From Exposure to Expectation: Frequency, Surprisal, and Language Across Development in Spanish

भाषा एक नदी की तरह है जो हमारे जीवन में बहती है, जो हमें शैशवावस्था की पहली तुतलाहट से लेकर वयस्कता की जटिल, तीव्र-गति वाली बातचीत तक ले जाती है। दशकों से, वैज्ञानिक यह समझने की कोशिश कर रहे हैं कि यह नदी हमारे मस्तिष्क को कैसे आकार देती है, और वे दो अलग-अलग लेकिन संबंधित प्रश्न पूछते हैं। पहला प्रश्न शुरुआत के बारे में है: बच्चे कुछ शब्द, जैसे "कुत्ता" या "दूध", दूसरों की तुलना में, जैसे "न्याय" या "फुसफुसाहट", बहुत पहले क्यों सीख जाते हैं? दूसरा प्रश्न यात्रा के बारे में है: एक बार जब हम एक शब्द जान लेते हैं, तो ऐसा क्यों होता है कि कभी उसे पढ़ना या सुनना आसान लगता है, और कभी वह एक ठोकर जैसा महसूस होता है, भले ही वह शब्द स्वयं न बदला हो?

इन प्रश्नों का उत्तर देने के लिए, शोधकर्ता अक्सर उस भाषा में छिपे दो अलग-अलग प्रकार के सांख्यिकीय संकेतों (statistical clues) को देखते हैं जो हम सुनते हैं। एक संकेत 'आवृत्ति' (frequency) है, जो सरल रूप से इस बात की गिनती है कि एक बच्चा अपने दैनिक जीवन में एक विशिष्ट शब्द कितनी बार सुनता है। एक शब्द जितना अधिक बार आता है, वह उतना ही परिचित होता जाता है। दूसरा संकेत 'आश्चर्य' (surprise) का एक माप है। कल्पना कीजिए कि आप एक वाक्य में अगले शब्द का इंतज़ार कर रहे हैं। यदि वाक्य आपको एक निश्चित शब्द की अपेक्षा करने पर मजबूर करता है, तो वह शब्द अनुमानित (predictable) लगता है। यदि वाक्य आपको कुछ और उम्मीद करने के लिए प्रेरित करता है, और एक अलग शब्द सामने आता है, तो उस शब्द में "आश्चर्य" का उच्च मूल्य होता है। आधुनिक विज्ञान की दुनिया में, शोधकर्ता इस आश्चर्य को मापने के लिए शक्तिशाली कंप्यूटर प्रोग्रामों का उपयोग करते हैं, जिन्हें 'लार्ज लैंग्वेज मॉडल्स' (large language models) के रूप में जाना जाता है। ये प्रोग्राम विशाल मात्रा में टेक्स्ट पर प्रशिक्षित होते हैं और एक वाक्य में अगले शब्द का अनुमान लगाने में उल्लेखनीय सटीकता दिखा सकते हैं, जिससे वैज्ञानिकों को यह मापने की अनुमति मिलती है कि किसी दिए गए संदर्भ में एक शब्द कितना अप्रत्याशित है।

लंबे समय तक, यह माना जाता था कि ये दो संकेत—हम एक शब्द कितनी बार सुनते हैं और वह कितना आश्चर्यजनक है—दोनों एक ही तरह से काम करते हैं, चाहे हम एक बच्चे के पहले शब्द सीख रहे हों या एक वयस्क द्वारा उपन्यास पढ़ रहे हों। विचार यह था कि भाषा सीखने और संसाधित करने के नियम हर जगह समान रूप से लागू होते हैं। हालाँकि, यूनिवर्सिडैड डी नवारा के फ्रांसिस्को पोर्टिलो लोपेज़ द्वारा किया गया एक नया अध्ययन इस धारणा को चुनौती देता है। स्पेनिश भाषा को दो अलग-अलग दृष्टिकोणों से देखते हुए, यह शोध बताता है कि शब्द सीखने के नियम, एक ज्ञात शब्द को संसाधित करने के नियमों से मौलिक रूप से भिन्न हैं।

