जब हम पहले की तकनीकी क्रांतियों की बात करते थे तो शब्द केवल सिस्टम को समझाने के साधन थे। आज की जनरेटिव AI और बड़े भाषा मॉडल (LLM) शब्दों को स्वयं प्रणाली बना चुके हैं। शब्दों के माध्यम से ही ये मॉडल सीखते हैं, और वही शब्द उनके आउटपुट को आकार देते हैं। इस नई वास्तविकता का अर्थ है कि भाषा अब केवल एक संचार उपकरण नहीं, बल्कि तकनीकी इन्फ्रास्ट्रक्चर बन गई है।

इतिहासिक बदलाव: शब्द से प्रणाली तक

पिछले दशकों में कंप्यूटिंग शक्ति, प्रोसेसिंग गति और डेटा की मात्रा ही सफलता के मुख्य मानदंड थे। LLM ने इस समीकरण को उलट दिया – अब सफलता भाषा की सूक्ष्मता और सटीकता पर निर्भर करती है, मात्र डेटा की मात्रा पर नहीं। एक छोटा शब्द‑परिवर्तन मॉडल की समस्या‑समाधान क्षमता को पूरी तरह बदल सकता है, जैसे “उपभोक्ता जुड़ाव” बनाम “व्यवहारिक निगरानी”।

शब्दों का प्रभाव: नीति और नैतिकता

डेटा को वर्गीकृत करने, टैग करने और लेबल करने की प्रक्रिया अब केवल तकनीकी कार्य नहीं रही। यह नीति‑निर्धारण का कोर बन गया है। “सुरक्षित” या “जोखिमपूर्ण”, “विश्वसनीय” या “हानिकारक” जैसे लेबल मॉडल को यह सिखाते हैं कि क्या देखना है और क्या अनदेखा। एक अनुचित टैक्सोनॉमी मॉडल के आउटपुट को विकृत कर सकती है, जिससे जन‑धारणा और वास्तविक जीवन के निर्णय प्रभावित होते हैं।

भारत की विशिष्ट चुनौती

भारत में भाषा, जाति, वर्ग और क्षेत्रीय विविधता शब्दों को बहु‑सतही बनाती है। अधिकांश LLM अंग्रेजी‑केंद्री डेटा पर प्रशिक्षित हैं, जो इस जटिल बुनावट को समझने में असमर्थ है। परिणामस्वरूप न केवल बहिष्करण बढ़ता है, बल्कि एक मानकीकृत व्याख्या कई मिलियन निर्णयों को गलत दिशा में ले जा सकती है। इसलिए भारत को अपने स्वयं के भाषाई डेटासेट विकसित करने, स्थानीय विशेषज्ञों को मॉडल डिज़ाइन में शामिल करने और नैतिक वर्गीकरण को प्राथमिकता देने की आवश्यकता है।

भविष्य की राह

संचालन बोर्डों को डेटा लेबलिंग को गवर्नेंस का प्रश्न मानना चाहिए, न कि एक बैक‑रूम तकनीकी कार्य। तकनीकी नेताओं को भाषाविद्, नैतिकतावादी और संचार विशेषज्ञों को मॉडल निर्माण की शुरुआत से ही शामिल करना चाहिए। शब्दों को केवल सजावट नहीं, बल्कि मशीन की समझ का आधार मानकर, संस्थाएँ नई शक्ति संरचना को समझेंगी – जो शब्दों को आकार देता है, वही मशीन को नियंत्रित करता है।