- Substack ने Pangram scan और “How I make this” फीचर लॉन्च किए हैं, जिनसे पाठक किसी पोस्ट में मानव लेखन और AI सहायता के अनुमानित अनुपात को देख सकते हैं और रचनात्मक प्रक्रिया समझ सकते हैं
- AI के उपयोग से अधिक ध्यान पारदर्शिता की कमी पर है, ताकि लेखकों को अपने योगदान का श्रेय मिले और पाठक बेहतर ढंग से तय कर सकें कि क्या पढ़ना है
- लेखक पारदर्शिता बढ़ाने का स्वागत कर रहे हैं, लेकिन false positives, एकल लेबल से पूरी रचनात्मक प्रक्रिया न पकड़ पाने, और एक-दूसरे के काम करने के तरीकों की निगरानी बढ़ने के जोखिम को लेकर चिंतित हैं
- फीडबैक के बाद, अब प्रति-पोस्ट reader scan disable किया जा सकता है, भले ही लेखक पहले Pangram के साथ इंटरैक्ट न करे या पहले स्कैन न चलाए
- क्योंकि AI रिसर्च, अनुवाद, संपादन और ड्राफ्टिंग जैसे कई चरणों में इस्तेमाल हो सकता है, इसलिए केवल detection result से लेखक की सोच और मेहनत का आकलन करना कठिन है; इसी वजह से काम करने के तरीके का ठोस खुलासा पाठकों के साथ भरोसा बनाने में काम आता है
Pangram-आधारित AI transparency फीचर्स
- पाठक Substack पर पोस्ट किए गए टेक्स्ट को स्कैन करके यह देख सकते हैं कि कौन-सा हिस्सा इंसान ने सीधे लिखा है और कौन-सा AI-assisted माना गया है
- पब्लिशर्स के लिए भी फीचर्स दिए गए हैं
- पोस्ट करने से पहले ड्राफ्ट पर Pangram चलाया जा सकता है
- प्रति-पोस्ट reader scan को disable किया जा सकता है
- रचनात्मक प्रक्रिया समझाने वाला “How I make this” टेक्स्ट जोड़कर पाठकों की अपेक्षाएँ तय की जा सकती हैं
- यह फीचर web·iOS·Android पर उपलब्ध है
- Substack और Pangram पब्लिशर्स के कंटेंट का उपयोग generative AI model training के लिए नहीं करते
AI उपयोग से अधिक पारदर्शिता पर फोकस
- AI उपयोग और उसके खुलासे को लेकर मानक अभी तय नहीं हुए हैं, लेकिन Substack का मानना है कि AI का उपयोग अपने-आप में समस्या न भी हो, तब भी पारदर्शिता की कमी एक समस्या है
- लक्ष्य यह है कि लेखकों को अपने काम का उचित श्रेय मिले और पाठक अधिक जानकारी के आधार पर तय कर सकें कि अपना समय कहाँ लगाना है
- इसमें यह आधारभूत मान्यता है कि AI की क्षमता चाहे जो हो, मानवीय दृष्टिकोण संस्कृति के लिए आवश्यक है
मानव सृजन और AI पर बहस
- Archie Hall, AI की आर्थिक संभावनाओं को लेकर आशावादी हैं, लेकिन उनका मानना है कि भले स्तर पढ़ने लायक हो, AI द्वारा लिखे गए वाक्यों से बचना चाहिए
- Lincoln Michel का कहना है कि कला के लिए इरादा और चयन ज़रूरी हैं, इसलिए ऐसा AI output जो चयन का परिणाम नहीं है, कला नहीं हो सकता
- Hinternet Editorial Board ने AI पर निर्भरता को 0~10 की Morse-style scale में वर्गीकृत करने का सुझाव दिया
- Sam Kriss ने लेखन का काम AI को सौंपने के विचार को तीखे शब्दों में खारिज किया
- लेखक खुद यह परखते रहे हैं कि AI क्या बना सकता है और क्या नहीं
- Freddie deBoer ने यह प्रयोग किया कि क्या बड़े language models, फिक्शन के वास्तविक वाक्यों को छोड़कर उसके अन्य घटक लिख सकते हैं
- Rohit Krishnan ने साहित्यिक शैली की सांख्यिकीय विशेषताओं को मापा और देखा कि क्या models उन्हें सीख सकते हैं
