- हामीले प्रविधिलाई कसरी बनाउँछौँ, कसका लागि बनाउँछौँ र कसको आवाज सुनेर बनाउँछौँ भन्ने पक्षले त्यसको समावेशी चरित्र निर्धारण गर्छ
प्रविधिको विकास र समावेशिताबिच गहिरो सहसम्बन्ध छ । इन्टरनेटले सबैका लागि सूचनाको पहुँच बढायो । स्मार्टफोनले लाखौँबिच सञ्चार गर्न सहज बनायो । डिजिटल प्रविधिले भौगोलिक तथा सामाजिक बन्धनलाई तोड्दै एक–अर्कासित जोडिन सघायो । एआईले अझै अगाडि बढेर जैविक र भौतिक पक्षबिचको बन्धनलाई तोडेर एकाकार गरायो । समाजका हरेक क्षेत्रमा आमूल परिवर्तनको बाटो खोल्यो । तर, एउटा गम्भीर प्रश्न भने झनै पेचिलो भयो– के प्रविधिको पहुँचले मात्रै सामाजिक समावेशितालाई स्वाभाविक रूपमा बढाउँछ त ?
एउटा व्यक्तिसँग स्मार्ट फोन हुन सक्छ, तर ऊसँग डिजिटल सेवा उपयुक्त तरिकाले लिने सिप नहुन सक्छ । एउटा विद्यार्थीको एआईका साधनमा पहुँच हुन सक्छ, तर त्यसलाई बुझेर उपयोग गर्ने ज्ञान नहुन सक्छ । एउटा अपांगता भएको व्यक्तिमा एआईजडित सेवामा पहुँच भए पनि सेवा प्रयोग गर्ने प्रणाली अपांगतामैत्री भएन भने त्यो कामयाब नहुन सक्छ । महिला, जनजाति वा पछाडि पारिएका समुदायका व्यक्तिसँग डिजिटल साधन हुन सक्छन्, तर पूर्वाग्रह हाबी भएको एल्गोरिदमका कारण तिनले थप विभेद भोग्नुपरेको हुन सक्छ । ‘डिजिटल डिभाइड’को सवाल अब कोसँग प्रविधिको पहुँच छ वा छैन भन्नेमा मात्रै सीमित रहेन । बरु कसले यसको प्रयोग गर्छ, कसलाई फाइदा हुन्छ, कसका अनुभवलाई प्रतिनिधित्व गर्छ वा यसका निर्णयले कसलाई बढी प्रभावित गर्छ भन्ने महत्वपूर्ण हुन्छ ।
डिजिटल असमानतादेखि एआई असमानतासम्म
वर्षौंदेखि हाम्रा बहस डिजिटल असमानतावरिपरि केन्द्रित भए । मूलतः कम्युटर, स्मार्टफोन, इन्टरनेट, बिजुली आदिको पहुँचमा केन्द्रित भए । बिस्तारै आममानिसको यी साधनमा पहुँच बढे पनि विभेद घटेन । किनकि, यी साधनमाथि पहुँचभन्दा पनि त्यसलाई प्रयोग गर्ने सिप र यिनले दिने सूचनाको सन्तुलनमा समस्या देखिँदै गयो । महमदलगायतले सन् २०२४ मा गरेको डिजिटल असमानतासम्बन्धी अनुसन्धानहरूको समीक्षाले निम्न आयस्रोत भएका मानिस, वृद्ध, जनजाति, महिला र अपांगता भएका मानिसले अरूको तुलनामा डिजिटल माध्यमबाट कम फाइदा लिने गरेको देखियो । अब एआईले अर्को असमानताको तह पनि थपिदिने भयो । जुन व्यक्ति पहिल्यै शिक्षित छ, डिजिटल सिप राख्छ र आवश्यक आर्थिक लगानी गर्न सक्छ, उसले एआईबाट बढी लाभ लिन सक्छ । यी आधारबाट वञ्चित व्यक्ति भने थप पछाडि पर्न सक्छ । त्यसैले ‘एआई टुल्स’लाई आमरूपमा उपलब्ध गराउँदैमा पहिले नै असमान रहेको समाजमा समानता आउँदैन ।
एआई प्रणालीले डेटाबाट सिक्छ । तर, ती डेटा असमान समाजबाट उत्पादन गरिएको हुनाले ती पहिल्यै असमान छन् । जुन समुदायका अनुभव डेटामा कम छन्, ती प्रविधिमा स्वाभाविक रूपमा कम पुनरुत्पादन हुन्छन् । अर्कातिर यदि ती डेटा वा एल्गोरिदमको डिजाइनमै असमानता झल्किएको छ भने अब एआईले असमानतालाई पुनरुत्पादन गर्छ । यी तर्कलाई नयाँ अनुसन्धानले थप उजागर गरेका छन् । ४८ वटा अनुसन्धानको समीक्षाले लैंगिकताबाहेक भाषा, भूगोल, गरिबी, जात–जातीयता र