Artificial intelligence for oral history and disaster experience: a systematic mapping study
यह व्यवस्थित मैपिंग अध्ययन 35 प्राथमिक अध्ययनों की समीक्षा करता है ताकि यह विश्लेषण किया जा सके कि कृत्रिम बुद्धिमत्ता (आर्टिफिशियल इंटेलिजेंस) किस प्रकार मौखिक इतिहास को स्थिर अभिलेखागारों से गतिशील, संवादात्मक क्षेत्रों में बदल रही है, जो ट्रांसक्रिप्शन और विश्लेषण में महत्वपूर्ण प्रगति पर प्रकाश डालते हुए महत्वपूर्ण नैतिक चुनौतियों और आघात-सूचित (ट्रॉमा-इन्फॉर्म्ड), मानव-केंद्रित दृष्टिकोणों की आवश्यकता पर बल देता 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
द दशकों से, मानवीय अनुभवों की कहानियाँ—युद्ध के उत्तरजीवी, आपदाओं के साक्षी, और विस्मृत परंपराओं को संरक्षित करने वाले बुजुर्ग—टेप और डिस्क पर दर्ज की गई हैं, जिन्हें अभिलेखागारों में स्थिर रिकॉर्डिंग के रूप में संग्रहीत किया गया है। ये मौखिक इतिहास इसलिए महत्वपूर्ण हैं क्योंकि वे उस भावनात्मक सत्य और व्यक्तिगत दृष्टिकोण को समाहित करते हैं जो आधिकारिक दस्तावेज़ अक्सर छोड़ देते हैं। हालाँकि, इन आवाजों और उन्हें सुनने की आवश्यकता वाले लोगों के बीच एक विशाल बाधा लंबे समय से खड़ी है: बोले गए शब्दों को खोजने योग्य पाठ (टेक्स्ट) में बदलने की अत्यधिक कठिनाई। एक शोधकर्ता या संग्रहालय क्यूरेटर के लिए, किसी विशिष्ट स्मृति को खोजने के लिए हर रिकॉर्डिंग के हर मिनट को सुनना एक ऐसा कार्य हो सकता है जिसमें जीवन बीत जाए। इस बाधा ने मानवीय गवाही के विशाल संग्रहों को बंद कर दिया है, जो केवल उन्हीं के लिए सुलभ हैं जिनके पास सुनने का समय है। अब, एक नया क्षेत्र उभर रहा है जहाँ कृत्रिम बुद्धिमत्ता (AI) का उपयोग इन अभिलेखागारों को खोलने के लिए किया जा रहा है, न केवल शब्दों को ट्रांसक्राइब करने के लिए, बल्कि उनके भीतर की भावनाओं, पैटर्न और मौन को समझने के लिए भी।
कनाडा के विश्वविद्यालयों के शोधकर्ताओं की एक टीम ने हाल ही में एक व्यापक समीक्षा की यह देखने के लिए कि इस तकनीक को वास्तव में कैसे लागू किया जा रहा है। उन्होंने 2004 और 2025 के बीच प्रकाशित पैंतीस अध्ययनों का परीक्षण किया, और इस बात का बारीकी से अध्ययन किया कि एक बोले गए शब्द से डिजिटल रिकॉर्ड बनने तक का हर चरण कैसे काम करता है। उनका कार्य प्रकट करता है कि जबकि कंप्यूटर शब्दों को भाषण में बदलने के यांत्रिक कार्य में उल्लेखनीय रूप से कुशल हो गए हैं, बड़ी चुनौती उन शब्दों के पीछे के मानवीय अर्थ को संरक्षित करने में निहित है। शोधकर्ताओं ने पाया कि यह क्षेत्र सरल ट्रांसक्रिप्शन से जटिल विश्लेषण की ओर तेजी से बढ़ रहा है, फिर भी संवेदनशील स्मृतियों को संभालने और किसकी आवाजें वास्तव में सुनी जा रही हैं, इसे लेकर महत्वपूर्ण नैतिक बाधाएं बनी हुई हैं।
