Machine-learning classification of documented pedophilic sexual interest from eye-tracking patterns

द दशकों से, बच्चों के प्रति यौन रुचि के मूल्यांकन के लिए काफी हद तक इस बात पर निर्भर किया जाता रहा है कि लोग क्या कहते हैं। चिकित्सक और फोरेंसिक विशेषज्ञ साक्षात्कार, स्व-रिपोर्ट किए गए इतिहास और उन व्यक्तियों की इच्छा पर निर्भर करते हैं जो उन विचारों या कार्यों को स्वीकार करते हैं जिन्हें वे सामाजिक रूप से अस्वीकार्य या कानूनी रूप से खतरनाक जानते हैं। फिर भी, इस विषय की प्रकृति—शर्म, परिणामों का डर और स्वयं को बचाने की इच्छा—अक्सर अधूरी या बेईमान प्रतिक्रियाओं की ओर ले जाती है। यह एक महत्वपूर्ण अंतर पैदा करता है, विशेष रूप से कानूनी और उपचार सेटिंग्स में जहाँ दांव बहुत ऊंचे होते हैं। इस विभाजन को पाटने के लिए, शोधकर्ताओं ने आकर्षण को मापने के अप्रत्यक्ष तरीके खोजने की लंबे समय से कोशिश की है, ऐसे शारीरिक या व्यवहारिक संकेतों की तलाश की है जो सचेत नियंत्रण से परे जा सकें। ऐसा ही एक मार्ग आई-ट्रैकिंग (eye tracking) है, एक ऐसी तकनीक जो यह रिकॉर्ड करती है कि कोई व्यक्ति वास्तव में कहाँ देखता है और कितनी देर तक देखता है। इसके पीछे का मूल विचार सरल है: आँखें जहाँ जाती हैं, मन अक्सर वहीं जाता है, और ये पैटर्न उन प्राथमिकताओं को प्रकट कर सकते हैं जिन्हें एक व्यक्ति छिपाने की कोशिश करता है।

जर्मनी का एक नया अध्ययन इस अवधारणा को उन्नत कंप्यूटर विश्लेषण के साथ जोड़कर एक कदम आगे ले जाता है। शोधकर्ताओं ने यह देखने की कोशिश की कि क्या वे केवल स्क्रीन पर उनकी आँखों की गति का उपयोग करके, उन पुरुषों के बीच अंतर कर सकते हैं जिनमें बच्चों के प्रति दस्तावेजी यौन रुचि है और उनमें जिनका ऐसा कोई रुझान नहीं है। उन्होंने प्रतिभागियों से उनके विचारों का वर्णन करने या छवियों को रेटिंग देने के लिए नहीं कहा। इसके बजाय, उन्होंने देखा कि प्रतिभागियों ने वयस्कों और बच्चों की तस्वीरों के प्रति अपनी आँखों की प्रतिक्रिया कैसे दी, जबकि प्रतिभागी विशिष्ट कार्यों को पूरा कर रहे थे। लक्ष्य यह देखना था कि क्या एक मशीन उन सूक्ष्म, स्वचालित दृष्टि अंतरों को पहचान सकती है जो इन दो समूहों को अलग करते हैं, जिससे उच्च-दांव वाली स्थितियों में नैदानिक निर्णय को समर्थन देने वाला एक संभावित उपकरण मिल सके।

इस अध्ययन में जर्मनी के पांच अलग-अलग स्थानों से भर्ती किए गए 124 वयस्क पुरुष शामिल थे। समूह को दो मुख्य श्रेणियों में विभाजित किया गया था: 34 पुरुष जिनके पास बाल यौन शोषण (pedophilia) का दस्तावेजी निदान था, जिनमें से कई बच्चों के खिलाफ अपराधों का इतिहास रखने वाले फोरेंसिक रोगी थे, और 90 पुरुष जिनमें यह निदान नहीं था। इस नियंत्रण समूह (control group) में स्वस्थ स्वयंसेवक, साथ ही कुछ ऐसे व्यक्ति भी शामिल थे जिन्होंने अन्य प्रकार के अपराध किए थे लेकिन बच्चों के खिलाफ यौन अपराध नहीं। उनकी आँखों का परीक्षण करने के लिए, प्रतिभागियों ने स्क्रीन के सामने बैठकर तीन अलग-अलग कार्य पूरे किए। पहले कार्य में, उन्हें अगल-बगल दो चित्र दिखाए गए—एक वयस्क का और एक उसी लिंग के बच्चे का—और उनसे पूछा गया कि वे किसे अधिक आकर्षक पाते हैं। दूसरे कार्य में, उन्हें 3-डी आकृतियों को घुमाने वाली मानसिक पहेलियों को हल करना था, लेकिन ऐसा करते समय, स्क्रीन पर वयस्कों या बच्चों की तस्वीरें विचलित करने वाले तत्वों (distractions) के रूप में चमकती थीं। तीसरे कार्य में विभिन्न छवियों के उत्तेजक या सुखद होने की दर बताना शामिल था। इन अभ्यासों के दौरान, एक हाई-स्पीड कैमरे ने उनकी आँखों की हर हरकत को रिकॉर्ड किया, यह नोट करते हुए कि वे ठीक कहाँ देखते थे, वे कितनी देर तक रुकते थे, और उनकी दृष्टि कितनी तेजी से बदलती थी।

