Computational History and Heritage: New Enquiries Through Synthesis
यह शोध पत्र तर्क देता है कि मॉडलिंग, सिमुलेशन और मशीन लर्निंग सहित कम्प्यूटेशनल विधियाँ, पारंपरिक ऐतिहासिक विश्लेषण से परे जाने के लिए विशाल बहुआयामी डेटासेट को संश्लेषित करने हेतु आवश्यक हैं, जिससे विद्वानों को मानव इतिहास के एक अधिक समग्र वृत्तांत को अनलॉक करने के लिए अतीत के वातावरणों को व्यवस्थित रूप से पुनर्गठित करने, परिकल्पनाओं का परीक्षण करने और जटिल सामाजिक-सांस्कृतिक गतिशीलता का अन्वेषण करने में सक्षम बनाया जा सके।
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
कल्पना कीजिए कि आप एक जासूस हैं जो हजारों साल पहले हुई एक रहस्यमय घटना को सुलझाने की कोशिश कर रहे हैं। अतीत में, जासूसों को एक-एक करके हर एक डायरी, पत्र और पत्थर की पट्टिका को अपने दिमाग से जोड़कर कहानी बुनने के लिए उन्हें पढ़ना पड़ता था। इतिहास और विरासत अध्ययन (heritage studies) इसी तरह काम करता था: सावधानीपूर्वक, धीमा, और मानवीय पढ़ने या याद रखने की क्षमता तक सीमित। लेकिन फिर, हमें कंप्यूटर मिले। पहले, हमने कंप्यूटर का उपयोग केवल इन पुरानी चीजों की डिजिटल प्रतियां बनाने के लिए किया, जैसे किसी किताब को स्कैन करना ताकि आप उसे स्क्रीन पर पढ़ सकें। यह "डिजिटल" युग था—यह चीजों को सुरक्षित रखने और अधिक लोगों को उन्हें दिखाने के लिए बेहतरीन था, लेकिन यह ज्यादातर एक शानदार पुस्तकालय जैसा ही था।
अब, हम एक नए चरण में प्रवेश कर रहे हैं जिसे "कंप्यूटेशनल हिस्ट्री एंड हेरिटेज" (Computational History and Heritage) कहा जाता है। इसे केवल एक पुस्तकालय के रूप में नहीं, बल्कि एक विशाल, सुपर-स्मार्ट सिम्युलेटर के रूप में सोचें। अतीत की कहानी को केवल पढ़ने के बजाय, यह नया दृष्टिकोण अतीत का मॉडल बनाने के लिए शक्तिशाली गणित और आर्टिफिशियल इंटेलिजेंस (AI) का उपयोग करता है। यह लाखों सूक्ष्म सुरागों को ले सकता है—जैसे प्राचीन मिट्टी से पराग, एक टूटे हुए बर्तन का आकार, और एक विस्मृत पत्र के शब्द—और उन्हें आपस में मिलाकर ऐसे पैटर्न देख सकता है जिन्हें कोई भी मानवीय आंख कभी नहीं देख सकती। यह बिखरे हुए लाखों पहेली के टुकड़ों को लेने और एक रोबोट द्वारा उन्हें तुरंत जोड़ने जैसा है ताकि एक ऐसी तस्वीर सामने आए जिसके बारे में आपको पता भी नहीं था। यह महत्वपूर्ण है क्योंकि यह हमें अपने पूर्वजों के बारे में "क्या होता अगर" (what if) वाले सवाल पूछने की अनुमति देता है, और उन विचारों का परीक्षण करने की सुविधा देता है कि सभ्यताएं क्यों उठीं या क्यों गिरीं, जो पहले असंभव था।
शोध पत्र: अतीत को देखने का एक नया तरीका
