Retrieval-Augmented Generation for Taxpayer Advisory in an LMIC Setting: A Proof-of-Concept Evaluation of Statutory Legal Retrieval
यह अध्ययन निम्न और मध्यम आय वाले देशों में करदाता परामर्श के लिए एक रिट्रीवल-ऑगमेंटेड जनरेशन फ्रेमवर्क के प्रूफ-ऑफ-कॉन्सेप्ट मूल्यांकन को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि राष्ट्रीय आयकर कानून के सिमेंटिक रिट्रीवल से ग्राउंडेड लैंग्वेज मॉडल प्रॉम्प्टिंग को सपोर्ट करने के लिए वैधानिक प्रावधानों की पहचान करने में उच्च सटीकता प्राप्त की जा सकती है, जबकि तैनाती से पहले जनरेशन की गुणवत्ता और कानूनी अनुपालन पर आगे के सत्यापन की आवश्यकता को रेखांकित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
दुनिया के कई हिस्सों में, यह समझना कि लोग और व्यवसाय कर (टैक्स) कैसे चुकाते हैं, इसके नियमों को जानना एक कठिन कार्य है। कानून अक्सर सघन, तकनीकी भाषा में लिखे जाते हैं, और किसी अनूठी स्थिति पर लागू होने वाले विशिष्ट नियम को खोजना घास के ढेर में सुई खोजने जैसा महसूस हो सकता है। लोगों को इस जटिलता को समझने में मदद करने के लिए, कर अधिकारी तेजी से डिजिटल उपकरणों की ओर मुड़ रहे हैं, जिसमें आर्टिफिशियल इंटेलिजेंस सिस्टम भी शामिल हैं जिन्हें सवालों के जवाब देने के लिए डिज़ाइन किया गया है। हालाँकि, एक बड़ी चुनौती बनी हुई है: ये कंप्यूटर प्रोग्राम विशाल मात्रा में सामान्य डेटा पर प्रशिक्षित होते हैं, जिसका अर्थ है कि वे कभी-कभी गलत या मनगढ़ंत जानकारी देते हुए भी आत्मविश्वास से भरे लग सकते हैं, जिसे "हैलुसिनेशन" (hallucination) नामक समस्या कहा जाता है। इसे हल करने के लिए, शोधकर्ताओं ने 'रिट्रिवल-ऑगमेंटेड जनरेशन' (retrieval-augmented-generation) नामक एक विधि विकसित की है। यह दृष्टिकोण पहले कंप्यूटर को कानून के सटीक पाठ को खोजने के लिए दस्तावेजों के एक विश्वसनीय, आधिकारिक पुस्तकालय को खोजने के लिए कहता है, और उसके बाद ही कंप्यूटर से केवल उसी के आधार पर उत्तर लिखने के लिए कहता है जो उसने पाया है। यह सुनिश्चित करता है कि प्रतिक्रिया अनुमान के बजाय वास्तविकता पर आधारित हो। विशेषज्ञों के लिए प्रश्न यह है कि क्या यह विधि उन देशों में उपयोगी होने के लिए पर्याप्त अच्छी है जहाँ संसाधन कम हैं, जहाँ कर प्रणालियों का आधुनिकीकरण किया जा रहा है लेकिन जहाँ विशेष कानूनी विशेषज्ञों तक पहुँच अक्सर सीमित है।
यूगांडा के विश्वविद्यालयों के शोधकर्ताओं की एक टीम ने युगांडा के आयकर अधिनियम (Income Tax Act) पर विशेष ध्यान केंद्रित करते हुए इस विचार का परीक्षण करने के लिए हाथ बढ़ाया। उनका लक्ष्य पूरी तरह से तैयार उत्पाद बनाना नहीं था जो कानूनी सलाह दे सके, बल्कि एक वर्किंग प्रोटोटाइप बनाना था ताकि यह देखा जा सके कि क्या मुख्य तकनीक पूछे गए सवाल के आधार पर कर कानून के सही अनुभागों को सटीक रूप से खोज सकती है। उन्होंने राष्ट्रीय कर कानून के पूरे पाठ को लेकर उसे 198 अलग-अलग, प्रबंधनीय सूचनाओं के टुकड़ों में विभाजित किया। प्रत्येक टुकड़े को कानून में उसके स्थान, जैसे कि विशिष्ट भाग और अनुभाग संख्या के साथ टैग किया गया था, और फिर इसे एक डिजिटल प्रारूप में परिवर्तित किया गया जो कंप्यूटर को केवल कीवर्ड मिलाने के बजाय शब्दों के अर्थ को समझने की अनुमति देता है। इस प्रक्रिया ने एक खोजने योग्य डिजिटल पुस्तकालय बनाया जहाँ कंप्यूटर केवल सटीक शब्दों को ही नहीं, बल्कि प्रश्न के पीछे की अवधारणा को भी खोज सकता था।