इसके बाद शोधकर्ताओं ने इस विशाल दृश्य डेटा को एक मशीन-लर्निंग सिस्टम में डाला। यह कंप्यूटर प्रोग्राम उन जटिल पैटर्न को खोजने के लिए डिज़ाइन किया गया था जिन्हें मानव पर्यवेक्षक मिस कर सकते हैं। इसने हजारों सूक्ष्म विवरणों को देखा, जैसे कि किसी व्यक्ति ने वयस्क बनाम बच्चे के सिर या पेट को कितनी देर तक घूरा, विचलित करने वाली छवि की ओर उनकी आँखें कितनी जल्दी बढ़ीं, और पहेली तथा चित्र के बीच उनका ध्यान कैसे बदला। सिस्टम को केवल इन नेत्र गतियों के आधार पर दोनों समूहों के बीच अंतर करने के लिए प्रशिक्षित किया गया था। परिणाम चौंकाने वाले थे। जब कंप्यूटर ने प्रारंभिक ओरिएंटेशन कार्य और डिस्ट्रैक्शन टास्क के डेटा का एक साथ विश्लेषण किया, तो इसने उच्च सटीकता के साथ सही ढंग से पहचाना कि उस व्यक्ति में बाल यौन शोषण की रुचि का दस्तावेजी प्रमाण है या नहीं। विशेष रूप से, मॉडल ने उन पुरुषों को सही ढंग से वर्गीकृत किया जिनमें यह रुचि नहीं थी, एक अलग समूह के स्वस्थ स्वयंसेवकों पर परीक्षण करते समय लगभग सभी मामलों में उन्हें नकारात्मक के रूप में सही लेबल किया।

इस परिणाम को संभव बनाने वाली चीज़ केवल एक एकल व्यवहार को देखना नहीं था, बल्कि कई छोटे संकेतों को मिलाना था। अध्ययन में पाया गया कि बाल यौन शोषण की रुचि वाले पुरुषों में नियंत्रण समूह के पुरुषों की तुलना में बच्चों की छवियों को अधिक बार और अधिक समय तक देखने की प्रवृत्ति थी, भले ही वे किसी अन्य कार्य पर ध्यान केंद्रित करने की कोशिश कर रहे हों। उन्होंने विचलित करने वाले तत्वों के रूप में बच्चों के आने पर ध्यान का एक अलग पैटर्न भी दिखाया, जो अक्सर नियंत्रण समूह की तुलना में बच्चों को जल्दी और अधिक समय तक देखते थे, जो कि यौन रूप से प्रासंगिक उत्तेजनाओं को अनदेखा करने की कमजोर क्षमता का सुझाव देता है। इसके विपरीत, बिना इस रुचि वाले पुरुषों ने लगातार वयस्क छवियों को प्राथमिकता दी और पहेलियों पर ध्यान केंद्रित करने के लिए बाल छवियों को अनदेखा करने में बेहतर थे। दिलचस्प बात यह है कि कंप्यूटर को एकत्र किए गए सभी डेटा का उपयोग करने की आवश्यकता नहीं पड़ी। यहाँ तक कि जब शोधकर्ताओं ने मॉडल को केवल कुछ सबसे महत्वपूर्ण आई-मूवमेंट फीचर्स तक सीमित कर दिया, तब भी सटीकता बहुत उच्च बनी रही। यह सुझाव देता है कि संकेत मजबूत है और चरों के एक जटिल जाल पर निर्भर नहीं है।

