खाली डेटा, भरे हुए टेम्पलेट: क्रिकेट न्यूज़रूम्स के लिए एआई पाइपलाइन का असली सबक

पिछले कुछ वर्षों में क्रिकेट कवरेज का एक बड़ा हिस्सा ऐसे ऑटोमेटेड सिस्टम से गुज़रने लगा है जो किसी मैच रिपोर्ट, ट्रांसफर खबर या लीग की बिज़नेस स्टोरी को पहले स्क्रैप करता है, फिर उसके तथ्यों को अलग-अलग इकाइयों में तोड़ता है, और अंत में उन इकाइयों से विश्लेषण तैयार करता है। इस पूरी शृंखला की एक बुनियादी शर्त है — पहले चरण में निकला हुआ डेटा सचमुच भरा हुआ हो। जब वह डेटा खाली आता है, तो सिस्टम का दूसरा चरण तकनीकी रूप से चलता तो रहता है, लेकिन उसका आउटपुट क्रिकेट के बारे में कुछ भी नहीं कहता। यही वह स्थिति है जिसका सामना हाल में एक क्रिकेट विश्लेषण पाइपलाइन में हुआ, और यह घटना अपने आप में एक बड़ी एडिटोरियल चेतावनी है। समस्या की शुरुआत वहाँ होती है जहाँ पहले चरण का आउटपुट आता है। लेख का शीर्षक शून्य, स्रोत शून्य, लेख का प्रकार अनवर्गीकृत, सूचना-बिंदुओं की सूची खाली, मुख्य दृष्टिकोण की एक-वाक्य व्याख्या खाली, लेखक का रुख अनुपलब्ध, और समय-संवेदनशीलता का आकलन ही नहीं किया गया। यानी ऐसा नहीं था कि जानकारी अधूरी थी; ऐसा था कि जानकारी थी ही नहीं। केवल एक चीज़ भरी हुई थी — डोमेन लेबल, जो क्रिकेट_एशिया बताता था। यह लेबल कोई तथ्य नहीं है, यह एक क्लासिफायर का नतीजा है। इसका मतलब केवल इतना है कि किसी बिंदु पर सिस्टम ने कुछ टेक्स्ट देखा और उसे एशियाई क्रिकेट की श्रेणी में रखा। यह इस बात का सबूत नहीं कि लेख में क्या लिखा था। यहीं से असली खतरा शुरू होता है। जिस सिस्टम के सामने आठ विश्लेषण टेम्पलेट रखे जाते हैं और हाथ में शून्य डेटा होता है, उस पर भरने का दबाव पैदा होता है। भरने का दबाव मॉडल की नीयत नहीं, संरचना का दोष है। टेम्पलेट में जगह बनी हुई है, और जगह को भरने के लिए भाषा-मॉडल के पास यादों का एक बड़ा भंडार है। इसी भंडार से कोई प्रभावशाली नाम, कोई सुना-सुनाया आंकड़ा, कोई जानी-पहचानी टीम उठाकर रख देना बेहद आसान है। और जब ऐसा होता है, तो आउटपुट पढ़ने में पूरी तरह ठोस लगता है — साफ-सुथरे टेबल, तकनीकी शब्दावली, आत्मविश्वास से भरे निष्कर्ष। पाठक को यह पता लगाने का कोई तरीका नहीं होता कि पूरा ढांचा हवा पर खड़ा है। यही इस पाइपलाइन का सबसे बड़ा जोखिम है, और यह किसी भी क्रिकेट-विशिष्ट जोखिम से कहीं ज्यादा गंभीर है। दिलचस्प बात यह है कि खाली पेलोड का एक साफ संकेत भी मिलता है। जो सिस्टम असली टेक्स्ट पढ़कर सारांश बनाता है, वह लगभग कभी भी पूरी तरह खाली सूचना-बिंदु सूची नहीं लौटाता। पूरी तरह खाली सूची के साथ-साथ डोमेन लेबल का सफलतापूर्वक असाइन हो जाना इस ओर इशारा करता है कि विफलता तर्क की परत में नहीं, बल्कि डेटा लाने की परत में हुई है। यानी पेज तक पहुँचने या उसे पार्स करने में दिक्कत आई — स्क्रैपर ब्लॉक हो गया, पेज जावास्क्रिप्ट से रेंडर हो रहा था, कोई कुकी वॉल या