- Hollis Robbins ने दो अलग-अलग LLMs द्वारा बनाई गई कविताओं की तुलना की, यह देखने के लिए कि क्या वे महान कविता के करीब पहुँच सकती हैं; उनके अनुसार कवि के लिए असाधारण अभिव्यक्ति स्वयं कविता है
- Elle Griffin ने भविष्य की AI utopia में बिताए एक दिन को fiction के रूप में लिखा
- Andrea Bartz ने मौजूदा generative AI के विरोध में विस्तृत तर्क लिखे
- Teddy(T.M.) Brown का कहना है कि commercial writing का बड़ा हिस्सा मूल रूप से रचनात्मक अभिव्यक्ति नहीं था, इसलिए जो चीज़ गायब हो रही है वह आत्मा से ज़्यादा लेखक की आजीविका है
लॉन्च के तुरंत बाद सकारात्मक प्रतिक्रियाएँ
- कुछ लेखकों ने transparency tools को लेखकों की सुरक्षा और बेहतर reader experience के लिए सही पहला कदम बताया
- Katie Harbath को चिंता है कि AI detection tools, ethical use की बारीकियों को मिटा सकते हैं, फिर भी वे पारदर्शिता का समर्थन करती हैं
- उन्होंने बताया कि consulting, किताब प्रकाशित करने की तैयारी और रोज़मर्रा की ज़िंदगी के बीच नियमित newsletter बनाए रखने में AI ने मदद की
- Gergely Orosz ने कहा कि अगर उन्हें पता चल जाए कि कोई लेख AI ने लिखा है, तो वे उसे नहीं पढ़ते, क्योंकि निर्माता ने उसे खुद लिखने में समय नहीं लगाया
- Joe Hill का मानना है कि AI औसत व्यक्ति से बेहतर, लेकिन पेशेवर लेखक से खराब लिखता है, और इसी अंतर के कारण निम्न-गुणवत्ता वाला कंटेंट बड़े पैमाने पर बन रहा है जो पाठकों को दूर करता है
- Helen Lewis ने अपने 2,000-शब्दों के लेख को human-written ठहराए जाने के बाद यह खुलासा किया कि वे AI का उपयोग कैसे करती हैं
- वे लेख खुद लिखती हैं और AI से fact-check या spell-check नहीं करातीं
- जब रिसर्च में AI का उपयोग करती हैं, तो search engine की तरह ही मूल स्रोतों को खुद जांचती हैं
false positives और community culture को लेकर चिंताएँ
- विरोधी राय यह दिखाती है कि AI उपयोग को एक ही लेबल में समेटने पर तीन सीमाएँ पैदा होती हैं
- इंसानों द्वारा लिखे गए टेक्स्ट को AI-generated मान लेने वाले false positives
- एक लेबल से किसी लेख की पूरी रचनात्मक प्रक्रिया को पकड़ पाना कठिन है
- ध्यान रचना से हटकर दूसरों के काम करने के तरीकों की निगरानी पर जा सकता है
- Emma Richmond को चिंता है कि कुछ नियमों का पालन करने वाले अकादमिक वाक्य AI के रूप में गलत वर्गीकृत हो सकते हैं
- Kathleen Schmidt का मानना है कि अगर error-prone detection tools सबके लिए खुले हों, तो जिन लेखकों ने वास्तव में AI का उपयोग नहीं किया, उन पर भी AI उपयोग का संदेह किया जा सकता है
- Monica Hebert ने AI detection को छुपे हुए moral purity test के रूप में आलोचना की
- detector यह अनुमान लगा सकते हैं कि AI शामिल था या नहीं, लेकिन यह नहीं जान सकते कि मूल विचार किसने दिया, अनुभव किसने जिया, या कहानी किसने कही और सुधारी
- वे उस मानवीय काम को भी नहीं माप सकते जिसमें ड्राफ्ट ठुकराना, तर्क बदलना, हास्य वापस लाना, और पैराग्राफ तथा अंत को दोबारा लिखना शामिल है
फीडबैक के बाद scan disable
