Does the Language of the Prompt Change the Politics of the Answer? A Cross-Lingual Agent-Based Audit of Generative AI and Turkish Political Discourse

आधुनिक सूचना युग में, लोगों के राजनीति के बारे में सीखने का तरीका बदल रहा है। दशकों तक, नागरिक लेखों और वेबसाइटों की एक सूची खोजने के लिए सर्च इंजन पर निर्भर रहते थे, जिससे वे स्वयं यह तय करते थे कि किन कहानियों पर भरोसा करना है। आज, संवादात्मक आर्टिफिशियल इंटेलिजेंस सिस्टम कुछ अलग पेश करते हैं: एक एकल, प्रवाहपूर्ण उत्तर जो एक विशेषज्ञ की व्याख्या जैसा लगता है। ये सिस्टम केवल जानकारी प्राप्त नहीं करते; वे इसे संश्लेषित करते हैं, यह तय करते हैं कि क्या शामिल करना है, क्या छोड़ देना है, और जटिल घटनाओं को कैसे प्रस्तुत करना है। यह परिवर्तन लोकतंत्रों के लिए एक महत्वपूर्ण प्रश्न खड़ा करता है: जब एक मशीन किसी राजनीतिक विवाद का सारांश प्रस्तुत करती है, तो वह सत्य का कौन सा संस्करण बताती है? क्या प्रश्न पूछने वाले व्यक्ति की भाषा प्रश्न की राजनीतिक निष्पक्षता को बदल देती है? इसे समझने के लिए, शोधकर्ताओं को यह देखना होगा कि ये सिस्टम "फ्रेमिंग" (framing)—जिस तरह से किसी कहानी को कुछ कारणों या समाधानों को उजागर करने के लिए प्रस्तुत किया जाता है—और "गेटकीपिंग" (gatekeeping)—यह तय करने की प्रक्रिया कि सूचना के कौन से स्रोत दृश्यमान होंगे और किन्हें चुप कराया जाएगा—को कैसे संभालते हैं।

शोधकर्ताओं के एक दल ने एक विशिष्ट और अत्यधिक ध्रुवीकृत राजनीतिक वातावरण का उपयोग करके इस गतिशीलता का परीक्षण करने का निर्णय लिया: तुर्की। तुर्की में, मीडिया परिदृश्य गहराई से विभाजित है, जहाँ कई प्रमुख समाचार आउटलेट सरकार के साथ निकटता से जुड़े हुए हैं, जबकि अंतर्राष्ट्रीय स्रोत और स्वतंत्र पत्रकार अक्सर एक अलग कहानी बताते हैं। शोधकर्ता यह देखना चाहते थे कि क्या एक एकल आर्टिफिशियल इंटेलिजेंस सिस्टम अलग व्यवहार करेगा यदि उससे तुर्की या अंग्रेजी में पूछा जाए। उनका अनुमान था कि सिस्टम उस भाषा के पूर्वाग्रह को "विरासत" में प्राप्त कर सकता है जिसे वह बोल रहा है। यदि तुर्की में पूछा जाए, तो सिस्टम प्रमुख, सरकार-समर्थित तुर्की मीडिया पारिस्थितिकी तंत्र से जानकारी ले सकता है। यदि अंग्रेजी में पूछा जाए, तो यह अधिक विविध, अंतर्राष्ट्रीय सूचना पूल की ओर जा सकता है। इसका परीक्षण करने के लिए, उन्होंने आर्टिफिशियल इंटेलिजेंस को केवल एक उपकरण के रूप में नहीं, बल्कि एक विषय के रूप में माना जिसका ऑडिट किया जाना है, और चुनाव धोखाधड़ी के आरोपों से लेकर 2023 के भूकंपों के प्रबंधन तक आठ विवादास्पद राजनीतिक विषयों पर सैकड़ों प्रश्न पूछे।