पे-वॉल सामने आ गई, या पार्सर का समय समाप्त हो गया। यह अंतर केवल अकादमिक नहीं है। अगर सारांश बनाने वाली परत विफल होती, तो डोमेन लेबल भी साथ में अनुपलब्ध होता। लेबल का बच जाना बताता है कि स्रोत शायद अभी भी मौजूद है और दोबारा पढ़ा जा सकता है। यह एक अच्छी खबर है, बशर्ते उस पर तुरंत काम किया जाए। क्रिकेट विश्लेषण में फॉर्मेट वह शर्त है जिसे टाला नहीं जा सकता। टेस्ट, वनडे और टी20 के आंकड़े एक-दूसरे से तुलनीय नहीं हैं। एक बल्लेबाज़ का औसत या स्ट्राइक रेट तभी कोई मतलब रखता है जब यह स्पष्ट हो कि वह किस फॉर्मेट का है। गेंदबाज़ की इकॉनमी दर का आकलन पावरप्ले, मिडल ओवर और डेथ ओवर के अलग-अलग संदर्भों में अलग पड़ता है। टेस्ट में सत्र-दर-सत्र घिसाई का तर्क लागू होता है, सीमित ओवरों में विकेट के बीच की गति और बाउंड्री का दबाव। जब पहले चरण में यही तय नहीं हुआ कि सामग्री किस फॉर्मेट की है, तो किसी भी आंकड़े का हवाला देना जवाबदेही से बच निकलना है। यही कारण है कि विश्लेषण में फॉर्मेट के हर स्थान पर स्पष्ट रूप से सूचना अपर्याप्त लिखा गया है, और यह कोई चूक नहीं, जानबूझकर लिया गया फैसला है। दूसरी सबसे कीमती चीज़ है इकाइयों की सूची — यानी खिलाड़ियों, टीमों और प्रतियोगिता के नाम। फॉर्मेट और इकाइयाँ, ये दो चीज़ें मिलकर इस पूरे ढांचे की लगभग सत्तर प्रतिशत विश्लेषण-क्षमता खोल देती हैं। इनके बिना खिलाड़ी की भूमिका तय नहीं हो सकती — कौन सलामी बल्लेबाज़ है, कौन एंकर, कौन फिनिशर, कौन तेज़ गेंदबाज़, कौन स्पिनर, कौन ऑलराउंडर। टीम की स्थिति तय नहीं हो सकती — वह शीर्ष श्रेणी की ताकत है, मध्य श्रेणी की, उभरती हुई शक्ति, या सहयोगी सदस्य। बल्लेबाज़ी की गहराई, गेंदबाज़ी का संयोजन, बेंच की मजबूती और उम्र का ढांचा — ये सब नामों पर टिके हुए प्रश्न हैं। बिना नाम के ये आयाम बस बंद पड़े रहते हैं, अधूरे नहीं रहते। इसी तरह स्रोत की गुणवत्ता और समय-संवेदनशीलता का आकलन कभी हुआ ही नहीं। यह बात खास तौर पर महत्वपूर्ण है क्योंकि ये दो जाँचें बाद में याद से नहीं जोड़ी जा सकतीं। अगर टेक्स्ट दोबारा मिल भी जाए, तो यह तय करना फिर से शुरू से पड़ेगा कि स्रोत किस स्तर का है — कोई स्थापित मीडिया संस्थान, कोई एजेंसी, या कोई बिना बायलाइन वाला एग्रीगेटर। और यह भी देखना पड़ेगा कि घटना कितनी पुरानी है, क्योंकि क्रिकेट में जानकारी की उम्र बहुत तेज़ी से बढ़ती है। पुराने मैच का विश्लेषण आज की खबर की तरह पेश करना, तथ्य की गलती नहीं बल्कि संदर्भ की गलती होती है। क्रिकेट मीडिया के बाजार को देखें तो यह विफलता और भी मायने रखती है। एशियाई क्रिकेट कवरेज का बड़ा हिस्सा ट्रैफिक से चलता है, और ट्रैफिक खिलाड़ियों के नाम से आता है। इसका सीधा असर यह है कि कमर्शियल मूल्य और खेल-कौशल का मूल्य अक्सर एक-दूसरे में घुल जाते हैं। नीलामी की ऊँची कीमत को प्रदर्शन का प्रमाण मान लिया जाता है, जबकि वास्तव में वह बाज़ार