हमेशा टेक्स्ट पर दांव लगाएँ (2014)
(graydon2.dreamwidth.org)- टेक्स्ट मानव इतिहास की सबसे शक्तिशाली संचार तकनीक है, जिसकी अभिव्यक्ति क्षमता और दक्षता अन्य सभी मीडिया पर भारी पड़ती है
- चित्र, वीडियो और ऑडियो की तुलना में अमूर्त अवधारणाओं और जटिल विचारों को सटीक रूप से पहुँचाने के लिए यह सबसे उपयुक्त माध्यम है
- हज़ारों साल पुराने अभिलेख आज भी पढ़े जा सकते हैं, इसलिए इसकी टिकाऊपन और स्थिरता सिद्ध हो चुकी है
- स्टोरेज और ट्रांसमिशन लागत के लिहाज़ से यह बेहद दक्ष है, और संचार तकनीक के विकास का शुरुआती बिंदु बार-बार बनता रहा है
- सर्च, ट्रांसलेशन, सारांश और सहयोग जैसे क्षेत्रों में सामाजिक उपयोग की व्यापकता और गहराई के मामले में कोई दूसरा माध्यम इसकी बराबरी नहीं कर सकता
टेक्स्ट के बारे में बुनियादी दृष्टिकोण
- वीडियो, 3D, गेम और डायनैमिक मल्टीमीडिया सिस्टम्स पर सवाल मिलने पर हमेशा यही रुख दोहराया गया है
- इमेज, फ़ोटोग्राफ़ी, फ़िल्म और संगीत के मूल्य से इनकार नहीं है, लेकिन टेक्स्ट की श्रेष्ठता को पूर्ण माना गया है
- टेक्स्ट को सबसे शक्तिशाली, उपयोगी और प्रभावी संचार तकनीक के रूप में परिभाषित किया गया है
सबसे पुरानी और स्थिर तकनीक
- बोलचाल और सांकेतिक भाषा मानव समाज में स्वाभाविक रूप से मौजूद हैं, लेकिन टेक्स्ट एक ऐसी तकनीक है जिसे सीखने और परंपरा से हासिल किया जाता है
- लगभग 5,000 साल पुराने रिकॉर्ड भी आज पढ़े जा सकते हैं, यानी इसमें समय की कसौटी पर टिकने वाली टिकाऊपन है
- पत्थर जैसे भौतिक माध्यमों पर उकेरे जाने के कारण इसके मानवता से भी अधिक समय तक बचे रहने की संभावना है
अभिव्यक्ति का सबसे लचीला माध्यम
- कुछ परिस्थितियों में इमेज बहुत शक्तिशाली होती हैं, लेकिन मनमाने अमूर्त वाक्यों को दृश्य रूप में व्यक्त करना असंभव है
- मानवाधिकार की परिभाषा जैसे वैचारिक वाक्य चित्रों से प्रतिस्थापित नहीं किए जा सकते
- टेक्स्ट सटीकता और अस्पष्टता के स्तर को नियंत्रित करते हुए विचारों को संप्रेषित कर सकता है
- साहित्य, दर्शन, इतिहास, गणित, तर्कशास्त्र, प्रोग्रामिंग और इंजीनियरिंग का टेक्स्ट-आधारित होना कोई संयोग नहीं है
सबसे दक्ष संचार पद्धति
- स्टोरेज स्पेस और ट्रांसमिशन लागत के मामले में टेक्स्ट की दक्षता पूरी तरह अलग स्तर की है
- हज़ारों बाइट्स का टेक्स्ट एक साधारण आइकन इमेज से भी छोटा हो सकता है
- optical telegraph, electric telegraph, teletype और शुरुआती कंप्यूटर नेटवर्क्स तक, हर बार टेक्स्ट ही पहले आया
- वॉइस, इमेज और वीडियो तभी आए जब बैंडविड्थ काफ़ी सस्ती हो गई
- इसमें इतनी घनत्व है कि पूरी Wikipedia को एक स्मार्टफ़ोन में रखा जा सकता है
सामाजिक रूप से सबसे उपयोगी तकनीक
- 1:1, 1:N और M:N संचार—सभी में यह दक्षता से काम करता है
- मैनुअल तरीकों सहित सर्च और इंडेक्सिंग संभव है
- ट्रांसलेशन, तुलना, diff, क्लस्टरिंग, प्रूफ़रीडिंग, सारांश और फ़िल्टरिंग जैसे एल्गोरिद्मिक प्रोसेसिंग के लिए यह अनुकूलित है
