Beyond One-Size-Fits-All: Decoding Heterogeneous Driving Factors of Urban Innovation in China through Interpretable Machine Learning

शहरों को अक्सर नवाचार के इंजन के रूप में वर्णित किया जाता है, ऐसी जगहें जहाँ लोगों, विचारों और संसाधनों का मिलन अगली महान खोज को जन्म देता है। दशकों से, अर्थशास्त्रियों और शहरी योजनाकारों ने यह समझने की कोशिश की है कि ये इंजन वास्तव में कैसे चलते हैं। प्रचलित धारणा यह थी कि यदि कोई शहर अनुसंधान और विकास (R&D) में अधिक पैसा डालता है, अधिक कुशल श्रमिकों को काम पर रखता है, या अधिक विश्वविद्यालय बनाता है, तो नवाचार स्वाभाविक रूप से पीछे आएगा। इस दृष्टिकोण ने शहरों के साथ ऐसा व्यवहार किया जैसे वे सभी एक ही बुनियादी ब्लूप्रिंट पर चलते हों, यह मानते हुए कि सफलता का नुस्खा सार्वभौमिक था। हालाँकि, शहर कैसे बढ़ते हैं और नए विचार कैसे पैदा करते हैं, इसकी वास्तविकता कहीं अधिक जटिल है। जिस प्रकार एक रेगिस्तान में जंगल उसी तरह नहीं बढ़ता जैसे कि एक वर्षावन में बढ़ता है, वैसे ही एक हलचल भरे महानगर में नवाचार को चलाने वाले कारक एक छोटे, कम विकसित शहर की मदद करने वाले कारकों से पूरी तरह अलग हो सकते हैं। इन अंतरों को समझना महत्वपूर्ण है क्योंकि जो नीतियां एक स्थान पर काम करती हैं, वे दूसरे स्थान पर विफल हो सकती हैं, या उल्टा असर भी डाल सकती हैं।

शोधकर्ताओं की एक टीम ने चीन के 284 शहरों में चौदह वर्षों की अवधि में नवाचार क्षमताओं को देखकर इन छिपे हुए नियमों को डिकोड करने का प्रयास किया। पारंपरिक सांख्यिकीय विधियों पर भरोसा करने के बजाय, जो कारण और प्रभाव के बीच एक सीधी रेखा वाले संबंध को मानती हैं, उन्होंने मशीन लर्निंग का उपयोग करके एक अधिक उन्नत दृष्टिकोण अपनाया। उन्होंने शहर की नवाचार करने की क्षमता को केवल एक संख्या के रूप में नहीं, बल्कि एक यात्रा के रूप में देखा जिसमें वैज्ञानिक ज्ञान का निर्माण, नई तकनीकों का विकास और अंततः उन तकनीteologies को बाजार में लाना शामिल है। इस यात्रा को क्या संचालित करता है, इसे समझने के लिए उन्होंने जनसंख्या घनत्व और अनुसंधान पर खर्च किए जाने वाले धन से लेकर, व्यावसायिक संपर्कों के घनत्व और स्थानीय संस्थानों की गुणवत्ता तक, 29 विभिन्न कारकों पर भारी मात्रा में डेटा एकत्र किया।

शोधकर्ताओं ने इस डेटा को एक परिष्कृत कंप्यूटर मॉडल में डाला जो उन जटिल, गैर-रेखीय पैटर्न को पहचान सकता है जिन्हें मानव विश्लेषक शायद मिस कर दें। मॉडल ने इन 29 कारकों के आधार पर एक शहर के नवाचार आउटपुट की भविष्यवाणी करना सीखा, और फिर शोधकर्ताओं ने मॉडल के तर्क को रिवर्स-इंजीनियर करने के लिए एक विशेष उपकरण का उपयोग किया। इसने उन्हें यह देखने की अनुमति दी कि कौन से कारक सबसे अधिक महत्वपूर्ण थे और, अधिक महत्वपूर्ण बात यह है कि शहर की विशिष्ट स्थिति के आधार पर उनका प्रभाव कैसे बदलता है। उन्होंने पाया कि नवाचार के लिए कोई एक "एक-आकार-सभी-के-लिए-उपयुक्त" (one-size-fits-all) पथ नहीं है। इसके बजाय, सफलता के चालक विशिष्ट 'थ्रेशोल्ड' (सीमाओं) के साथ काम करते हैं, जिसका अर्थ है कि वे केवल तभी प्रभावी ढंग से काम करना शुरू करते हैं जब कोई शहर विकास या घनत्व के एक निश्चित स्तर तक पहुँच जाता है।