यूजीन चोंग (Eugene Ch'ng) और उनकी टीम द्वारा लिखा गया यह शोध पत्र, मूल रूप से इस नए क्षेत्र का एक मानचित्र है। वे यह देखना चाहते थे कि इतिहास और विरासत का क्षेत्र वास्तव में कहाँ जा रहा है। ऐसा करने के लिए, उन्होंने केवल अनुमान नहीं लगाया; वे एक बड़े डेटा मिशन पर निकले। उन्होंने गूगल स्कॉलर (Google Scholar) से 22,000 से अधिक शोध लेखों के शीर्षक लिए और लेखों के वास्तविक विषयों को वर्गीकृत करने के लिए एक विशेष प्रकार के AI का उपयोग किया। उन्होंने इन लेखों के शीर्षकों को एक विशाल जिग्सॉ पहेली की तरह माना, और शब्दों के उन समूहों (clusters) की तलाश की जो एक साथ दिखाई देते थे, ताकि यह देखा जा सके कि कौन से विषय तेजी से बढ़ रहे हैं और कौन से स्थिर हैं।
बड़ी खोज: विकास की दो गति
लेखकों ने पाया कि यह क्षेत्र वास्तव में बहुत दिलचस्प है: क्षेत्र दो अलग-अलग गति से आगे बढ़ रहा है।
एक तरफ, आपके पास पुरातत्व और विरासत (Archaeology and Heritage) है। ये क्षेत्र के "लंगर" (anchors) हैं। वे बहुत तेजी से आगे बढ़ रहे हैं! शोध पत्र दिखाता है कि इन क्षेत्रों में अनुसंधान की दर प्रति वर्ष 5.2% से 5.6% की दर से बढ़ रही है। यह भौतिकी या रसायन विज्ञान जैसे अन्य "कठोर" विज्ञानों के बराबर या उनसे भी तेज है। क्यों? क्योंकि ये क्षेत्र अतीत में लोगों की गतिविधियों का अनुकरण करने, 3D मॉडल बनाने और प्राचीन अवशेषों को स्कैन करने के लिए कंप्यूटर का उपयोग करने में माहिर हैं। वे भौतिक वस्तुओं को डिजिटल जुड़वा (digital twins) में बदल रहे हैं जिन्हें टेस्ट किया जा सकता है और जिनके साथ प्रयोग किया जा सकता है।
दूसरी ओर, एक "स्थिर" क्षेत्र है: इतिहासलेखन (Historiography) (जो मूल रूप से यह अध्ययन है कि हम इतिहास को कैसे लिखते और समझते हैं)। शोध पत्र ने पाया कि जबकि हम अतीत की चीजों (जैसे इमारतों और औजारों) के पुनर्निर्माण में अद्भुत हो रहे हैं, हम उनके पीछे की कहानियों और विचारों को कम्प्यूटेशनल रूप से समझने में बेहतर नहीं हो पा रहे हैं। इन सैद्धांतिक विषयों की विकास दर स्थिर या थोड़ी नकारात्मक है। लेखक सुझाव देते हैं कि ऐसा इसलिए है क्योंकि एक कंप्यूटर को ईंट की दीवार को पहचानने के बजाय, मानवीय भावनाओं, जटिल कारणों और इतिहास के जटिल "क्यों" को समझाना बहुत कठिन है।
यह दृष्टिकोण क्या है (और क्या नहीं है)
शोध पत्र इस बात को लेकर बहुत स्पष्ट है कि "कंप्यूटेशनल हिस्ट्री" क्या नहीं है। यह केवल एक फैंसी सर्च इंजन नहीं है जो आपके लिए तथ्य खोजता है। यह केवल छिपे हुए नंबर खोजने के लिए डेटा की खुदाई करना नहीं है। और यह निश्चित रूप से पुराने ग्रंथों को तेजी से पढ़ने के बारे में भी नहीं है।