- इसका असिंक्रोनस उपयोग संभव है और गति को स्वतंत्र रूप से नियंत्रित किया जा सकता है
- collaborative editing, उद्धरण, annotation, branch discussion, सारांश, review और secondary creation तक इसका समर्थन है
- लाइब्रेरी और इंटरनेट पोस्ट्स के स्तर की सामाजिक और संज्ञानात्मक जटिलता को बदल सकने वाली कोई तकनीक मौजूद नहीं है
निष्कर्ष
- इसलिए टेक्स्ट को लेकर रुख बिल्कुल स्पष्ट है: हमेशा टेक्स्ट को पहले चुनना चाहिए (always pick text first)
- पुराने बॉस के शब्दों में कहें तो, हमेशा टेक्स्ट पर दांव लगाना चाहिए (always bet on text)
- अगर कोई काम टेक्स्ट से किया जा सकता है, तो वैसे ही करना चाहिए। टेक्स्ट शायद ही कभी निराश करता है
3 टिप्पणियां
टेक्स्ट निश्चित रूप से स्थिर है, लेकिन मुझे नहीं पता कि वह कितना intuitive है।
Hacker News की राय
मुझे इस चर्चा का द्विभाजन समझ नहीं आता
मुझे नहीं समझ आता कि मुझे UTF-8 और पियानो वादन की रिकॉर्डिंग में से एक क्यों चुननी चाहिए
यह वैसा लगता है जैसे विषय को लेकर उत्साहित कोई व्यक्ति इसे सिर्फ “Ford vs. Chevy” जैसी सरल टक्कर के रूप में पेश कर रहा हो
हम सबको टेक्स्ट पसंद है, इसलिए बेहतर होगा कि इसे लेकर मनाने की कोशिश न की जाए
मैं टेक्स्ट की असीम लचीलापन और टिकाऊपन से सहमत हूँ, लेकिन Bret Victor का काम देखने के बाद मुझे टेक्स्ट की सीमाएँ महसूस हुईं
जब मैं पियानो सीख रहा था, तब एक तुरंत मिलने वाला feedback loop था, और इस तरह की learning को टेक्स्ट से लागू करना कठिन है
Victor की मुख्य बात यह है कि ऐसी feedback-केंद्रित learning को engineering या education के पूरे क्षेत्र में भी लागू किया जाए
टेक्स्ट अब भी महत्वपूर्ण है, लेकिन मुझे लगता है कि दूसरी संवेदनात्मक सहजताओं का उपयोग करने वाले तरीकों में भी बहुत संभावना है
Bret Victor के demos प्रभावशाली हैं, लेकिन वास्तविक implementation में बहुत बड़ा प्रयास लगता है
विचार खुद शानदार है, लेकिन इसे साकार करने के लिए बड़े निवेश और समर्पण की ज़रूरत होगी, यह समझना चाहिए
data या परिणामों को टेक्स्ट में समझाना कठिन है, लेकिन graphs एक ही बार में बहुत-सी जानकारी पहुँचा देते हैं
टेक्स्ट asynchronous होने के कारण अच्छा है, लेकिन इंसान स्वाभाविक रूप से बोलने या दृश्य रूप में व्यक्त करने को अधिक पसंद करता है
अंततः एक ही communication style के बजाय मिश्रित दृष्टिकोण अधिक स्वाभाविक है
बच्चा बस देखकर सीखता है और भौतिक सहज-बोध से समझता है
साइकिल चलाने जैसी शरीर से सीखी जाने वाली चीज़ें टेक्स्ट से लगभग नहीं सिखाई जा सकतीं
टेक्स्ट प्रतीकात्मक है, और image संवेदनात्मक है
Norman Rockwell की पेंटिंग को टेक्स्ट में पूरी तरह व्यक्त करना असंभव है
sheet music या Feynman diagrams जैसी टेक्स्ट-आधारित प्रतीक प्रणालियाँ अब भी शक्तिशाली हैं