अध्ययन ने यह भी जांचा कि क्या प्रतिभागियों की पृष्ठभूमि के आधार पर इन नेत्र पैटर्न में परिवर्तन होता है। शोधकर्ताओं ने उन पुरुषों को देखा जिन्होंने बच्चों के खिलाफ अपराध किए थे बनाम जिन्होंने नहीं किए थे, जो वर्तमान में जेल में थे बनाम जो बाहर थे, और जिन्होंने इन विचारों को स्वीकार किया बनाम जिन्होंने उन्हें नकारा था। मशीन-लर्निंग मॉडल लगभग सभी विभिन्न उपसमूहों में लगातार अच्छा प्रदर्शन करता रहा। यह नेत्र गति के समान पैटर्न का पता लगाने में सक्षम था, चाहे वह व्यक्ति फोरेंसिक रोगी हो या स्वस्थ स्वयंसेवक, या उसने अपनी रुचियों को खुले तौर पर स्वीकार किया हो या उन्हें छिपाने की कोशिश की हो। यह निरंतरता महत्वपूर्ण है क्योंकि यह सुझाव देती है कि आई-ट्रैकिंग विधि यौन रुचि के एक मौलिक पहलू को पकड़ती है जो तब भी बना रहता है जब कोई व्यक्ति इसे छिपाने की कोशिश करता है। एकमात्र अपवाद बहुत छोटे समूहों के मामले थे जिनमें विशिष्ट अपराध इतिहास था, जहाँ नमूना आकार इतना छोटा था कि निश्चित निष्कर्ष नहीं निकाले जा सके।

हालाँकि, शोधकर्ता सावधानीपूर्वक यह स्पष्ट करते हैं कि यह तकनीक क्या है और क्या नहीं है। वे इस बात पर जोर देते हैं कि यह एक नैदानिक साक्षात्कार या कानूनी निर्णय की जगह लेने वाला डायग्नोस्टिक टूल नहीं है। यह अध्ययन एक 'प्रूफ ऑफ कॉन्सेप्ट' था, जो यह दर्शाता है कि आई-ट्रैकिंग डेटा का उपयोग एक अनुसंधान सेटिंग में उच्च सटीकता के साथ व्यक्तियों को वर्गीकृत करने के लिए किया जा सकता है। लेखक बताते हैं कि 'फॉल्स पॉजिटिव' (गलत सकारात्मक)—अर्थात किसी निर्दोष व्यक्ति को बाल यौन शोषण की रुचि वाला गलत तरीके से लेबल करना—के गंभीर परिणाम हो सकते हैं, इसलिए वास्तविक दुनिया के नैदानिक या कानूनी निर्णयों में उपयोग किए जाने से पहले इस पद्धति को बड़े और अधिक विविध समूहों में और अधिक परीक्षण की आवश्यकता है। वे यह भी नोट करते हैं कि अध्ययन ने यह साबित नहीं किया कि नेत्र गतियां अपराधी व्यवहार का कारण बनती हैं, बल्कि केवल यह कि वे एक दस्तावेजी निदान के साथ सह-संबंधित हैं। कार्यों के भावनात्मक प्रभाव की भी निगरानी की गई थी, और हालांकि कंप्यूटर स्कोर क्रोध या उदासी जैसे भावनाओं में बदलाव से जुड़े थे, अध्ययन में यह नहीं पाया गया कि प्रतिभागियों की पूर्व भावनात्मक स्थिति ने परिणामों की भविष्यवाणी की।

अंततः, यह कार्य एक ऐसे भविष्य की झलक देता है जहाँ यौन रुचि का मूल्यांकन इस बात पर कम निर्भर करेगा कि लोग क्या कहते हैं और इस बात पर अधिक कि उनकी आँखें क्या करती हैं। सरल दृश्य कार्यों को शक्तिशाली कंप्यूटर विश्लेषण के साथ जोड़कर, शोधकर्ताओं ने प्रदर्शित किया कि उन विशिष्ट ध्यान पैटर्न का पता लगाना संभव है जो बाल यौन शोषण की रुचि वाले पुरुषों को बिना रुचि वाले पुरुषों से अलग करते हैं। हालाँकि यह तकनीक अभी अदालत या क्लिनिक के लिए तैयार नहीं है, लेकिन निष्कर्ष बताते हैं कि आई-ट्रैकिंग डेटा का उपयोग भविष्य में उन उपकरणों की एक नई पीढ़ी का हिस्सा बन सकता है जो धोखा देने में कठिन, आकलन में अधिक सटीक और समाज द्वारा रोकथाम और उपचार के प्रति दृष्टिकोण को बदलने में संभावित रूप से परिवर्तनकारी हो सकते हैं।