- Substack ने फीडबैक के आधार पर बदलाव किया है ताकि पब्लिशर्स, पहले लेख को स्कैन किए बिना या Pangram के साथ इंटरैक्ट किए बिना भी प्रति-पोस्ट reader scan disable चुन सकें
- AI उपयोग का तरीका उतना ही विविध है जितने creator हैं, इसलिए scan result के साथ दिखने वाले “How I make this” टेक्स्ट में वे अपनी प्रक्रिया का ठोस खुलासा कर सकते हैं
“How I make this” के उपयोग के उदाहरण
- Claudia Sahm ने कहा कि वे पहला ड्राफ्ट हमेशा खुद लिखती हैं और AI का उपयोग मुख्यतः स्पष्टता बढ़ाने वाले संपादन में करती हैं
- लिखना शुरू करने से पहले वे AI के साथ विचारों की समीक्षा करती हैं, और अपने निर्देश पर data analysis तथा charts सहित background material जुटाने में भी इसका उपयोग करती हैं
- उन्होंने कहा कि गलतियों और छूट के लिए जिम्मेदारी उनकी अपनी है
- अंग्रेज़ी मातृभाषा न होने के कारण Thierry, AI का उपयोग English editor की तरह करते हैं
- यह वाक्यों को सँवारता है, लेकिन विचार या वास्तविक सामग्री नहीं बदलता
- Plum Sykes ने संक्षेप में बताया कि वे AI का बिल्कुल उपयोग नहीं करतीं
- Nate रिसर्च, ड्राफ्टिंग, लेखन और संपादन, सभी चरणों में AI का उपयोग करते हैं
- वे पहले 10~15 मिनट तक अपनी आवाज़ को टेक्स्ट में बदलते हैं, ताकि अपने विचारों का मूल रूप सुरक्षित कर सकें
- उसके बाद model के साथ ड्राफ्ट बनाते हैं और बार-बार संशोधन करके यह सुनिश्चित करते हैं कि उसमें उनके विचार और इरादे ठीक से दिखें
- उनके अनुसार AI-assisted माना जाना सही और अपेक्षित परिणाम है
- Morgan Vogel ने एक हास्यपूर्ण नोट इस्तेमाल किया कि वे खुले Google Docs, caffeinated drinks और प्रार्थना के सहारे लिखते हैं
- Sara Szal MD ने बताया कि उनके विचार उनकी अपनी रिसर्च, 30 वर्षों के clinical practice और प्रकाशित छह पुस्तकों से आए हैं
- वे अपने लेखन पर प्रशिक्षित AI tools का उपयोग editing और publishing efficiency बढ़ाने के लिए करती हैं, लेकिन framework, models, critical thinking और clinical recommendations खुद तैयार करती हैं
- Anthony Lawrance, Claude का उपयोग ऐसे करते हैं जैसे कोई editor reporters की टीम चलाता हो
- वे उससे सामग्री और कहानियाँ इकट्ठी करवाते हैं, फिर स्रोतों की समीक्षा करते हैं, ड्राफ्ट को गहराई से संपादित करते हैं, और शीर्षक व प्रकाशन की जिम्मेदारी खुद लेते हैं
- Jim Waterson ने कहा कि उनके काम में बहुत मानवीय श्रम लगा है और उन्होंने AI का उपयोग नहीं किया
आगे की योजना
- Substack का कहना है कि वह creators और readers के बीच भरोसा बनाने और ऐसा माहौल तैयार करने पर काम करेगा जिसमें हर कोई अपने रचनात्मक काम और व्यवसाय के लिए सही विकल्प चुन सके
- अगले हफ्ते से वह “Model Behavior” series शुरू करेगा, जो लेखकों, creators और thinkers के AI युग में काम करने के तरीके और AI को लेकर उनकी भावनाओं पर केंद्रित होगी
- Substack पब्लिशर्स से लगातार यह राय भी माँग रहा है कि reposts, comments और “How I make this” खुलासों के ज़रिए AI माहौल में लेखकों और creators को कैसे बेहतर support किया जाए
अभी कोई टिप्पणी नहीं है.