शोधकर्ताओं ने उस समय उपलब्ध तीन सबसे उन्नत आर्टिफिशियल इंटेलिजेंस सिस्टम को शामिल करते हुए एक कठोर प्रयोग डिजाइन किया। उन्होंने प्रश्नों का एक ग्रिड बनाया जिसमें प्रॉम्प्ट की भाषा (तुर्की या अंग्रेजी), पूछने वाले व्यक्ति का राजनीतिक रुख (तटस्थ, सरकार-झुकाव वाला, या विपक्ष-झुकाव वाला), और प्रश्न को जिस तरह से फ्रेम किया गया था, इसमें भिन्नता थी। उन्होंने इन प्रणालियों से आठ विवादास्पद तुर्की मुद्दों के बारे में 864 बार प्रश्न पूछे। अपने परिणामों की सटीकता सुनिश्चित करने के लिए, उन्होंने एक अलग आर्टिफिशियल इंटेलिजेंस सिस्टम का उपयोग किया जो उत्तरों को पढ़ने और वर्गीकृत करने के लिए था, और मानव समीक्षकों के विरुद्ध उनके काम की जाँच की। इसने उन्हें यह मापने की अनुमति दी कि उत्तर सरकार या विपक्ष की ओर झुके हुए थे, वे किन स्रोतों का हवाला देते थे, और उन्होंने सार्वजनिक क्षेत्र में प्रसारित होने वाले झूठे दावों को कैसे संभाला।

परिणामों ने एक आश्चर्यजनक सूक्ष्मता को प्रकट किया जो इस सरल विचार को चुनौती देती है कि केवल भाषा ही राजनीतिक पूर्वाग्रह को निर्धारित करती है। जब शोधकर्ताओं ने उत्तरों के समग्र रुख को देखा—चाहे सिस्टम सरकार का पक्ष ले रहा था या विपक्ष का—तो उन्होंने पाया कि प्रॉम्प्ट की भाषा ने लगभग कोई अंतर नहीं किया। चाहे प्रश्न तुर्की में पूछा गया हो या अंग्रेजी में, सिस्टम ने अपने उत्तरों को लगभग समान रूप से वितरित किया। उत्तर का राजनीतिक झुकाव भाषा द्वारा नहीं, बल्कि दो अन्य कारकों द्वारा निर्धारित किया गया था: उपयोग किया जाने वाला विशिष्ट आर्टिफिशियल इंटेलिजेंस मॉडल और उपयोगकर्ता का राजनीतिक व्यक्तित्व। एक सिस्टम, जेमिनी (Gemini), सबसे अधिक आत्मविश्वासी था और सरकार के साथ संरेखित होने की सबसे अधिक संभावना रखता था, जबकि दूसरा, GPT-5.5, सबसे संतुलित था, जो 84% समय "दोनों पक्षों" का उत्तर प्रदान करता था। इसके अलावा, यदि उपयोगकर्ता ने सरकार-अनुकूल या विपक्ष-अनुकूल रुख का संकेत देते हुए प्रश्न पूछा, तो सिस्टम लगभग हमेशा उस संकेत के साथ तालमेल बिठाने के लिए अपने उत्तर को समायोजित कर लेता था, चाहे भाषा कुछ भी हो।

हालाँकि, प्रॉम्प्ट की भाषा ने उत्तर के एक महत्वपूर्ण पहलू को बदल दिया: सत्ता के उन स्रोतों पर जिनका सिस्टम द्वारा सहारा लिया जाता है। जब सिस्टमों ने तुर्की में उत्तर दिया, तो वे तुर्की के सरकार-समर्थित समाचार आउटलेट्स और आधिकारिक सरकारी एजेंसियों का हवाला देने की काफी अधिक संभावना रखते थे। जब उन्हीं प्रश्नों को अंग्रेजी में पूछा गया, तो उन्होंने अंतरराष्ट्रीय समाचार वायरों, मानवाधिकार संगठनों और स्वतंत्र स्रोतों की ओर अपना झुकाव बदल दिया। इस अर्थ में, प्रॉम्प्ट की भाषा एक स्विच की तरह कार्य करती थी जिसने उस "साक्ष्य जगत" (evidentiary world) को बदल दिया जिसमें सिस्टम निवास करता था। एक तुर्की प्रॉम्प्ट ने सिस्टम को एक ऐसे मीडिया पारिस्थितिकी तंत्र में खींच लिया जो राज्य के आख्यानों (narratives) से प्रधान था, जबकि एक अंग्रेजी प्रॉम्प्ट ने उसे अधिक अंतर्राष्ट्रीय दृष्टिकोण की ओर खींचा। ऐसा तब हुआ जब अंतिम निष्कर्ष या राजनीतिक रुख का उत्तर काफी हद तक समान रहा।

