बातचीत करने वाली AI को हर वाक्य से पहले भाषा चुनने के लिए नहीं कहना चाहिए। उसे व्यक्ति की बात का सिलसिला समझना चाहिए, खासकर तब जब वह जल्दी में English से Twi में लौटता है और आसपास शोर हो।
शाम के करीब साढ़े छह बजे, कुमासी की एक provision shop के बाहर एसी नाम की एक काल्पनिक पात्र फोन कसकर पकड़े खड़ी है। एक हाथ में ब्रेड का पैकेट है, सड़क पर गाड़ियों के हॉर्न बज रहे हैं और दुकान के सामने दो लोग सामान लेने की बारी का इंतज़ार कर रहे हैं।
उसे अपने छोटे भाई को बताना है कि उनकी माँ को पहले घर ले जाए, फिर बाकी सामान लेने निकले। फोन की बैटरी लाल निशान पर पहुँच चुकी है। अगर संदेश उलटा समझा गया, तो माँ उस जगह इंतज़ार करती रह जाएँगी जहाँ उन्हें लेने कोई नहीं आएगा।
एसी Nkomo में बोलना शुरू करती है:
“Help me make this message short. Tell Kwame to pick Ma first…”
पीछे से एक टैक्सी का हॉर्न उसकी आवाज़ ढक देता है। वह बिना रुके Twi में जोड़ती है:
“Daabi, ɔnkɔ fie ansa. Ma no ntena hɔ ntwɛn no.”
यहाँ असली चुनौती किसी एक शब्द का अनुवाद नहीं है। एसी ने अपना निर्देश बदला है। पहले कही बात अब सही नहीं रही। AI को समझना होगा कि “Daabi” पिछले निर्देश को पलट रहा है और अगला Twi वाक्य उसी सुधार का हिस्सा है।
भाषा बदलना बातचीत बदलना नहीं है
घर, बाज़ार और फोन कॉल में लोग भाषा को dropdown menu की तरह इस्तेमाल नहीं करते। वे उस शब्द, लहजे या वाक्य को चुनते हैं जो उस पल सबसे ठीक बैठता है।
एसी ने English में काम बताया क्योंकि “make this message short” उसके मुँह से सहज निकला। उसने Twi में सुधार किया क्योंकि परिवार से जुड़ा निर्देश उसी भाषा में अधिक सीधा लगा। दोनों हिस्से एक ही सोच के हैं।
अगर conversational AI हर turn को अलग भाषा की नई शुरुआत माने, तो वह शब्द पकड़ सकती है, पर आशय खो देगी। फिर एसी को बोलना रोकना पड़ेगा, भाषा बदलनी पड़ेगी और पूरा निर्देश दोबारा देना पड़ेगा। सड़क के शोर और घटती बैटरी के बीच इतना छोटा व्यवधान भी बड़ा लगता है।
इसी वजह से natural English और Twi switching पर काम करने वाले भाषा संसाधन मायने रखते हैं। KasaSpeech में Ghana के speakers की 54,855 manually transcribed recordings हैं, कुल 95 घंटे से अधिक, जिनमें रोज़मर्रा के विषयों और बातचीत में English और Twi का स्वाभाविक मेल शामिल है। ऐसे उदाहरण बताते हैं कि साफ, एक-भाषा वाले वाक्य असली बातचीत की पूरी तस्वीर नहीं देते।
इसी सवाल को क्या Ghana की conversational AI Twi और English को एक साथ संभाल सकती है? में एक और रोज़मर्रा के संदर्भ से देखा गया है।
शोर में सबसे जरूरी चीज संदर्भ है
Provision shop के बाहर का शोर AI के लिए मुश्किल पैदा कर सकता है। इसलिए ईमानदार अनुभव वह है जो सुनी हुई बात और अपनी सीमा, दोनों साफ रखे।
Nkomo में एसी hold करके बोल सकती है, जवाब सुन सकती है और जरूरत पड़ने पर बीच में रोक सकती है। अगर जवाब पुराने निर्देश पर चल रहा हो, तो उसे पूरा होने का इंतज़ार नहीं करना पड़ता। वह तुरंत कह सकती है, “Daabi, I changed it.”
और अगर कोई error आए, तो वह गायब नहीं होता। Nkomo गलती को दिखाता है। यह छोटी बात नहीं है। अधूरा या गलत सुना गया वाक्य सही मान लिया जाए, तो एसी भरोसे से गलत संदेश आगे भेज सकती है। दिखने वाला error उसे दोबारा बोलने का मौका देता है।
सड़क का शोर खत्म करना हमेशा संभव नहीं होगा। भ्रम छिपाना भी ठीक नहीं होगा। बेहतर व्यवहार है: बातचीत का संदर्भ बनाए रखना, correction को पहचानना और failure होने पर साफ बताना।
नियंत्रण आवाज़ के साथ खत्म नहीं होना चाहिए
एसी की बात निजी है। उसमें परिवार का नाम, आने-जाने की योजना या ऐसी जानकारी हो सकती है जिसे वह हर बार cloud पर भेजना न चाहे।
Nkomo cloud consent के लिए तीन साफ विकल्प देता है: कभी नहीं, हर बार पूछें या इस session के लिए अनुमति दें। एसी तय कर सकती है कि इस बातचीत में क्या होगा। उसकी on-device history भी उसके नियंत्रण में है। history बंद करते ही वह तुरंत purge हो जाती है। जरूरत पड़े तो data export या account deletion एक tap में किया जा सकता है।
Password याद रखने की जरूरत भी नहीं है। Sign-in magic link से होता है। जल्दी के उस क्षण में एक और password ढूँढ़ना बातचीत और एसी के बीच नहीं आता।
ये controls AI को केवल बोलने में सहज नहीं बनाते। वे एसी को यह जानने देते हैं कि उसकी बात कहाँ जा सकती है, device पर क्या बचता है और उसे हटाने का रास्ता क्या है।
सही जवाब वह है जो बदली हुई बात पकड़े
एसी दोबारा सुनती है। जवाब में पहले निर्देश को अंतिम मानकर नहीं दोहराया गया। उसके Twi correction के अनुसार छोटा संदेश तैयार है। वह उसे पढ़कर अपने भाई को भेज देती है।
कुछ मिनट बाद ब्रेड का पैकेट अब भी उसकी बाँह के नीचे दबा है, पर फोन उसकी जेब में है। उसे language selector पर लौटकर पूरी बात फिर से रिकॉर्ड नहीं करनी पड़ी।
यही कसौटी उपयोगी है: क्या AI उस व्यक्ति के साथ चल रही है जो बोल रहा है, या किसी साफ language label का इंतज़ार कर रही है? असली बातचीत में भाषा बीच रास्ते बदल सकती है। आशय का धागा नहीं टूटना चाहिए।
टिप्पणियाँ
अभी कोई टिप्पणी नहीं।