कीस अनुसूचित भाषाओं पर समान तकनीकों को लागू करने का द्वार खोलता है, जिसका लक्ष्य कानूनी रूपकों की छिपी हुई शक्ति को दृश्यमान बनाना और आलोचनात्मक समीक्षा के लिए खुला रखना 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।