अपांगताजस्ता आयाममा तुलनात्मक रूपमा कम अध्ययन भएको देखाएको छ । यसको अर्थ यी आयाम डेटा र एआईसम्बन्धी अध्ययनमा पनि कम प्रतिनिधित्व हुन सक्ने जोखिम हुन्छ । जब डेटामा उपलब्ध हुँदैन, तब प्रविधि वा एआई जेनेरेटेड निर्णयमा त्यसको प्रतिनिधित्व हुँदैन । जस्तै कुनै एआई टुल्स कुनै भनाइको व्याख्या गर्न वा कन्टेन्ट प्रस्ताव गर्न बनाइएको छ र त्यसलाई प्रशिक्षित गर्दा फरक अवस्था र पिछडिएका समुदायको समेत आवाजलाई सम्मान गर्ने गरी ख्याल गरिएको छैन भने एआईले निश्चित समूहको चाहनालाई मात्रै प्रवर्द्धन गर्छ । त्यसैले, प्रविधि आफैँमा तटस्थ देखिए पनि यसलाई दिइने खुराकका आधारमा यसको नतिजा भने तटस्थ नहुन सक्छ ।
नेपालका सन्दर्भमा एल्गोरिदमको चुनौती
नेपालको सन्दर्भमा दुईवटा कारणले समावेशिताको प्रश्न झनै पेचिलो हुँदै छ । एक, नेपाल आफैँमा विविधतापूर्ण छ । जति विविधताको बृहत् जालो छ, त्यति नै असमानता पनि व्याप्त छ । अर्कातिर, असमान समाजमा निर्माण भएका डिजिटल प्रणाली र एआईले प्रयोग गर्ने डेटा पनि असमान हुन सक्छन् । दुई, नेपालमा प्रयोग भइरहेका धेरै डिजिटल प्रविधि र एआई प्रणाली बाह्य प्रविधि तथा पूर्वाधारमा निर्भर छन् । यस्तो अवस्थामा ती प्रणालीको विकास र तालिमका क्रममा नेपालको सामाजिक, भाषिक र सांस्कृतिक विविधतालाई कति समेटिएको छ भन्ने प्रश्न महत्वपूर्ण हुन्छ । नेपालजस्ता देशका लागि अर्को चुनौती स्थानीय तथ्य, भाषा र सन्दर्भको पर्याप्त डिजिटल प्रतिनिधित्व हो । एआई प्रणालीमा नेपालसम्बन्धी सामग्री तुलनात्मक रूपमा कम वा असन्तुलित रूपमा प्रतिनिधित्व भएको अवस्थामा त्यसले अन्य देश वा सन्दर्भबाट सिकेको सामान्य ढाँचालाई नेपाली सन्दर्भमा लागू गर्न सक्छ । परिणामतः स्थानीय वास्तविकतालाई पर्याप्त रूपमा नसमेट्ने जोखिम हुन्छ ।
यसलाई अर्को उदाहरणबाट थप स्पष्ट हुन सकिन्छ । मानौँ, कुनै एआई प्रणालीले रोजगारीका लागि उपयुक्त उम्मेदवार छनोट गर्न सहयोग गर्छ । यदि उसलाई तालिम दिन प्रयोग गरिएको विगतको तथ्यांकमा पुरुषहरू औपचारिक रोजगारीमा बढिरहेको, निश्चित समुदायका मानिस उच्च शिक्षा र निश्चित पेसामा बढिरहेको वा सहरी क्षेत्रमा मानिसको डिजिटल अभिलेख बढिरहेको देखिन्छ भने प्रणालीले यिनै ढाँचालाई उपयुक्तताको संकेतका रूपमा लिन सक्छ । अब यहाँ समाजमा व्याप्त रहेको असमानता एआईले भविष्यमा दिने निर्णयमा झल्किन्छ । जब मानिसलाई मानवीय निर्णयभन्दा एआईमा बढी विश्वास हुन थाल्छ, तब एआईले पुनरुत्पादन गरेको असमान निर्णयलाई पनि बढी विश्वसनीय ठानिने जोखिम हुन्छ । यसरी असमानता झन् गहिरो बन्दै जान्छ । यहाँ एल्गोरिदमले कसैलाई विभेद गर्ने उद्देश्य राखेको हुँदैन । तर, उसले असमान समाजबाट सिकेको ढाँचा नै दोहोर्याउने जोखिम हुन्छ ।
