घाना के लिए बातचीत करने वाली एआई को Twi और English के बीच सहज आवाजाही को सामान्य भाषा-व्यवहार मानकर बनाना चाहिए। GhanaNLP का speech-synthesis काम दिखाता है कि स्थिर Twi TTS में वे English शब्द भी संभालने पड़ते हैं जो घाना की रोज़मर्रा की बातचीत में स्वाभाविक रूप से आते हैं।
1999 में NASA का Mars Climate Orbiter मंगल के पास पहुँचने वाला था। Jet Propulsion Laboratory, Pasadena की नेविगेशन टीम को रास्ते में अंतर दिख रहा था, लेकिन अंतरिक्षयान से जुड़े दो हिस्से माप की एक ही भाषा नहीं बोल रहे थे। एक प्रणाली ने pound-seconds में डेटा दिया, दूसरी ने उसे newton-seconds समझकर इस्तेमाल किया। नतीजा यह हुआ कि यान मंगल के वातावरण में अपेक्षा से बहुत नीचे पहुँचा और उससे संपर्क टूट गया।
NASA के Mars Climate Orbiter Mishap Investigation Board Phase I Report में Arthur Stephenson की अध्यक्षता वाली जाँच ने इस unit mismatch को मिशन की विफलता का प्रमुख कारण बताया। दोनों इकाइयाँ अपने-अपने संदर्भ में सही थीं। समस्या उस जोड़ पर थी जहाँ प्रणाली ने उनके फर्क को स्पष्ट रूप से समझा और संभाला नहीं।
घाना की conversational AI के लिए सबक सीधा है। यदि कोई व्यक्ति Twi वाक्य में English शब्द बोलता है, तो खराबी बोलने वाले में नहीं है। असली परीक्षा उस प्रणाली की है जिसे दोनों को एक ही अर्थपूर्ण बातचीत के हिस्से के रूप में समझना है।
रोज़मर्रा की भाषा पहले से मिली-जुली है
Accra, Kumasi या diaspora के किसी घर में बातचीत भाषा की परीक्षा की तरह नहीं चलती। कोई व्यक्ति Twi में बात शुरू कर सकता है, बीच में “application”, “meeting”, “deadline” या “account” कह सकता है, फिर बिना रुके Twi में लौट सकता है। अगला वाक्य Ghanaian English में हो सकता है। यह बदलाव प्रसंग, आदत, काम और सामने वाले व्यक्ति के अनुसार होता है।
Speech system केवल शब्दकोश से शब्द पढ़कर इस व्यवहार को नहीं संभाल सकता। उसे यह पहचानना पड़ता है कि English शब्द Twi वाक्य के भीतर कहाँ आया, उसके आसपास की ध्वनियाँ क्या हैं और पूरी पंक्ति बोलने पर लय कैसी सुनाई देनी चाहिए। GhanaNLP के काम से निकला व्यावहारिक संकेत यही है: स्थिर Twi text-to-speech के लिए Ghanaian code-switching में आम English शब्दों का समर्थन मूल डिजाइन का हिस्सा है।
यदि सिस्टम हर भाषा-बदलाव पर अटकता है, अजीब उच्चारण करता है या उपयोगकर्ता से पूरा वाक्य दोबारा “साफ” Twi अथवा English में कहने को कहता है, तो बातचीत का भार इंसान पर डाल दिया जाता है। उपयोगकर्ता फिर वही बोलता है जो मशीन समझ सके, वह नहीं जो वह कहना चाहता था।
conversational AI को किस तरह बनाना चाहिए
पहला सिद्धांत है कि एक turn को एक भाषा में बंद करने की जरूरत नहीं होनी चाहिए। इनपुट typed हो या spoken, सिस्टम को उसी वाक्य में Twi और Ghanaian English स्वीकार करने के लिए तैयार रहना चाहिए।
दूसरा सिद्धांत सुनने और बोलने, दोनों पर लागू होता है। मिश्रित भाषा को पहचान लेना आधा काम है। जवाब की आवाज़ में English शब्द आते ही लय टूट जाए, तो अनुभव फिर कृत्रिम लगेगा। TTS evaluation में अलग-अलग Twi वाक्यों के साथ आम English शब्दों, नामों और रोज़मर्रा के कामकाजी शब्दों की जाँच जरूरी है।
तीसरा सिद्धांत है कि गलती दिखाई दे। speech recognition, synthesis या network request विफल हो, तो उपयोगकर्ता को साफ पता चलना चाहिए। चुप्पी, गायब संदेश या अधूरा जवाब भरोसा तोड़ते हैं। Nkomo इसी कारण errors को दिखाता है, दबाता नहीं।
चौथा सिद्धांत privacy को भाषा की तरह ही स्पष्ट बनाना है। आवाज़ स्वभाव से निजी हो सकती है। उपयोगकर्ता को चुनने देना चाहिए कि cloud access कभी न हो, हर बार पूछा जाए या केवल मौजूदा session के लिए अनुमति दी जाए। डिवाइस पर रखी history बंद करते ही मिटनी चाहिए। export और account deletion भी एक tap में उपलब्ध होने चाहिए।
Nkomo में इस सोच का अर्थ
Nkomo को Ghana और Ghanaian diaspora के उन लोगों के लिए बनाया गया है जो बोलते समय भाषा की सीमा नहीं खींचते। वे Twi, Ghanaian English या दोनों के मिश्रण में type कर सकते हैं। Voice mode में बोलने के लिए hold कर सकते हैं, जवाब सुन सकते हैं और बातचीत के बीच स्वाभाविक रूप से interrupt कर सकते हैं।
यह डिजाइन उपयोगकर्ता से अपनी बोली को मशीन के मुताबिक छोटा, सपाट या कृत्रिम बनाने की मांग नहीं करता। साथ ही यह ऐसी क्षमता का दावा नहीं करता जिसे जाँचा नहीं गया है। Offline उपयोग, अतिरिक्त भाषाओं या model quality के बारे में वही कहा जाना चाहिए जो evaluation ने साबित किया हो।
Password याद रखने की जरूरत भी नहीं है, sign-in magic link से होता है। बातचीत की सहजता और डेटा पर नियंत्रण साथ चलते हैं: cloud consent स्पष्ट है, local history उपयोगकर्ता के हाथ में है, और export या deletion छिपे हुए विकल्प नहीं हैं।
सही इंटरफेस फर्क को संभालता है
Mars Climate Orbiter में pound-seconds और newton-seconds में से कोई इकाई अपने आप में दोषपूर्ण नहीं थी। विफलता उस interface पर हुई जिसने दोनों के बीच फर्क को सुरक्षित ढंग से नहीं संभाला।
Code-switching के साथ भी यही कसौटी लागू होती है। Twi वाक्य में आया English शब्द भाषा की टूट-फूट नहीं दिखाता। वह घाना की जीवित, कामकाजी भाषा का हिस्सा है। अच्छी conversational AI इस वास्तविकता को दर्ज करती है, उसका मूल्यांकन करती है और उपयोगकर्ता को बिना शर्मिंदा किए बातचीत आगे बढ़ाती है।
अगली बार किसी Ghana-focused voice product की जाँच करें, तो केवल यह मत पूछिए कि वह Twi “support” करता है या नहीं। एक स्वाभाविक मिला-जुला वाक्य बोलिए, बीच में रोकिए, फिर विषय बदलिए। देखिए कि सिस्टम आपकी भाषा समझता है, या आपसे अपनी भाषा बदलवाता है।
टिप्पणियाँ
अभी कोई टिप्पणी नहीं।