Words, Spaces and Generative AI: Layers of language in contemporary architecture

सदियों से, वास्तुकारों ने शब्दों को केवल निर्देशों के रूप में माना है, निर्माण करने के लिए बिल्डरों को बताने का एक तरीका। लेकिन विचारों का एक बढ़ता हुआ समूह सुझाव देता है कि भाषा वास्तव में अपने आप में एक निर्माण सामग्री है, जो डिजाइन के लिए ईंट या स्टील जितनी ही आवश्यक है। यह विचार एक सरल अवलोकन पर आधारित है: हम शब्दों के साथ दुनिया का वर्णन केवल करते नहीं हैं; हम दुनिया को देखने के हमारे तरीके को आकार देने के लिए शब्दों का उपयोग करते हैं। जब हम एक भीड़भाड़ वाले पड़ोस को "झुग्गी-झोंपड़ी" कहते हैं, तो हम इसे हटाने योग्य एक समस्या के रूप में प्रस्तुत करते हैं; जब हम इसे "समुदाय" कहते हैं, तो हम इसे संरक्षित करने योग्य चीज़ के रूप में प्रस्तुत करते हैं। यह फ्रेमिंग (framing) किसी भी समाधान के मिलने से पहले ही हो जाती है, जो हमारे सोचने के तरीके को उन तरीकों से निर्देशित करती है जिन्हें हम अक्सर नोटिस नहीं कर पाते। अब, जैसे-जैसे टेक्स्ट से इमेज और 3D मॉडल बनाने वाले आर्टिफिशियल इंटेलिजेंस टूल्स आर्किटेक्चर में आम होते जा रहे हैं, भाषा और स्थान के बीच यह संबंध महत्वपूर्ण हो गया है। ये उपकरण केवल आदेशों का पालन नहीं करते; वे मानवों के बात करने के जटिल, रूपकपूर्ण (metaphorical) तरीके की व्याख्या करके नए रूपों को उत्पन्न करते हैं। मशीनें हमारे शब्दों को कैसे पढ़ती हैं, इसे समझना अब केवल एक सैद्धांतिक अभ्यास नहीं है; यह समझने की कुंजी है कि भविष्य के निर्मित वातावरण की कल्पना कैसे की जाएगी।

अंका-सिमोना होर्वथ का अध्याय, "वर्ड्स, स्पेसेस एंड जनरेटिव एआई," इस नए क्षितिज की जांच करता है कि कैसे तीन अलग-अलग भाषाई परतें आपस में जुड़ती हैं जब वास्तुकार इन शक्तिशाली नए उपकरणों का उपयोग करते हैं। पहली परत वह प्राकृतिक भाषा है जिसे हम रोज बोलते और लिखते हैं, जिसमें वास्तुकारों द्वारा अपने काम पर चर्चा करने के लिए उपयोग किया जाने वाला विशिष्ट शब्दजाल (jargon) भी शामिल है। दूसरी परत वह प्रोग्रामिंग कोड है जो कंप्यूटर को चलाता है, एक कृत्रिम भाषा जो मानवीय बारीकियों के बजाय सख्त तर्क पर आधारित है। तीसरी परत एनोटेशन (annotations) है—वे छोटे लेबल और विवरण जो इन एआई सिस्टम को प्रशिक्षित करने के लिए उपयोग की जाने वाली लाखों छवियों के साथ जुड़े होते हैं। होर्वथ का तर्क है कि जब एक वास्तुकार "एक हरी छत के साथ एक टिकाऊ पुस्तकालय" जैसा प्रॉम्प्ट टाइप करता है, तो एआई केवल एक परिभाषा नहीं खोजता। इसके बजाय, यह एक जटिल जाल के माध्यम से नेविगेट करता है जहाँ मानवीय रूपक, कठोर कंप्यूटर कोड और उसके प्रशिक्षण डेटा की पक्षपाती श्रेणियाँ आपस में टकराती हैं ताकि एक परिणाम उत्पन्न किया जा सके।