यही कुरा बैंकिङ, रोजगारी, शिक्षा, सामाजिक सुरक्षा, स्वास्थ्य वा सरकारी डिजिटल सेवा प्रयोगमा हुने डेटा–आधारित प्रणालीमा पनि लागू हुन सक्छ । उदाहरणका लागि, कुनै व्यक्तिको आम्दानी, शैक्षिक पृष्ठभूमि, बसोवासको स्थान, डिजिटल कारोबार वा विगतको संस्थागत अभिलेखलाई आधार बनाएर कुनै स्वचालित प्रणालीले जोखिम वा योग्यताको अनुमान गर्छ भने पहिले नै अवसरबाट पछाडि पारिएका समुदायका मानिस त्यस प्रणालीमा पनि पछाडि पर्न सक्छन् । यहाँ पुरानो असमानता डेटामा प्रवेश गर्छ, डेटा एल्गोरिदममा पुग्छ र एल्गोरिदमको निर्णयमार्फत फेरि समाजमै पुग्छ । यसरी समाजमै फर्कंदा असमानताले थप विश्वसनीयता प्राप्त गर्छ ।
यसैगरी, नेपालमा धेरै भाषा छन्, तर सबै भाषाको डिजिटल सामग्री समान रूपमा उपलब्ध छैनन् । अब कुनै एआई प्रणालीले जुन भाषामा आफू प्रशिक्षित छ वा जुन भाषाका सामग्री उपलब्ध छन्, त्यसैलाई राम्रोसँग बुझ्छ, व्याख्या गर्छ र उत्पादन गर्छ ।
यहाँ कम डिजिटल सामग्री भएका भाषामा उसको क्षमता कमजोर हुन सक्छ । उसका निर्णय पूर्वाग्रही हुन सक्छन् । यस्तो अवस्थामा प्रविधिमा सबैको समान पहुँच भए पनि प्रविधिले बुझ्ने र प्रतिनिधित्व गर्ने क्षमता असमान हुन सक्छ । यही कुरा जातिगत वा अन्य सीमान्तकृत समुदायका सवालमा पनि लागू हुन्छ । धेरै ‘डिजिटल प्लाटफर्म’का एल्गोरिदमले प्रयोगकर्ताको संलग्नता, रुचि वा लोकप्रियतालाई आधार बनाएर कन्टेन्टको दृश्यता निर्धारण गर्छन् । यस्तो अवस्थामा बहुसंख्यक वा बढी सक्रिय समूहका सामग्रीले बढी दृश्यता पाउन सक्छन् । कम डिजिटल उपस्थिति भएका समुदायका अनुभव तथा आवाज ओझेलमा पर्न सक्छन् । डेटामा उपस्थिति कम हुनु महत्व कम हुनु होइन । तर, एआईले डेटालाई नै समाजको वास्तविक प्रतिनिधित्व ठानेर अदृश्य बनाइदिएका समुदाय प्रविधिमा पनि अदृश्य बन्न सक्छन् ।
यसको अर्थ सबै सीमान्तकृत समूहले प्रविधिबाट एउटै प्रकारको समस्या भोग्छन् भन्ने होइन । महिलाका लागि चुनौती डिजिटल पहुँच, सुरक्षा वा अवसरको हुन सक्छ । कुनै जातीय वा जनजातीय समुदायका लागि प्रतिनिधित्व र भाषाको चुनौती हुन सक्छ भने अपांगता भएका व्यक्तिका लागि पहुँचयोग्यता र प्रयोगयोग्यताको । त्यस्तै, ग्रामीण समुदायका लागि पूर्वाधार र कनेक्टिभिटीको चुनौती हुन सक्छ भने गरिब परिवारका लागि उपकरण, डेटा तथा डिजिटल सिपको ।
प्रविधिको भविष्यलाई केवल कति छिटो, कति सस्तो वा कति बुद्धिमान् बन्यो भन्ने आधारमा मात्र मापन गर्नुहुँदैन । त्यसले कसलाई समेट्यो, कसको आवाज सुन्यो, कसलाई अवसर दियो र कसलाई पछाडि छोड्यो भन्ने आधारमा पनि मापन गर्नुपर्छ । समावेशी प्रविधि भनेको सबैलाई एउटै प्रविधि उपलब्ध गराउनु मात्र होइन, बरु फरक भाषा, क्षमता, भूगोल, लैंगिकता, जातीयता र आर्थिक अवस्थाका मानिसले त्यसबाट अर्थपूर्ण रूपमा लाभ लिन सक्ने अवस्था सिर्जना गर्नु हो । त्यसका लागि प्रविधि निर्माण गर्ने प्रक्रियामै विविध समुदायको सहभागिता, पर्याप्त र प्रतिनिधिमूलक डेटा, पहुँचयोग्य डिजाइन, पारदर्शी एल्गोरिदम र निर्णयमा प्रश्न उठाउन सक्ने व्यवस्था आवश्यक हुन्छ । प्रविधि आफैँ समावेशी हुँदैन । हामीले त्यसलाई कसरी बनाउँछौँ, कसका लागि बनाउँछौँ र कसको आवाज सुनेर बनाउँछौँ भन्ने कुराले त्यसको समावेशी चरित्र निर्धारण गर्छ । त्यसैले हामीले डिजिटल प्रविधि र एआईलाई रोक्ने होइन, समावेशी बनाउने हो ।
(लेखक त्रिभुवन विश्वविद्यालयका उपप्राध्यापक हुन् ।)
