क्यों AI को प्यार करने वाले और नफरत करने वाले लोग पैदा होते हैं: मस्तिष्क विज्ञान और सोशल मीडिया द्वारा दिखाया गया विभाजन - पारदर्शिता, विकल्प और जवाबदेही की डिज़ाइन थ्योरी

1. कल पढ़ा गया एक लेख आज की उलझन को शब्दों में ढालता है

2025 नवंबर 3 (स्थानीय समय) को Phys.org पर पुनः प्रकाशित लेख ने यह समझाने का प्रयास किया कि लोग AI को "पसंद" या "नापसंद" क्यों करते हैं, और यह मस्तिष्क की जोखिम और विश्वास की धारणा से कैसे संबंधित है। तर्क स्पष्ट लेकिन तीखा है—लोग उन चीजों पर भरोसा करते हैं जिन्हें वे समझ सकते हैं। इसके विपरीत, जब इनपुट और आउटपुट के बीच का रास्ता दिखाई नहीं देता, तो "ब्लैक बॉक्स" चिंता का कारण बन जाता है। लेख ने मनोविज्ञान के विभिन्न पहलुओं को एक साथ लाकर समझाया है, जैसे कि एल्गोरिदम की विफलताओं के प्रति लोगों की कठोरता (जिसे "एल्गोरिदम अवर्शन" कहा जाता है), AI में मानव इरादों को पढ़ने की प्रवृत्ति (मानवीकरण), और अनकैनी वैली की असहजता। संक्षेप में, यह "AI की समस्या" से अधिक "मानव मन की समस्या" है। phys.org

2. "उम्मीदों का उल्लंघन" क्यों दर्दनाक होता है—एल्गोरिदम अवर्शन की जड़ें

लोग मानव त्रुटियों के प्रति सहिष्णु होते हैं, लेकिन मशीन की त्रुटियों के प्रति कठोर। उम्मीदों के उल्लंघन के सिद्धांत से यह स्पष्ट है कि हम मशीनों से "तार्किक, निष्पक्ष और लगभग त्रुटिहीन" होने की उम्मीद करते हैं। जब वे विफल होती हैं, तो हमें लगता है कि "तब तो इंसान बेहतर है क्योंकि उससे सवाल किया जा सकता है"। एल्गोरिदम अवर्शन (algorithm aversion) इस मनोविज्ञान को परिभाषित करने वाला एक सिद्धांत है, जो बताता है कि समान त्रुटियों के बावजूद, मशीनें अधिक आसानी से विश्वास खो देती हैं। ज्ञानकोशीय विश्लेषण में भी इसी तरह की बातें पाई जाती हैं, जो वास्तविक अनुभवों के साथ मेल खाती हैं। विकिपीडिया

3. "दिल नहीं" वाली चीजों में हम "दिल" को प्रक्षिप्त करते हैं

लेख इस तथ्य पर जोर देता है कि केवल तर्कसंगतता से लोग आश्वस्त नहीं होते। आवाज का स्वर, चेहरे के भाव, नजर और समय—लोग शब्दों के बाहर की भावनात्मक सुरागों को पढ़कर विश्वास बनाते हैं। लेकिन AI इसमें कमजोर है। बिना गुस्सा, बिना थकान, बिना हिचकिचाहट के होना कभी-कभी "ठंडा" माना जाता है। इस असमानता से उत्पन्न असहजता, जिसे अनकैनी वैली कहा जाता है, भी पृष्ठभूमि में होती है। इस "भावनात्मक खालीपन" से AI के प्रति असहजता की भावना बढ़ती है। phys.org

4. पहचान का खतरा—"नौकरी छिनने" से अधिक दर्द

कुछ पेशों में "प्रतिस्थापित" होने की भावना केवल दक्षता से अधिक प्रतिक्रिया उत्पन्न करती है। शिक्षक, लेखक, वकील, डिजाइनर—जब वे महसूस करते हैं कि उनके वर्षों से निखारे गए कौशल का "समान मूल्य" आ गया है, तो उनकी आत्म-छवि डगमगाती है। इसे सामाजिक मनोविज्ञान में पहचान खतरा कहा जाता है। यहां पर तर्कसंगत तकनीकी मूल्यांकन और अस्तित्व संबंधी चिंता आपस में जुड़ती हैं। लेख यह सुझाव देता है कि प्रतिक्रिया केवल रूढ़िवादिता नहीं बल्कि एक मनोवैज्ञानिक रक्षा भी है। phys.org