यह प्रणाली कितनी अच्छी तरह काम करती है, इसका परीक्षण करने के लिए, शोधकर्ताओं ने 900 अलग-अलग प्रश्न तैयार किए जो एक करदाता पूछ सकता है, जैसे कि कटौती या विशिष्ट दरों के बारे में पूछताछ। प्रत्येक प्रश्न के लिए, उन्हें पता था कि कानून का कौन सा अनुभाग सही उत्तर में निहित है। इसके बाद उन्होंने अपने कंप्यूटर सिस्टम से कानून के तीन सबसे प्रासंगिक अनुभागों को खोजने के लिए कहा। परिणामों ने दिखाया कि सिस्टम अपने प्राथमिक कार्य में काफी प्रभावी था। सबसे अच्छे मिलान को खोजने के लिए पूछे जाने पर, सिस्टम 72 प्रतिशत बार सफल रहा। इससे भी महत्वपूर्ण बात यह है कि जब इसने दिए गए शीर्ष तीन परिणामों को देखा, तो सही उत्तर 86.78 प्रतिशत बार शामिल था। यह सुझाव देता है कि हालांकि कंप्यूटर हमेशा अपने पहले विकल्प के रूप में सबसे अच्छा उत्तर नहीं चुन सका, लेकिन इसने लगभग हमेशा सही जानकारी को अपने पहले कुछ विकल्पों के भीतर रखा।
शोधकर्ताओं ने नोट किया कि जब सिस्टम शीर्ष स्थान चूक गया, तो इसका कारण अक्सर यह था कि गलत उत्तर का अर्थ सही उत्तर के बहुत समान था, न कि पूरी तरह से असंबंधित। यह इंगित करता है कि सिस्टम अवधारणाओं को अच्छी तरह समझता है लेकिन कभी-कभी दो बहुत समान प्रावधानों में से यह तय करने में संघर्ष करता है कि सबसे सटीक फिट कौन सा है। अध्ययन ने सफलतापूर्वक प्रदर्शित किया कि यह संभव है कि एक जटिल कानूनी दस्तावेज़ को लिया जाए, उसे मशीन-पठनीय प्रारूप में बदला जाए, और जानकारी खोजने के लिए उच्च स्तर की सटीकता के साथ उसका उपयोग किया जाए। हालाँकि, टीम ने यह स्पष्ट करने में सावधानी बरती कि यह केवल खोज तंत्र का एक परीक्षण था। उन्होंने यह परीक्षण नहीं किया कि कंप्यूटर द्वारा उत्पन्न अंतिम लिखित उत्तर कानूनी रूप से कितने पूर्ण, सुरक्षित या वास्तविक लोगों के लिए समझने में कितने आसान थे।
यह कार्य महत्वपूर्ण है क्योंकि यह विकासशील देशों के कर अधिकारियों को हर प्रश्न के लिए कानूनी विशेषज्ञों की एक विशाल सेना रखने के बजाय अपने नागरिकों को बेहतर, अधिक सुलभ जानकारी प्रदान करने के लिए एक संभावित मार्ग प्रदान करता है। अध्ययन सुझाव देता है कि कानूनों के अपेक्षाकृत छोटे, सुव्यवस्थित संग्रह को जानकारी खोजने के लिए एक शक्तिशाली उपकरण में बदला जा सकता है। फिर भी, लेखक इस बात पर जोर देते हैं कि यह तो बस शुरुआत है। इससे पहले कि ऐसे सिस्टम का उपयोग वास्तविक दुनिया में करदाताओं का मार्गदर्शन करने के लिए किया जा सके, इसे वास्तविक लोगों के वास्तविक प्रश्नों के साथ परीक्षण करने, कानूनी पेशेवरों द्वारा इसकी जाँच करने कि क्या सलाह सही है, और इसे कई भाषाओं और विभिन्न प्रकार के कर कानूनों को संभालने के लिए अनुकूलित करने की आवश्यकता होगी। वर्तमान परिणाम दर्शाते हैं कि तकनीक व्यवहार्य है, लेकिन उस व्यवहार्यता को एक विश्वसनीय सार्वजनिक सेवा में बदलने के लिए सुरक्षा, सटीकता और विश्वास सुनिश्चित करने हेतु आगे के काम की आवश्यकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।