इसके बजाय, लेखक इसे संश्लेषण (synthesis) के रूप में परिभाषित करते हैं। कल्पना कीजिए कि आपके पास लाखों छोटे, रंगीन टाइल्स (tesserae) का एक बॉक्स है। अपने आप में, वे केवल रंग के बिखरे हुए टुकड़े हैं। लेकिन यदि आप एक साथ उन सभी को व्यवस्थित करने के लिए कंप्यूटर का उपयोग करते हैं, तो एक सुंदर मोज़ेक चित्र उभर आता है। वह चित्र "नया ज्ञान" है। कंप्यूटर विभिन्न प्रकार के डेटा को लेता है—जैसे जलवायु रिकॉर्ड, प्राचीन हड्डियों से प्राप्त DNA, और पुराने ग्रंथ—और उन्हें मिलाकर उन छिपे हुए नियमों और संबंधों को प्रकट करता है जो पहले अदृश्य थे।
व्यापार के उपकरण (Tools of the Trade)
शोध पत्र इस बात पर प्रकाश डालता है कि जादू डीप लर्निंग (Deep Learning) और 3D पुनर्निर्माण (3D reconstruction) जैसे नए उपकरणों के कारण हो रहा है।
- 3D पुनर्निर्माण: वे चर्चा करते हैं कि कैसे हम पहले खंडहरों के 3D मॉडल बनाने के लिए कैमरों और गणित का उपयोग करते थे। अब, नए AI उपकरण (जैसे "गॉसियन स्प्लेटिंग" (Gaussian Splatting) नामक चीज़) इन मॉडलों को और भी तेजी से और बेहतर विवरण के साथ बना सकते हैं, यहाँ तक कि उन चमकदार या चिकनी सतहों पर भी जो पहले कंप्यूटरों को भ्रमित कर देती थीं।
- डीप लर्निंग: यह पर्दे के पीछे की दिमागी शक्ति है। यह कंप्यूटर को भारी मात्रा में डेटा से "सीखने" और पैटर्न पहचानने की अनुमति देता है। उदाहरण के लिए, यह हजारों प्राचीन ग्रंथों को देख सकता है और यह पता लगा सकता है कि समय के साथ भाषा कैसे बदली, या यह सिम्युलेट कर सकता है कि एक पूरा शहर सूखे के प्रति कैसे प्रतिक्रिया दे सकता था।
वह अंतर जिसे हमें भरना है
इस शोध पत्र का सबसे महत्वपूर्ण निष्कर्ष यह है कि हमारे पास भरने के लिए एक अंतर (gap) है। हम वर्तमान में अतीत के साक्ष्यों का पुनर्निर्माण करने (भौतिक चीजों) के लिए कंप्यूटरों का उपयोग करने में उत्कृष्ट हैं। लेकिन हम अभी भी इतिहास लिखने (कहानियों और व्याख्याओं) के लिए कंप्यूटरों का उपयोग करने के लिए संघर्ष कर रहे हैं।
लेखक सुझाव देते हैं कि भविष्य केवल बेहतर 3D मॉडल बनाने या अधिक डेटा खोजने के बारे में नहीं है। यह संश्लेषण के बारे में है। हमें भौतिक डेटा (जैसे खंडहर) को अमूर्त डेटा (जैसे विचार और सामाजिक नियम) के साथ मिलाने की आवश्यकता है ताकि एक पूर्ण चित्र बनाया जा सके। उनका मानना है कि एक बार जब हम ऐसा करने में सक्षम हो जाएंगे, तो हम केवल पुराने सवालों के जवाब ही नहीं दे पाएंगे; हम उन नए सवालों को भी पूछ पाएंगे सकेंगे जो हमने पहले कभी नहीं सोचे थे।
संक्षेप में, शोध पत्र का तर्क है कि हमने इंजन (डिजिटल उपकरण और डेटा) तो सफलतापूर्वक बना लिया है, लेकिन अब हमें उस स्तर की समझ तक पहुँचने के लिए ड्राइवर (सोचने के नए तरीके) बनाने की आवश्यकता है। हम केवल अतीत को देखने से आगे बढ़कर उसे सिमुलेट करने और समझने की ओर बढ़ रहे हैं।
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।