मैंने OP की पोस्ट को 30 सेकंड में संक्षेपित कर लिया, लेकिन Bret Victor का वीडियो 54 मिनट का है, इसलिए ज़्यादातर लोग उसे नहीं देखेंगे
टेक्स्ट दक्षता और रूपांतरण-योग्यता के मामले में अब भी सबसे अच्छा माध्यम है
मेरा मानना है कि दूसरे माध्यमों को सहायक साधन के रूप में इस्तेमाल करना बेहतर है
मैं खुद को टेक्स्ट मैक्सिमलिस्ट कहता हूँ
टेक्स्ट मनुष्य और मशीन के बीच स्वाभाविक संपर्क-बिंदु है, और दक्षता व पारदर्शिता के बीच संतुलन भी
हर चीज़ को string के रूप में store किया जा सकता है, और base64·JSON·HTML·CSS·SQL आदि से व्यक्त किया जा सकता है
आखिरकार इंडस्ट्री जिस silver bullet का पीछा कर रही थी, वह string ही निकली
जटिल binary formats पठनीयता खो देते हैं, और GZIP compression के बाद उनका लाभ भी लगभग खत्म हो जाता है
टेक्स्ट-आधारित protocols, Postel's law की समस्या के कारण अस्थिर हो जाते हैं
bandwidth में 30% का अंतर कभी छोटा नहीं होता, और HTTP3 के binary में जाने का कारण भी यही है
base64 को compress करने के बाद भी पठनीयता तो पहले ही खो चुकी होती है
संबंधित संदर्भ: Robustness principle, Regex समस्या, ReDoS
वैसे भी gzip किया हुआ JSON इंसान सीधे नहीं पढ़ सकता, इसलिए tools से होकर गुजरना कोई बड़ी समस्या नहीं है
इंसानों द्वारा संभाली जाने वाली config files के लिए text proto या JSON अधिक उपयुक्त हैं
grep, git, conversion सब आसान हो जाते हैं
मेरे पुराने papers Lotus Word Pro में लिखे गए थे, इसलिए अब उन्हें पढ़ा नहीं जा सकता; अगर वे टेक्स्ट होते तो कोई समस्या नहीं होती
बड़े systems में टेक्स्ट files बहुत घूमती हैं, लेकिन पारदर्शिता लगभग नहीं होती
बड़े पैमाने के वातावरण में कुछ bits की बचत भी बड़ी लागत बचत में बदल जाती है, इसलिए self-labeled fields हटा दिए जाते हैं
टेक्स्ट आखिरकार bytes की अभिव्यक्ति भर है
लेकिन टेक्स्ट से लगाव का कारण binary formats की बंद प्रकृति और tools की कमी है
CSV में base64 के लाखों columns हों, तब भी अगर सही tools न हों तो वह binary से बेहतर नहीं है
standardization की वजह से हम अर्थ साझा कर सकते हैं, और LLM जैसे models इसे सीख सकते हैं
“किसी random wiki sentence को चित्र में व्यक्त करके देखो” जैसी बात की तरह, टेक्स्ट से हर चीज़ का स्थानापन्न नहीं किया जा सकता
उल्टा, किसी movie clip को टेक्स्ट में पूरी तरह समझाना भी असंभव है
टेक्स्ट सभी माध्यमों का superset नहीं है, यह बस अभिव्यक्ति का एक अलग प्रकार है
उदाहरण: Flight management system, NOTAM
“टेक्स्ट सबसे पुरानी और सबसे स्थिर communication technology है” इस दावे के बारे में
दरअसल भाषा खुद उससे भी पुरानी technology है
मौखिक परंपराओं ने पीढ़ियों तक ज्ञान पहुँचाया है, और मानव भाषा उनमें सबसे जटिल है
उदाहरण के लिए, ऑस्ट्रेलिया के आदिवासी Gunditjmara ने 30,000 साल पहले के ज्वालामुखी विस्फोट की कहानी आगे बढ़ाई है (Budj Bim)