का फैसला है, मैदान का नहीं। किसी खिलाड़ी की लोकप्रियता और उसकी तकनीकी क्षमता दो अलग चीज़ें हैं, और इन्हें जोड़कर पढ़ना क्रिकेट पत्रकारिता की सबसे पुरानी आदतों में से एक है। जब कोई ऑटोमेटेड सिस्टम ऐसी सामग्री पर काम करता है, तो यह आदत और गहरी हो जाती है, क्योंकि सिस्टम के पास यह जाँचने का कोई तंत्र नहीं होता कि कौन-सा वाक्य खेल के बारे में है और कौन-सा बाज़ार के बारे में। इस पूरी घटना से एक साफ सीख निकलती है: शून्य जानकारी वाला इनपुट किसी अस्पष्ट इनपुट से ज्यादा खतरनाक है। अस्पष्ट इनपुट पर विश्लेषक सतर्क रहता है। शून्य इनपुट पर टेम्पलेट खुद आगे आकर जगह माँगते हैं, और जगह भरने का सबसे आसान रास्ता अनुमान होता है। इसीलिए सबसे ज़रूरी नियंत्रण यह है कि हर ऐसी जगह पर स्पष्ट रूप से सूचना अपर्याप्त लिखा जाए और उसे वैसा ही छोड़ा जाए। यह कोई कमज़ोरी नहीं, अनुशासन है। सुधार की दिशा भी साफ है। पहला कदम स्रोत को सुरक्षित करना है — उसे तुरंत आर्काइव या स्नैपशॉट कर लेना चाहिए, क्योंकि लिंक टूट सकते हैं, पे-वॉल बदल सकते हैं, और सामग्री हटाई जा सकती है। दूसरा कदम यह तय करना है कि विफलता कहाँ हुई। अगर समस्या डेटा लाने की परत में है, तो दोबारा प्रयास सस्ता है और तुरंत किया जाना चाहिए। तीसरा कदम पहले चरण को दोबारा चलाना है, और इसमें प्राथमिकता साफ रखनी चाहिए — लेख का शीर्षक, स्रोत, सूचना-बिंदु, फॉर्मेट का वर्गीकरण और इकाइयों की सूची। चौथा कदम यह जाँचना है कि डोमेन लेबल स्थिर रहता है या नहीं। अगर दोबारा चलाने पर लेबल बदलता है या अधिक विशिष्ट हो जाता है — किसी एक लीग या देश की ओर — तो इससे पता चलेगा कि पहला लेबल संकेत था या शोर। पाँचवाँ कदम स्रोत की गुणवत्ता और समय-संवेदनशीलता की जाँच फिर से शुरू से करना है। इस बीच, एक बात साफ रखनी चाहिए। यह रिपोर्ट इस बात का सबूत नहीं है कि किसी लेख का विश्लेषण हुआ। यह रिकॉर्ड है कि विश्लेषण नहीं हो सका। अगर यह दस्तावेज़ आगे सर्कुलेट होता है, तो उसके साथ यह चेतावनी भी जानी चाहिए, वरना टेम्पलेट की संपूर्णता को विश्लेषण की गहराई समझ लिया जाएगा — और यही इस पूरे मामले का सबसे चालाक जाल है। क्रिकेट में सटीकता की कीमत बहुत ज्यादा है, क्योंकि पाठक स्कोर, औसत और आंकड़ों को सच मानकर आगे बढ़ते हैं। एक गढ़ा हुआ आंकड़ा सिर्फ एक गलती नहीं होता; वह उस भरोसे को तोड़ता है जिस पर पूरी स्पोर्ट्स पत्रकारिता खड़ी है। अंत में, यह घटना तकनीकी से ज्यादा संपादकीय है। कोई भी एआई सिस्टम जो खेल कवरेज लिखता है, उसे यह अधिकार नहीं दिया जाना चाहिए कि वह खाली जगह को अनुमान से भरे। उसे चाहिए — स्पष्ट रूप से रुकने का, खाली जगह को खाली दिखाने का, और यह बताने का कि जानकारी कहाँ से आनी थी और क्यों नहीं आई। जो सिस्टम यह कर सकता है, वह भरोसे लायक है। जो नहीं कर सकता, वह चाहे कितना भी साफ-सुथरा दिखे, खबर नहीं लिख रहा — वह सिर्फ वाक्य जोड़ रहा है।