अध्ययन से पता चला कि तीन मुख्य ताकतें एक शहर की नवाचार करने की क्षमता को आकार देती हैं: इसके नवाचार नेटवर्क का घनत्व, इसकी आर्थिक गतिविधि का संकेंद्रण, और अनुसंधान में निवेश की गई राशि। हालाँकि, इन ताकतों के काम करने का तरीका नाटकीय रूप से भिन्न है। शोधकर्ताओं ने पाया कि कंपनियों, विश्वविद्यालयों और अनुसंधान संस्थानों के बीच संपर्कों का एक घना नेटवर्क बनाना नवाचार का सबसे सुलभ मार्ग है। इस कारक का थ्रेशोल्ड बहुत कम है, जिसका अर्थ है कि कनेक्टिविटी में मामूली वृद्धि भी लगभग किसी भी शहर के लिए नवाचार में तीव्र उछाल ला सकती है। यह सुधार के लिए सबसे विश्वसनीय लीवर है। इसके विपरीत, अनुसंधान और विकास में केवल पैसा झोंकना एक बहुत अधिक जोखिम भरी रणनीति है। डेटा ने दिखाया कि इस कारक का सक्रियण थ्रेशोल्ड (activation threshold) बहुत अधिक है; एक शहर को महत्वपूर्ण रिटर्न देखने से पहले भारी मात्रा में पूंजी निवेश करनी पड़ती है। इसके अलावा, ऐसे निवेश के लाभ अत्यधिक असमान हैं। केवल वे शहर जिनके पास मजबूत मौजूदा आधार और नए ज्ञान को आत्मसात करने की क्षमता है, वे ही लाभ देखते हैं, जबकि अन्य बिना किसी परिणाम के भारी खर्च कर सकते हैं।

शोधकर्ताओं ने यह भी पाया कि "सही" रणनीति पूरी तरह से शहर के प्रकार पर निर्भर करती है। बीजिंग और शंघाई जैसे बड़े, समृद्ध शहर संचयी विकास (cumulative growth) के पथ का अनुसरण करते हैं। इन स्थानों में, घनी आबादी, मजबूत नेटवर्क और भारी अनुसंधान खर्च के लाभ एक-दूसरे को सुदृढ़ करते हैं, जिससे सफलता का एक स्व-स्थायी चक्र बनता है। इन शहरों के लिए, लक्ष्य प्रणाली को सूक्ष्म रूप से बेहतर बनाना है ताकि यह सुनिश्चित हो सके कि उनके भारी निवेश उच्च-गुणवत्ता वाले परिणामों में बदलें। हालाँकि, छोटे या कम विकसित शहर इस मॉडल की नकल नहीं कर सकते। उनके लिए, एक प्रमुख महानगर के अनुसंधान खर्च के बराबर पहुँचने की कोशिश करना अक्सर संसाधनों की बर्बादी है। इसके बजाय, ये शहर एक प्रतिपूरक रणनीति (compensatory strategy) अपनाकर सफल होते हैं। वे डिजिटल बुनियादी ढांचे के निर्माण और बाहरी साझेदारी बनाने पर ध्यान केंद्रित करते हैं ताकि कहीं और से क्षमताओं को उधार लिया जा सके, प्रभावी रूप से स्थानीय संसाधनों की कमी को पूरा करने के लिए कनेक्टिविटी का उपयोग किया जा सके।

अध्ययन ने सरकारी पदानुक्रम की शक्तिशाली भूमिका पर भी प्रकाश डाला। जो शहर प्रांतीय राजधानियाँ होते हैं, उन्हें अक्सर एक विशिष्ट लाभ मिलता है क्योंकि वे स्वाभाविक रूप से अधिक विश्वविद्यालयों, अनुसंधान संस्थानों और नीतिगत समर्थन को आकर्षित करते हैं। यह प्रशासनिक केंद्रीयता नवाचार के प्रवेश की बाधा को कम करती है, जिससे इन शहरों के लिए अपनी क्षमता को सक्रिय करना आसान हो जाता है। बिना इस प्रशासनिक स्थिति वाले शहरों को कठिन संघर्ष करना पड़ता है; समान परिणाम प्राप्त करने के लिए उन्हें अपने आर्थिक घनत्व और नेटवर्क कनेक्टिविटी के उसी स्तर को बनाने के लिए अधिक मेहनत करनी पड़ती है। निष्कर्ष बताते हैं कि हर शहर पर एक ही नवाचार नीति लागू करने का पुराना दृष्टिकोण त्रुटिपूर्ण है। एक नीति जो भारी अनुसंधान खर्च को बढ़ावा देती है, वह एक बड़े, विकसित शहर को आगे बढ़ा सकती है, लेकिन यह एक छोटे शहर को कर्ज और अनिश्चित अपेक्षाओं के साथ संघर्ष करने के लिए छोड़ सकती है।

अंततः, यह शोध नीति निर्माताओं के लिए एक स्पष्ट रोडमैप प्रदान करता है। यह सुझाव देता है कि नवाचार एक अखंड प्रक्रिया नहीं है, बल्कि विभिन्न तंत्रों का एक संग्रह है जो स्थानीय स्थितियों के प्रति प्रतिक्रिया देते हैं। बड़े, विकसित शहरों के लिए, ध्यान दक्षता और यह सुनिश्चित करने पर होना चाहिए कि उनके भारी निवेश उच्च-गुणवत्ता वाले परिणाम दें। छोटे या अल्पविकसित शहरों के लिए, प्राथमिकता डिजिटल और सामाजिक सेतु बनाने पर होनी चाहिए—ताकि वे व्यापक दुनिया से जुड़ सकें, न कि सब कुछ शून्य से बनाने की कोशिश करें। यह पहचानकर कि विभिन्न शहरों की विभिन्न आवश्यकताएं और अलग शुरुआती बिंदु होते हैं, नेता अपनी विशिष्ट वास्तविकता के अनुरूप रणनीतियां बना सकते हैं, जिससे सामान्य समाधानों से हटकर एक अधिक सूक्ष्म और प्रभावी दृष्टिकोण की ओर बढ़ा जा सके।