शोधकर्ता ने भाषा के शुरुआती चरणों को देखते हुए, 225 सामान्य स्पेनिश संज्ञाओं पर ध्यान केंद्रित करके शुरुआत की। वह जानना चाहता था कि क्या कंप्यूटर का 'आश्चर्य' का माप यह समझाने में मदद कर सकता है कि कुछ शब्द जल्दी क्यों सीखे जाते हैं और कुछ देर से। ऐसा करने के लिए, उसने डेटा एकत्र किया कि ये शब्द देखभाल करने वालों (caregivers) द्वारा बच्चों से बात करते समय कितनी बार आते हैं, जिसे 'चाइल्ड-डायरेक्टेड स्पीच' (child-directed speech) के रूप में जाना जाता है। उसने प्रत्येक शब्द के 'आश्चर्य' के मूल्य की गणना करने के लिए तीन अलग-अलग कंप्यूटर मॉडलों का भी उपयोग किया, जो उस संदर्भ के आधार पर था जिसमें वह शब्द दिखाई दिया। परिणाम स्पष्ट और सुसंगत थे: एक शब्द की आवृत्ति एक शक्तिशाली भविष्यवक्ता थी कि बच्चा उसे कब सीखेगा। जो शब्द बच्चे के वातावरण में बार-बार आते थे, उन्हें बहुत पहले सीखा गया। इसके विपरीत, आश्चर्य के माप ने लगभग कोई मदद नहीं की। भले ही कंप्यूटर ने गणना की थी कि एक विशिष्ट वाक्य में एक शब्द कितना अप्रत्याशित था, इस जानकारी ने यह नहीं समझाया कि एक बच्चे ने वह शब्द एक विशेष समय पर क्यों सीखा, एक बार जब शब्द कितनी बार सुना गया, इस सरल तथ्य को ध्यान में रखा गया।

यह सुनिश्चित करने के लिए कि यह केवल इस बात की खामी नहीं है कि कंप्यूटर से शब्दों का अनुमान कैसे लगाया गया, शोधकर्ता ने कंप्यूटर का विभिन्न तरीकों से परीक्षण किया। उसने मानकीकृत वाक्य संरचनाओं (standardized sentence frames) का उपयोग किया, जहाँ प्रत्येक शब्द को एक ही सरल ढांचे में रखा गया था, और उसने वास्तविक, स्वाभाविक बातचीत का भी उपयोग किया जो माता-पिता और बच्चों के बीच होती है। दोनों मामलों में, पैटर्न बना रहा। कंप्यूटर का आश्चर्य का बोध, जिसे यह मापने के लिए डिज़ाइन किया गया है कि एक संदर्भ एक विशिष्ट शब्द की कितनी अच्छी तरह भविष्यवाणी करता है, प्रारंभिक शब्द सीखने के समय के लिए महत्वपूर्ण नहीं लगा। एकमात्र चीज़ जिसने विश्वसनीय रूप से भविष्यवाणी की कि एक बच्चा नया शब्द कब हासिल करेगा, वह थी कि उसने उस शब्द का कितनी बार सामना किया था। यह खोज सीखने के उस दृष्टिकोण का समर्थन करती है जहाँ दोहराव और संचयी अनुभव (cumulative exposure) प्राथमिक चालक हैं, न कि यह कि अगला क्या होगा, इसकी भविष्यवाणी करने वाला क्षण-दर-क्षण पहेली सुलझाना।

कहानी तब एक नया मोड़ लेती है जब शोधकर्ता बच्चों से ध्यान हटाकर वयस्कों पर ध्यान केंद्रित करता है। अध्ययन के दूसरे भाग में, उसने देखा कि वयस्क स्पेनिश वक्ता टेक्स्ट को कैसे पढ़ते हैं। आई-ट्रैकिंग (eye-tracking) अध्ययन के डेटा का उपयोग करते हुए, जहाँ कैमरों ने रिकॉर्ड किया कि लोग एक पृष्ठ पर शब्दों को कहाँ और कितनी देर तक देखते हैं, उसने उसी कंप्यूटर मॉडल के 'आश्चर्य' के माप का परीक्षण किया। इस बार, परिणाम पूरी तरह से अलग थे। वयस्क पाठकों के लिए, आश्चर्य का माप इस बात का एक मजबूत और विश्वसनीय भविष्यवक्ता था कि वे एक शब्द पर कितनी देर रुकते हैं। जब एक शब्द, उससे पहले आने वाले शब्दों के संदर्भ में कम अनुमानित था, तो वयस्कों ने उस पर अधिक समय बिताया, जो दर्शाता है कि उनका मस्तिष्क अप्रत्याशित इनपुट को संसाधित करने के लिए अधिक मेहनत कर रहा था। यह प्रभाव तब भी मजबूत रहा जब शब्द की आवृत्ति और उसकी लंबाई को ध्यान में रखा गया। कुशल पठन की वयस्क दुनिया में, शब्द का आश्चर्य मूल्य गहराई से मायने रखता है।