5. SNS क्या बढ़ा रहा है—स्वागत और विरोध दोनों की "सच्चाई" का दृश्यांकन

तो, SNS पर माहौल कैसा है? X और Reddit, समाचार टिप्पणी अनुभागों को देखने पर, दक्षता और रचनात्मकता को महत्व देने वाले "स्वागत करने वाले" और रोजगार, पूर्वाग्रह, शासन अविश्वास पर जोर देने वाले "चिंतित" दोनों समूह मौजूद हैं, और उनके ध्यान के केंद्र अलग हैं।

• स्वागत करने वालों के उदाहरण:
  "शोध और लेखन की गति में बड़ा अंतर", "AI के 'साथी' के रूप में अकेलापन कम हुआ" जैसी उपयोग अनुभवों की साझा की जाती है। निर्माण और विकास में "प्रारंभिक अभ्यास" के रूप में उपयोग किया जाता है, और अंतिम निर्णय मानव द्वारा किया जाता है, इस विभाजन की सराहना की जाती है।

• चिंतित लोगों के उदाहरण:
  "AI की विफलता अज्ञेय और डरावनी है", "गलत जानकारी और कॉपीराइट की सीमाएं अस्पष्ट हैं", "कंपनियों और नियामक अधिकारियों पर भरोसा नहीं किया जा सकता"। विशेष रूप से Reddit पर, "तकनीकी कंपनियों और नियामकों पर भरोसा नहीं किया जा सकता" जैसी सामान्य अविश्वास बार-बार प्रकट होती है। Reddit

इसके अलावा, रिपोर्ट आधारित जनमत भी, **"उम्मीद और चिंता के बीच संघर्ष"** को समर्थन देता है। अमेरिका में 2025 की शरद ऋतु में, AI के प्रति चिंता 2022 की तुलना में बढ़ गई है, इस पर रिपोर्टें जारी रहीं। नौकरी के जोखिम और "अनावश्यक स्वचालन" के प्रति नापसंदगी, AI सारांश के प्रति संदेह—"सुविधाजनक" और "डरावना" का सह-अस्तित्व है। ब्रिटेन में भी, AI को अवसरों की तुलना में आर्थिक जोखिम के रूप में देखने वाले लोगों की संख्या अधिक है, इस पर सर्वेक्षण चर्चा का विषय बना। लोग नवीनता से अधिक "समझ में आने वाली चीजों" को महत्व देते हैं। The Washington Post

6. AI के खिलाफ लेकिन AI का उपयोग भी—2025 में "प्रतिरोध" की वास्तविकता

दिलचस्प बात यह है कि AI के प्रति प्रतिरोधी होने का दावा करने वाले कई लोग वास्तव में आंशिक रूप से AI का उपयोग कर रहे हैं। छात्रों, डेवलपर्स, और कुछ रचनाकारों में नैतिकता, सटीकता, और रोजगार की चिंता के कारण दूरी बनाए रखने की प्रवृत्ति है, लेकिन पूरी तरह से बचना मुश्किल है और "सीमित उपयोग के लिए सह-उपयोग" की वास्तविकता है। प्रौद्योगिकी की स्वीकृति द्विआधारी नहीं है। मनोवैज्ञानिक रूप से, चयन की कमी की भावना ही अविश्वास का ईंधन बनती है, इसे इस तरह से समझा जा सकता है। Axios

7. मीडिया प्रसार की राह: लेख कैसे पढ़ा गया

इस बार Phys.org की पुनःप्रकाशना The Conversation के लेख पर आधारित है। इसी तरह के लेख अन्य मीडिया में भी वितरित और पुनःप्रकाशित किए गए, जिससे इसका प्रसार बढ़ा। सीधे लिंक की संख्या SNS पर विस्फोटक नहीं है, लेकिन टिप्पणियों और पुनःप्रकाशन स्थलों पर चर्चा "स्वीकृति और अस्वीकृति" के साथ चल रही है, जैसा कि अब तक देखा गया है। phys.org　uk.news.yahoo.com