समीक्षा ने मौखिक इतिहास के सफर को मैप करने के साथ शुरुआत की, जिसे लेखकों ने चार स्पष्ट चरणों में विभाजित किया है: निर्माण, संग्रहण (आर्काइविंग), विश्लेषण और प्रदर्शनी। निर्माण के चरण में, जहाँ कहानी पहली बार कही जाती है, कृत्रिम बुद्धिमत्ता का उपयोग अभी भी दुर्लभ है। इस क्षेत्र में अधिकांश अध्ययन प्रयोगात्मक विचारों का अन्वेषण करते हैं, जैसे कि लोगों का साक्षात्कार लेने के लिए कंप्यूटर प्रोग्रामों का उपयोग करना या ऐतिहासिक रिकॉर्ड की कमियों को भरने के लिए सिम्युलेटेड संवाद उत्पन्न करना। हालाँकि, अधिकांश शोध दूसरे चरण यानी संग्रहण पर केंद्रित है। यहाँ, तकनीक ने सबसे नाटकीय प्रभाव डाला है। उन्नत स्पीच रिकग्निशन सिस्टम का उपयोग करके, शोधकर्ता अब हजारों घंटों के ऑडियो को स्वचालित रूप से टेक्स्ट में बदल सकते हैं। इसने उस महत्वपूर्ण समस्या को हल कर दिया है जिसने कभी बड़े संग्रहों को अनुपयोगी बना दिया था। समीक्षा नोट करती है कि अकेले 2024 और 2025 में, इस क्षेत्र के लगभग आधे शोध प्रकाशित हुए, जो प्रयोगात्मक प्रोटोटाइप से वास्तविक दुनिया के उपकरणों की ओर बदलाव का संकेत देते हैं जो रिकॉर्डिंग के विशाल बैकलॉग को सक्रिय रूप से प्रोसेस कर रहे हैं।
इस शोध का भूगोल दो अलग-अलग दृष्टिकोणों की कहानी बताता है। संयुक्त राज्य अमेरिका में, जहाँ USC शोआ फाउंडेशन जैसे विशाल अभिलेखागार होलोकॉस्ट और अन्य संघर्षों से लाखों गवाहियाँ रखते हैं, ध्यान इस बात पर है कि टेक्स्ट हमें मानव मनोविज्ञान के बारे में क्या बता सकता है। वहाँ के शोधकर्ता इन कहानियों में आघात (ट्रॉमा) के संकेतों का विश्लेषण करने के लिए कंप्यूटर प्रोग्रामों का उपयोग कर रहे हैं, जैसे कि 9/11 के उत्तरजीवियों में पोस्ट-ट्रॉमेटिक स्ट्रेस की भविष्यवाणी करना। इसके विपरीत, मध्य यूरोप, विशेष रूप से जर्मनी और चेक गणराज्य में शोध का एक समूह इंजीनियरिंग स्वयं पर समर्पित है। ये टीमें अंतर्निहित तकनीक को बेहतर बनाने के लिए काम कर रही हैं, यह सुनिश्चित करने के लिए कि कंप्यूटर विभिन्न भाषाओं, बोलियों और शोर वाले रिकॉर्डिंग परिवेश में भाषण को सटीक रूप से सुन और ट्रांसक्राइब कर सके। जहाँ अमेरिकी कार्य पूछता है "इस कहानी का अर्थ क्या है?", वहीं यूरोपीय कार्य पूछता है "हम यह कैसे सुनिश्चित करें कि कंप्यूटर इसे सही ढंग से सुने?"
केवल शब्दों को लिखने से परे, पाइपलाइन का तीसरा चरण यह शामिल करता है कि कहानियों के भीतर पैटर्न और भावनाओं को खोजने के लिए कृत्रिम बुद्धिमत्ता का उपयोग किया जाए। समीक्षा में पाया गया कि शोधकर्ता इन उपकरणों का उपयोग समान आख्यानों को एक साथ समूहित करने या वक्ता की आवाज के भावनात्मक भार का पता लगाने के लिए तेजी से कर रहे हैं। कुछ अध्ययन इससे भी आगे जाते हैं, गैर-मौखिक ध्वनियों जैसे कि सांस लेना, ठहराव और सन्नाटे का विश्लेषण करते हैं। ये ध्वनियाँ अक्सर शब्दों के समान ही अर्थ रखती हैं, जो संकट या हिचकिचाहट का संकेत देती हैं जिसे एक साधारण ट्रांसक्रिप्ट मिस कर सकती है। चौथा चरण, विज़ुअलाइज़ेशन, वह है जहाँ इन डिजिटल कहानियों को जनता के सामने लाया जाता है। यहाँ, कृत्रिम बुद्धिमत्ता इमर्सिव अनुभव बनाने में मदद करती है, जैसे कि वर्चुअल रियलिटी प्रदर्शनियाँ जहाँ आगंतुक एक डिजिटल स्थान में घूम सकते हैं और गवाहियों के साथ बातचीत कर सकते हैं, जिससे इतिहास तात्कालिक और व्यक्तिगत महसूस होता है।