टेक्स्ट इस मायने में अनोखा है कि वह पीढ़ियों के पार जानकारी को विकृति के बिना पहुँचा सकता है
आखिरकार निष्कर्ष यही है: “भाषा पर दाँव लगाओ”
LLM चमत्कारी इसलिए लगते हैं क्योंकि मानवता ने हज़ारों वर्षों तक सारा ज्ञान टेक्स्ट में दर्ज किया है
image models भी टेक्स्ट और images के shared embedding space की वजह से आगे बढ़े हैं
यह सुविधाजनक तो है, लेकिन इसे सचमुच “प्रभावी” मॉडल कहना कठिन है
एक भाषाविद् के रूप में, मैं मानता हूँ कि लुप्तप्राय भाषाओं को रिकॉर्ड करने के लिए टेक्स्ट (Unicode) सबसे टिकाऊ format है
हज़ारों साल पुराने Greek या Sanskrit व्याकरण-ग्रंथ आज भी पढ़े जा सकते हैं
हमारी टीम ने PDF में publish किया, लेकिन अंदरूनी तौर पर XML में preserve किया
आशा है कि 2000 साल बाद भी इसे पढ़ा जा सकेगा
UTF-16, SJIS, EUC जैसी encodings को लेकर बहुत भ्रम था, जबकि PDF या JPEG अब भी पूरी तरह खुल जाते हैं
अगर storage space अनुमति दे, तो image formats में संग्रह करना अधिक सुरक्षित लगता है
साथ ही, ऐसे अक्षर अब भी मौजूद हैं जिन्हें Unicode में भी व्यक्त नहीं किया जा सकता
गुफा-चित्र कभी-कभी टेक्स्ट से बेहतर इरादा पहुँचा देते हैं
Future Text Publishing series को देखें तो,
“टेक्स्ट” मूलतः 2D चित्र है
कंप्यूटर टेक्स्ट को नहीं समझते, वे सिर्फ संख्याएँ process करते हैं
मनुष्यों ने उन संख्याओं को अर्थ देकर प्रतीक और भाषा-प्रणाली बनाई है
DNA/RNA को भौतिक रूप से निर्मित सार्वभौमिक लेखन-प्रणाली के उदाहरण के रूप में देखा जा सकता है
यह लेख पहले भी कई बार HN पर आ चुका है
2014, 2015 और 2021 में भी इस पर सैकड़ों comments आए थे
2014 version, 2015 version, 2021 version
यह सही है कि टेक्स्ट वाकई एक बहुत अच्छा अभिव्यक्ति का माध्यम है, और बहुत महत्वपूर्ण भी है......
लेकिन हर चीज़ को टेक्स्ट में स्टोर नहीं किया जा सकता।
आख़िरकार टेक्स्ट एक संपीड़ित अभिव्यक्ति है। हम जो पाँच इंद्रियों (दृष्टि, श्रवण, स्पर्श, स्वाद, गंध) से महसूस कर सकते हैं, उसे सामाजिक रूप से सहमत एक रूप में संपीड़ित करके व्यक्त करते हैं।
लेकिन अगर उस मूल वस्तु के बारे में जानकारी ही न हो, तो भले ही डेटा को टेक्स्ट में सहेज लिया जाए, बाद में अगर उस मूल वस्तु को ही कोई न जानता हो, तो वह टेक्स्ट अपना अर्थ खो देता है।
हम कैसेट क्या होता है यह जानते हैं, लेकिन अगर हाल ही में पैदा हुए छोटे बच्चों को सिर्फ़
कैसेटजैसा टेक्स्ट दिखाकर पूछा जाए कि यह क्या है, तो कितने बच्चे सही जवाब दे पाएँगे? चाहे हम कैसेट की बनावट, कार्य और काम करने के तरीके के बारे में कितनी भी मेहनत से लिख दें, क्या हज़ारों साल बाद सिर्फ़ उस टेक्स्ट के आधार पर उस कैसेट को पूरी तरह फिर से बनाया जा सकेगा?ऐसे मामलों में, उसकी बजाय कैसेट की कुछ तस्वीरें, कोई आरेख, या कैसेट का इस्तेमाल करते हुए कुछ मिनट का वीडियो ज़्यादा उपयोगी हो सकता है.