8. "सिस्टम को दिखाना" ही पर्याप्त नहीं—विश्वास डिजाइन के 3 सिद्धांत

लेख "ब्लैक बॉक्स से बातचीत तक" के रूपक का उपयोग करता है। यहां से, उत्पाद और सेवा डिजाइन के तीन सिद्धांतों को संक्षेपित किया जा सकता है। phys.org

1. पारदर्शिता (Transparency)
   "क्या, किस डेटा के साथ, कैसे संभाला गया, और क्या सीमाएं हैं" को प्रारंभिक संपर्क में स्पष्ट करें। विशेषज्ञ शब्दावली की सूची के बजाय, परिणाम को प्रभावित करने वाली स्थितियों और "कमजोर पैटर्न" को पहले से बताएं।

2. प्रश्नशीलता (Interrogability)
   परिणामों पर "प्रश्न पूछने" की गुंजाइश हो। आधार का सारांश, विकल्प, त्रुटियों की आत्म-स्वीकृति। उपयोगकर्ता "क्यों?" पूछ सकें, ऐसा UI उम्मीदों के उल्लंघन के दर्द को कम करता है।

3. चयन का अधिकार (Agency)
   डिफ़ॉल्ट स्वचालन के बजाय, ऑप्ट-इन/ग्रेन्युलैरिटी सेटिंग/वापसी की आसानी सुनिश्चित करें। उपयोगकर्ता "अपनी गति से" सौंप सकें, यह स्वीकृति की सबसे बड़ी कुंजी है।

9. जमीनी कार्यान्वयन के नोट्स—उत्पाद/नीति के दोनों पहलू

• उत्पाद पक्ष

  • महत्वपूर्ण कार्यों में "दो-स्तरीय लॉक": AI प्रस्ताव→मानव अंतिम अनुमोदन।

  • मॉडल की आत्मविश्वास स्तर और अनिश्चितता का दृश्यांकन को मानक बनाएं।

  • ऑडिट लॉग और स्पष्टीकरण की पुनरावृत्ति को बनाए रखें ("समान इनपुट के लिए समान स्पष्टीकरण" का सिद्धांत)।

  • "न करने की स्वतंत्रता" को बनाए रखें: हमेशा चालू AI सारांश या "सुझाव का दबाव" से बचें।

• संगठन/शिक्षा पक्ष

  • कर्मचारियों/शिक्षार्थियों को **"AI निर्भरता के दुष्प्रभाव"** (विचारहीनता, गलत शिक्षा) सहित डिजिटल दक्षता सिखाएं।

  • उत्पादों की मूल स्थान की जानकारी (AI की भागीदारी का खुलासा) और महत्वपूर्ण निर्णयों के लिए मानव जिम्मेदारी की व्यवस्था करें।

  • सार्वजनिक क्षेत्र में स्पष्टीकरण और उपाय को अनिवार्य आवश्यकताओं में शामिल करें (क्रेडिट, भर्ती, चिकित्सा के स्वचालित निर्णय आदि)।

10. ध्रुवीकरण से आगे—"सहमति योग्य न्यूनतम" की खोज

AI की प्रशंसा करने की आवश्यकता नहीं है, और न ही इसे पूरी तरह से नकारने की। हमें जो चाहिए वह है, "किस शर्तों पर इसे सौंपा जा सकता है" के लिए सहमति योग्य सीमा।

• डेटा के स्रोत का प्रदर्शन

• त्रुटियों के समय उपाय की उपलब्धता

• महत्वपूर्ण निर्णयों को मानव के पास वापस लाने की क्षमता

• "उपयोग न करने" के विकल्प का सम्मान

जब यह न्यूनतम पूरा होता है, तो AI **"अदृश्य ब्लैक बॉक्स" से "समझ में आने वाला साथी"** के करीब आता है। नवीनतम रिपोर्ट और SNS की तापमान भावना वास्तव में यही चाहती है। सुविधाजनकता और चिंता के सह-अस्तित्व को स्वीकार करें, और प्रश्न पूछने योग्य संबंध को डिज़ाइन करें। यही पसंद और नापसंद के विभाजन को पार करने का एकमात्र उपाय है। The Washington Post##HTML_TAG_