इन तकनीकी छलांगों के बावजूद, शोधकर्ताओं ने गंभीर चिंताओं की पहचान की है जिन्हें अनदेखा नहीं किया जा सकता। सबसे प्रमुख मुद्दा कहानी के "मानवीय" तत्व को खोने का जोखिम है। जब एक कंप्यूटर किसी रिकॉर्डिंग को ट्रांसक्राइब करता है, तो वह अक्सर ठहराव, सांसों और आवाज में भावनात्मक कंपन को हटा देता है, जिससे एक जटिल मानवीय अनुभव एक सपाट टेक्स्ट में बदल जाता है। यह विशेष रूप से दर्दनाक इतिहासों के मामले में खतरनाक है, जहाँ कुछ कैसे कहा जा रहा है, वह उतना ही महत्वपूर्ण है जितना कि क्या कहा जा रहा है। पूर्वाग्रह (बायस) की भी समस्या है। इन कार्यों के लिए उपयोग किए जाने वाले कृत्रिम बुद्धिमत्ता मॉडल अक्सर मानक, उच्च-संसाधन वाली भाषाओं और डेटा पर प्रशिक्षित होते हैं। जब ये मॉडल स्वदेशी समुदायों, दुर्लभ बोलियों के वक्ताओं, या विशिष्ट सांस्कृतिक संघर्षों के उत्तरजीवियों की कहानियों का सामना करते हैं, तो वे अक्सर सूक्ष्मता को समझने में विफल रहते हैं, जिससे कभी-कभी भावना का गलत अर्थ निकलता है या सांस्कृतिक संदर्भ दब जाता है।
समीक्षा यह भी रेखांकित करती है कि उन इतिहासकारों के बीच एक बढ़ता हुआ अंतर है जो इन कहानियों की देखभाल करते हैं और उन इंजीनियरों के बीच जो उपकरण बनाते हैं। जैसे-जैसे अभिलेखागार वाणिज्यिक कंपनियों द्वारा प्रदान की गई जटिल, "ब्लैक बॉक्स" प्रणालियों पर निर्भर होते जा रहे हैं, इतिहासकारों के लिए यह समझना कठिन होता जा रहा है कि तकनीक जानकारी को कैसे छाँट रही है और पुनः प्राप्त कर रही है। पारदर्शिता की यह कमी सवाल उठाती है कि आख्यान (नैरेटिव) पर नियंत्रण किसका है। इसके अलावा, शोधकर्ता बताते हैं कि इन विशाल कंप्यूटर मॉडलों को प्रशिक्षित करने की पर्यावरणीय लागत महत्वपूर्ण है, जो इस क्षेत्र में विचार के लिए एक नया नैतिक स्तर जोड़ती है। लेखक जोर देते हैं कि कृत्रिम बुद्धिमत्ता के वास्तव में उपयोगी होने के लिए, इसे "ह्यूमन-इन-द-लूप" दृष्टिकोण द्वारा निर्देशित किया जाना चाहिए, जहाँ मानव विशेषज्ञ प्रक्रिया के प्रभारी बने रहें, यह सुनिश्चित करते हुए कि तकनीक कहानी की सेवा करे न कि उसे विकृत करे।
अंततः, यह व्यवस्थित समीक्षा बताती है कि हम एक निर्णायक मोड़ पर हैं। मौखिक इतिहास को सभी के लिए सुलभ बनाने की तकनीक आखिरकार यहाँ है, लेकिन आगे का रास्ता केवल बेहतर सॉफ़्टवेयर से अधिक की मांग करता है। यह मशीनों की दक्षता और मानवीय स्मृति को संरक्षित करने की नैतिक जिम्मेदारी के बीच एक सावधानीपूर्ण संतुलन की मांग करता है। शोधकर्ता निष्कर्ष निकालते हैं कि इस क्षेत्र का भविष्य सफलता को मापने के नए तरीके विकसित करने पर निर्भर है जो सरल सटीकता से परे हों। केवल यह गिनने के बजाय कि कंप्यूटर ने कितने शब्द सही लिखे, हमें यह मूल्यांकन करना सीखना होगा कि क्या तकनीक ने उन कहानियों के भावनात्मक सत्य और सांस्कृतिक अखंडता को संरक्षित किया है जिन्हें वह बताने में मदद करती है। इन चुनौतियों को संबोधित करके ही हम यह सुनिश्चित कर सकते हैं कि अतीत की आवाजें न केवल सुनी जाएं, बल्कि वास्तव में समझी भी जाएं।
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।