यह कैसे काम करता है, इसे समझने के लिए, पेपर भाषा के बारे में हमारी सोच के इतिहास का पता लगाता है। यह 20वीं सदी की शुरुआत की ओर देखता है, जब दार्शनिक लुडविग विट्गेन्स्टीन ने सुझाव दिया था कि संचार मानसिक चित्रों के आदान-प्रदान की तरह है; हम एक-दूसरे के दिमाग में चित्र ट्रिगर करने के लिए शब्दों का उपयोग करते हैं। बाद में, जॉर्ज लैकॉफ और मार्क जॉनसन जैसे शोधकर्ताओं ने दिखाया कि हमारा मस्तिष्क रूपकों (metaphors) से बना है, जो अमूर्त विचारों को समझने के लिए ठोस अनुभवों का उपयोग करता है। उदाहरण के लिए, हम समय को कुछ ऐसा समझते हैं जो "बहता" है या "उड़ता" है, जिससे हम समय को नदी या पक्षी की तरह देखते हैं। ये रूपक केवल काव्य संबंधी सजावट नहीं हैं; वे हमारे सोचने की संरचना हैं। 1970 के दशक में, शहरी योजनाकार डोनाल्ड शोन ने इसे डिजाइन पर लागू किया, यह तर्क देते हुए कि समस्या को हम कैसे फ्रेम करते हैं, वही हम देख पाने वाले समाधानों को निर्धारित करता है। यदि हम एक शहर के ब्लॉक को "मशीन" के रूप में देखते हैं, तो हम दक्षता के लिए डिजाइन करते हैं; यदि हम इसे "बगीचा" के रूप में देखते हैं, तो हम विकास के लिए डिजाइन करते हैं। ये विचार डिजाइन के साथ हमारे संवाद की रीढ़ बनते हैं, लेकिन वे मशीनों के लिए एक अनूठी चुनौती भी पैदा करते हैं।

पेपर फिर टेक्स्ट-टू-इमेज और टेक्स्ट-टू-3D टूल्स के कार्य करने के विशिष्ट तंत्र की ओर मुड़ता है। हालिया अध्ययन बताते हैं कि ये सिस्टम टेक्स्ट विवरणों के आधार पर बिल्डिंग प्लान, ब्रिज स्ट्रक्चर और यहाँ तक कि स्थानीय आवास शैलियों को भी उत्पन्न कर सकते हैं। हालांकि, परिणाम अक्सर मानवीय इरादे और मशीन के आउटपुट के बीच के अंतर को प्रकट करते हैं। उदाहरण के लिए, जब शोधकर्ताओं ने तुर्की, जापान और मेक्सिको के पारंपरिक घरों को उत्पन्न करने के लिए एआई से कहा, तो मॉडलों ने दृश्य शैली—छतों के आकार और खिड़कियों की व्यवस्था—को सफलतापूर्वक कॉपी किया, लेकिन वे उन रूपों के पीछे के गहरे सांस्कृतिक तर्क और सामाजिक अर्थ को समझने में विफल रहे। एआई ने दृश्य रूप से प्रशंसनीय छवियां बनाईं जो अर्थहीन (semantically thin) थीं, जिनमें उस समृद्ध संदर्भ की कमी थी जिसे एक मानव वास्तुकार समझता। एक अन्य अध्ययन में पाया गया कि जब वास्तुकारों ने इन उपकरणों का उपयोग बिना किसी संरचित पद्धति के किया, तो आउटपुट अक्सर आकृतियों का यादृच्छिक संग्रह मात्र थे जो इमारतों की तरह दिखते थे लेकिन कार्यात्मक रूप से कोई अर्थ नहीं रखते थे। शोधकर्ता सुझाव देते हैं कि बेहतर परिणाम प्राप्त करने के लिए, वास्तुकारों को प्रॉम्प्टिंग को एक साधारण कमांड के रूप में नहीं, बल्कि संचार के एक परिष्कृत कार्य के रूप में देखना चाहिए जिसके लिए मशीन के छिपे हुए नियमों को समझना आवश्यक है।

