क्या कृत्रिम बुद्धिमत्ता हमारी सोचने और जानने की प्रक्रिया को आकार दे रही है
बड़ी भाषा मॉडल केवल जानकारी को पुनः उत्पन्न नहीं करते हैं। वे सक्रिय रूप से यह परिभाषित करने में योगदान देते हैं कि क्या सत्य, उचित या वैध माना जाता है। ये प्रणाली केवल तकनीकी अपूर्ण उपकरण नहीं हैं, बल्कि सामाजिक और ऐतिहासिक पदसोपान को ज्ञानात्मक मानकों में परिवर्तित करने वाले तंत्र हैं। इनका संचालन विशाल पाठों के विश्लेषण पर आधारित होता है, जो अक्सर यूरोसेंट्रिक, लिंग-आधारित और औपनिवेशिक पूर्वाग्रहों से प्रभावित होते हैं। प्रभुत्वशाली भाषाई ढांचों को प्राथमिकता देकर, ये कुछ बोलने और तर्क करने के तरीकों को अन्य की तुलना में अधिक संभाव्य बना देते हैं, जिससे अल्पसंख्यक ज्ञान और अभिव्यक्तियों को हाशिए पर धकेल दिया जाता है।
मानव प्रतिक्रिया से सुदृढ़ीकरण सीखने की प्रक्रिया इस घटना को दर्शाती है। “उपयोगी” या “उचित” होने के बारे में व्यक्तिपरक निर्णय एल्गोरिदमिक नियमों में परिवर्तित हो जाते हैं। ये मानक, जो मूल रूप से संदर्भगत होते हैं, बड़े पैमाने पर लागू मानकों में बदल जाते हैं। परिणामस्वरूप, एक वस्तुपरक सत्य नहीं, बल्कि एक प्रकार की वार्तात्मक अनुरूपता उत्पन्न होती है। मॉडल मध्यम, सहमति-आधारित और संस्थागत अपेक्षाओं के अनुरूप प्रतिक्रियाओं को प्रोत्साहित करते हैं, जबकि भिन्न या आलोचनात्मक दृष्टिकोणों को दूर रखते हैं। इस प्रकार, शक्ति का प्रयोग सेंसरशिप के बजाय अनुकूलन के माध्यम से होता है: कुछ विचार सांख्यिकीय रूप से लाभप्रद हो जाते हैं, जबकि अन्य गायब हो जाते हैं।
ये प्रणाली केवल मौजूदा असमानताओं को दर्शाने तक सीमित नहीं हैं। वे इन असमानताओं को अपनी संरचना में ही एकीकृत कर लेते हैं। उदाहरण के लिए, अध्ययनों से पता चलता है कि इन उपकरणों द्वारा उत्पन्न यात्रा सिफारिशें पश्चिमी गंतव्यों और संस्कृतियों को लगातार महत्व देती हैं। इसी प्रकार, गैर-अंग्रेजी भाषाई शैली या अल्पसंख्यक सांस्कृतिक अभिव्यक्तियों को अक्सर द्वितीयक स्थान दिया जाता है। मॉडल जाति, लिंग और जोखिम के ऐतिहासिक वर्गीकरणों को पुनः उत्पन्न और बढ़ावा देते हैं, उन्हें सामाजिक निर्माणों के बजाय तटस्थ तथ्यों के रूप में प्रस्तुत करते हैं।
मुद्दा केवल तकनीकी पूर्वाग्रहों को सुधारने से आगे जाता है। यह समझना महत्वपूर्ण है कि ये तकनीकें ज्ञान के उत्पादन की शर्तों को कैसे पुनः परिभाषित करती हैं। वे निर्धारित करते हैं कि कौन सी जानकारी दिखाई देती है, किन आवाजों को सुना जाता है और किन विषयों को विश्वसनीय माना जाता है। इनकी प्राधिकरण एक वस्तुपरकता के भ्रम पर आधारित है, जबकि ये डेटा और डिज़ाइन विकल्पों पर निर्भर करते हैं जो शक्ति संबंधों से प्रभावित होते हैं।
बड़ी भाषा मॉडल सामाजिक मानकीकरण के उपकरण के रूप में भी कार्य करते हैं। पाठ, सलाह या सारांश उत्पन्न करके, वे व्याख्यात्मक ढांचे थोपते हैं। एक “पेशेवर” या “तटस्थ” बनने के लिए पुनः स्वरूपित उत्तर सांस्कृतिक बारीकियों या वैकल्पिक अभिव्यक्ति के तरीकों को मिटा सकता है। उपयोगकर्ताओं को अक्सर बिना इसके एहसास के प्रभुत्वशाली मानकों के अनुरूप बोलने और सोचने के तरीके अपनाने के लिए प्रेरित किया जाता है।
इनका विकास एक राजनीतिक अर्थव्यवस्था के भीतर होता है जो कुछ प्रमुख खिलाड़ियों के हाथों में केंद्रित है, मुख्य रूप से उत्तर अमेरिका और यूरोप में स्थित। ये खिलाड़ी निर्धारित करते हैं कि किस ज्ञान को महत्व दिया जाता है और किसे नजरअंदाज किया जाता है। तकनीकी बुनियादी ढांचे, प्रशिक्षण डेटा और व्यावसायिक लक्ष्य यह निर्धारित करते हैं कि क्या ज्ञान मान्य माना जाता है। कृत्रिम बुद्धिमत्ता के प्रचारात्मक भाषण, जो नवाचार और दक्षता पर जोर देते हैं, इन गतिशीलताओं को छिपाते हैं और विशिष्ट राजनीतिक और आर्थिक प्राथमिकताओं को प्राकृतिक बनाते हैं।
इस स्थिति के सामने, एक आलोचनात्मक दृष्टिकोण आवश्यक है। यह केवल डेटा या विकास टीमों को विविध बनाने का सवाल नहीं है, बल्कि ज्ञानात्मक प्राधिकरण को पुनर्वितरित करने का है। इसमें इन प्रणालियों में एकीकृत मानक विकल्पों को दृश्यमान बनाना, प्रभावित समुदायों को इन विकल्पों पर सवाल उठाने की अनुमति देना और अधिक बहुलवादी डेटा प्रथाओं का समर्थन करना शामिल है। लक्ष्य एक असंभव तटस्थता नहीं, बल्कि इन तकनीकियों की सीमाओं और पूर्वाग्रहों पर पारदर्शिता है। केवल ऐसा दृष्टिकोण ही कृत्रिम बुद्धिमत्ता को मौजूदा पदसोपान को मजबूत करने के बजाय सामूहिक और लोकतांत्रिक भविष्य की सेवा करने में सक्षम बना सकता है।
दस्तावेज़ीकरण और स्रोत
संदर्भ दस्तावेज़
DOI: https://doi.org/10.1007/s00146-026-02994-y
शीर्षक: From ‘objectivity’ to obedience: LLMs as discourse, discipline, and power
जर्नल: AI & SOCIETY
प्रकाशक: Springer Science and Business Media LLC
लेखक: Theodoros Kouros