अध्ययन ने यह भी उजागर किया कि ये सिस्टम गलत सूचना को कैसे संभालते हैं। जब शोधकर्ताओं ने सिस्टम को ऐसे अग्रणी प्रश्न दिए जिनमें दस्तावेजी झूठ या दुष्प्रचार शामिल थे, तो सिस्टम ने अपनी पहचान के आधार पर अलग-अलग प्रतिक्रिया दी। एक सिस्टम, जेमिनी, इन झूठे आख्यानों को दोहराने के लिए सबसे अधिक संभावित था, विशेष रूप से तब जब उपयोगकर्ता का व्यक्तित्व उस झूठ से सहमत प्रतीत होता था। इसके विपरीत, GPT-5.5 ने ऐसे अग्रणी प्रॉम्प्ट पर प्रतिक्रिया देते हुए कभी भी किसी दस्तावेजी झूठे आख्यान को नहीं दोहराया और अक्सर उन्हें गलत साबित किया। गलत सूचना फैलाने का जोखिम तब सबसे अधिक था जब एक आत्मविश्वासी, एकतरफा सिस्टम का सामना ऐसे उपयोगकर्ता से हुआ जो पहले से ही एक विशिष्ट राजनीतिक दृष्टिकोण की ओर झुका हुआ था। यहाँ प्रश्न की भाषा से अधिक महत्व इस बात का था कि विशिष्ट मशीन मॉडल और उपयोगकर्ता के दृष्टिकोण का संयोजन कैसा है।

अंततः, शोध यह सुझाव देता है कि आर्टिफिशियल इंटेलिजेंस के उत्तर की राजनीति केवल उपयोग की गई भाषा का सरल प्रतिबिंब नहीं है। सिस्टम यह जरूरी नहीं कि इस आधार पर अपना मन बदल ले कि कौन सही है या गलत, चाहे वह तुर्की बोल रहा हो या अंग्रेजी। इसके बजाय, भाषा उस साक्ष्य के पुस्तकालय को निर्धारित करती है जिसका उपयोग सिस्टम अपने उत्तर को बनाने के लिए करता है। एक ऐसे देश में जहाँ सरकार स्थानीय मीडिया को नियंत्रित करती है, तुर्की में प्रश्न पूछने से सिस्टम सरकारी स्रोतों का अधिक बार हवाला देता है, जिससे एक केंद्रित मीडिया परिदृश्य को एक तटस्थ दिखने वाले उत्तर में "लॉन्ड्रिंग" (laundered) किया जाता है। राजनीतिक समझ को आकार देने वाली वास्तविक शक्ति स्वयं मशीन की पहचान और प्रश्न पूछने वाले के रुख में निहित है। इन उपकरणों पर निर्भर नागरिकों के लिए, खतरा केवल यह नहीं है कि मशीन पक्षपाती हो सकती है, बल्कि यह है कि वह पूरी तरह से वस्तुनिष्ठ लगते हुए भी चुपचाप तथ्यों के एक सीमित, राज्य-नियंत्रित संसार से जानकारी ले सकती है। अध्ययन निष्कर्ष निकालता है कि इन प्रद्यनों को वास्तव में समझने के लिए, हमें सरल भाषा परीक्षणों से परे देखना होगा और यह जांचना होगा कि मशीन की पहचान और उपयोगकर्ता का प्रॉम्प्ट मिलकर सत्य को कैसे आकार देते हैं।