पेपर का एक महत्वपूर्ण हिस्सा भाषा की छिपी हुई परत पर केंद्रित है: वे एनोटेशन जो इन सिस्टम को फीड करते हैं। इमेज-जनरेटिंग एआई को प्रशिक्षित करने के लिए उपयोग किया जाने वाला सबसे प्रसिद्ध डेटासेट, जिसे 'इमेजनेट' (ImageNet) कहा जाता है, इसमें 20,000 से अधिक श्रेणियों में व्यवस्थित 14 मिलियन से अधिक चित्र हैं। ये श्रेणियां यादृच्छिक रूप से नहीं चुनी गई थीं; वे 'वर्डनेट' (WordNet) नामक शब्दों के एक शब्दकोश पर आधारित थीं, जो अवधारणाओं को पदानुक्रमित (hierarchically) रूप से व्यवस्थित करता है। इसका अर्थ है कि एआई ने दुनिया को एक विशिष्ट, मानव-निर्मित लेंस के माध्यम से देखा जो हमारे पूर्वाग्रहों और धारणाओं को शामिल करता है। पेपर ने इस बात पर प्रकाश डाला कि इस डेटासेट ने लोगों को अपमानजनक तरीकों से वर्गीकृत किया, उन्हें मनोरोग निदान या अपशब्दों के तहत समूहबद्ध किया, क्योंकि मूल मानवीय लेबल में वे पूर्वाग्रह मौजूद थे। जब एक एआई "परिवार" या "पेशेवर" की छवि बनाता है, तो वह इन त्रुटिपूर्ण श्रेणियों का उपयोग कर रहा होता है। मशीन नहीं जानती कि परिवार क्या है; वह केवल यह जानती है कि "परिवार" शब्द सांख्यिकीय रूप से कुछ छवियों के साथ कैसे जुड़ा था। यह प्रकट करता है कि एआई एक तटस्थ पर्यवेक्षक नहीं है बल्कि एक दर्पण है जो हमारे ज्ञान को व्यवस्थित करने के विशिष्ट, अक्सर पक्षपाती तरीके को प्रतिबिंबित करता है।

लेखक निष्कर्ष निकालते हैं कि डिजाइन के लिए इन उपकरणों के साथ आगे बढ़ने हेतु, क्षेत्र को भाषा को एक डिजाइन सामग्री के रूप में गंभीरता से लेना चाहिए। इसका अर्थ है प्रॉम्प्ट को केवल एक सरल निर्देश मानने के विचार से आगे बढ़ना। इसके बजाय, वास्तुकारों को मशीन के "एम्बॉडमेंट" (embodiment) को समझने की आवश्यकता है—यह तथ्य कि वह मानव मस्तिष्क की तुलना में सूचना को अलग तरह से संसाधित करती है। जबकि मनुष्य अपने शरीर और इंद्रियों के माध्यम से दुनिया का अनुभव करते हैं, एआई सिस्टम डेटा और पैटर्न के माध्यम से दुनिया का अनुभव करते हैं। पेपर सुझाव देता है कि भविष्य के शोध को इस बात पर बारीकी से नज़र रखनी चाहिए कि विभिन्न भाषाएं और संस्कृतियां डिजाइन की सोच को कैसे आकार देती हैं, और मशीन कोड में अनुवादित होने पर इन अंतरों को कैसे खोया या विकृत किया जा सकता है। यह एक नए दृष्टिकोण का आह्वान करता है जो कंप्यूटर विज्ञान की सटीकता को मानव संचार की सूक्ष्मता के साथ जोड़ता है। यह अध्ययन करके कि शब्द हमारे मानसिक चित्रों को कैसे आकार देते हैं और उन चित्रों को कोड में कैसे अनुवादित किया जाता है, वास्तुकार जनरेटिव एआई की पूरी क्षमता का लाभ उठाना शुरू कर सकते हैं, यह सुनिश्चित करते हुए कि भविष्य की इमारतें न केवल दृष्टिगत रूप से आकर्षक हों, बल्कि गहराई से अर्थपूर्ण और सांस्कृतिक रूप से प्रासंगिक भी हों।