इन दो निष्कर्षों के बीच का अंतर यह प्रकट करता है कि भाषा कैसे काम करती है इसमें एक महत्वपूर्ण विभाजन है। एक बच्चे के लिए जो शून्य से शब्दावली बना रहा है, शब्द का शुद्ध एक्सपोजर (exposure) ही उसे स्मृति में स्थापित करता है। वह संदर्भ जिसमें शब्द आता है, इस तथ्य से कम महत्वपूर्ण है कि बच्चे ने उसे कई बार सुना है। यह ऐसा है जैसे बच्चा पत्थर इकट्ठा कर रहा है, और वह जितनी बार एक विशिष्ट पत्थर उठाता है, वह उतना ही परिचित होता जाता है। हालाँकि, एक वयस्क के लिए, मस्तिष्क पहले से ही इन पत्थरों से भरा हुआ है, जो एक विशाल नेटवर्क में व्यवस्थित हैं। जब एक वयस्क पढ़ता है, तो वे लगातार इस बारे में भविष्यवाणी करते रहते हैं कि आगे क्या होगा। यदि टेक्स्ट उस भविष्यवाणी को तोड़ता है, तो मस्तिष्क घर्षण (friction) को दर्ज करता है, और आँखें उस विसंगति को सुलझाने के लिए धीमी हो जाती हैं।

यह अंतर सुझाव देता है कि भाषा का अध्ययन करने के लिए उपयोग किए जाने वाले कंप्यूटर मॉडल विफल नहीं हो रहे हैं; बल्कि, वे देखे जा रहे जीवन के चरण के आधार पर मानवीय अनुभव के विभिन्न पहलुओं को पकड़ रहे हैं। आश्चर्य का वही गणितीय माप जो एक बच्चे के शब्द सीखने की भविष्यवाणी करने के लिए लगभग बेकार है, एक वयस्क के पढ़ने के तरीके को समझने के लिए आवश्यक है। यह बताता है कि मस्तिष्क भाषा को संभालने के लिए एक ही, स्थिर पद्धति का उपयोग नहीं करता है। इसके बजाय, अनुभव का महत्व जैसे-जैसे हम विकसित होते हैं, बदलता जाता है। शुरुआत में, मस्तिष्क अनुभव के संचय (accumulation of experience) पर निर्भर करता है। बाद में, एक बार जब एक मजबूत प्रणाली स्थापित हो जाती है, तो मस्तिष्क तत्काल संदर्भ और उससे उत्पन्न होने वाली अपेक्षाओं के प्रति अत्यधिक संवेदनशील हो जाता है।

अध्ययन कृत्रिम बुद्धिमत्ता (AI) के मूल्यांकन के लिए एक चेतावनी भरा नोट भी देता है। एक कंप्यूटर प्रोग्राम वयस्क के पढ़ने के पैटर्न की नकल करने में उत्कृष्ट हो सकता है, जिससे वह मानव भाषा का एक आदर्श मॉडल प्रतीत होता है। लेकिन यही प्रोग्राम यह पकड़ने में विफल हो सकता है कि एक बच्चा वास्तव में कैसे सीखता है। यदि हम इन मॉडलों का परीक्षण केवल वयस्क व्यवहार के विरुद्ध करते हैं, तो हम इस तथ्य को मिस कर सकते हैं कि वे विकसित होते मन की सीखने की प्रक्रिया को प्रतिबिंबित नहीं करते हैं। शोध सुझाव देता है कि भाषा को वास्तव में समझने के लिए, हमें बच्चे और वयस्क दोनों को देखना चाहिए, यह पहचानते हुए कि खेल के नियम खिलाड़ी के बढ़ने के साथ बदल जाते हैं। एक्सपोजर से अपेक्षा तक की यात्रा एक सीधी रेखा नहीं है जहाँ समान कारक हर कदम पर लागू होते हैं; यह एक ऐसा पथ है जहाँ आवृत्ति का भार और भविष्यवाणी की शक्ति बदलती है, जो हमें बोलने और पढ़ने सीखने की कहानी के विभिन्न अध्यायों को परिभाषित करती है।