The Reality of Automated Fact-Checking Tools and Their Accuracy Limits.
आधुनिक सूचना युद्ध (Information Warfare) के इस दौर में, हर सेकंड पेटाबाइट्स (Petabytes) में डेटा पैदा हो रहा है। सोशल मीडिया, टेलीग्राम चैनल, डार्क वेब और डिजिटल न्यूज़ पोर्टल्स पर ‘वेपनाइज्ड इन्फॉर्मेशन’ (हथियारबंद सूचना) की ऐसी बमबारी हो रही है, जिसे किसी भी मानवीय रक्षा विश्लेषक के लिए अकेले प्रोसेस करना शारीरिक और मानसिक रूप से असंभव है। इसी ‘डेटा सुनामी’ से निपटने के लिए दुनिया भर की खुफिया एजेंसियों और ओएसिंट (OSINT) कम्युनिटी ने ‘ऑटोमेटेड फैक्ट-चेकिंग टूल्स’ और आर्टिफिशियल इंटेलिजेंस (AI) का सहारा लेना शुरू किया है।
पहली नज़र में, एल्गोरिदम द्वारा संचालित ये मशीनें किसी जादू की तरह लगती हैं। वे पलक झपकते ही हजारों दावों को स्कैन कर सकती हैं, क्रॉस-रेफरेंस कर सकती हैं और सत्य या असत्य का ठप्पा लगा सकती हैं। लेकिन रक्षा और सामरिक अध्ययन के एक गंभीर पाठक के रूप में, हमें इस ‘तकनीकी यूटोपिया’ से बाहर निकलकर यथार्थ को देखना होगा। सैन्य खुफियागिरी में, जहां एक गलत सूचना युद्ध का रुख बदल सकती है, वहां केवल मशीनों पर आंख मूंदकर भरोसा करना एक आत्मघाती कदम हो सकता है। आइए, कंप्यूटर विज्ञान, ‘नेचुरल लैंग्वेज प्रोसेसिंग’ (NLP) और कॉग्निटिव डोमेन की जटिलताओं के आधार पर इन स्वचालित टूल्स की वास्तविक सटीकता और उनकी सामरिक सीमाओं का तकनीकी पोस्टमार्टम करें।
एल्गोरिदम का तिलिस्म और भाषा की यांत्रिक समझ
यह समझने के लिए कि एआई फैक्ट-चेकर्स कहां विफल होते हैं, पहले यह समझना जरूरी है कि वे काम कैसे करते हैं। अधिकांश आधुनिक ऑटोमेटेड फैक्ट-चेकिंग सिस्टम (जैसे ClaimBuster या विभिन्न एआई-आधारित ब्राउज़र एक्सटेंशन) ‘नेचुरल लैंग्वेज प्रोसेसिंग’ (NLP) मॉडल—जैसे BERT (Bidirectional Encoder Representations from Transformers) या RoBERTa—पर निर्भर करते हैं।
जब कोई दावा इंटरनेट पर आता है, तो मशीन सबसे पहले उसे ‘वाक्य-विन्यास’ (Syntax) में तोड़ती है। इसके बाद वह उस दावे की तुलना अपने ‘नॉलेज ग्राफ’ (Knowledge Graph) या पूर्व-निर्धारित विश्वसनीय डेटाबेस (जैसे विकिपीडिया, सरकारी वेबसाइट्स या प्रतिष्ठित समाचार एजेंसियों के आर्काइव) से करती है। यदि इनपुट डेटा और मशीन के डेटाबेस में ‘सिमेंटिक समानता’ (Semantic Similarity) पाई जाती है, तो टूल उसे ‘सत्य’ घोषित कर देता है।
लेकिन यहीं सबसे बड़ी तकनीकी खामी पैदा होती है। मशीन शब्दों का केवल ‘गणितीय वजन’ (Mathematical Weight) समझती है, उनका ‘सामरिक अर्थ’ नहीं। यदि किसी देश का रक्षा मंत्रालय आधिकारिक रूप से एक प्रेस विज्ञप्ति जारी करता है कि सीमा पर सेनाओं का जमावड़ा केवल एक ‘नियमित युद्धाभ्यास’ (Routine Military Exercise) है, तो एक ऑटोमेटेड टूल इस बयान को सरकारी वेबसाइट से क्रॉस-चेक करेगा और इस दावे को “सत्य” के रूप में रेट करेगा। मशीन यह नहीं समझ सकती कि ‘नियमित अभ्यास’ अक्सर एक पूर्ण पैमाने पर आक्रमण (Full-scale invasion) को छिपाने का एक कूटनीतिक आवरण होता है।
सैन्य संदर्भ का अंधापन और सामरिक धोखा (Strategic Deception)
युद्ध के मैदान में और भू-राजनीति में ‘धोखा’ (Deception) कोई दुर्घटना नहीं, बल्कि एक स्वीकृत सैन्य सिद्धांत है। प्राचीन चीनी रणनीतिकार सुन त्ज़ू (Sun Tzu) से लेकर रूसी सैन्य सिद्धांत ‘मास्किरोव्का’ (Maskirovka – सैन्य छलावरण और धोखा) तक, दुश्मन को गुमराह करना युद्ध जीतने की पहली शर्त है।
स्वचालित फैक्ट-चेकिंग टूल्स पूरी तरह से ‘संदर्भहीन’ (Context-blind) होते हैं। वे व्यंग्य (Satire), विडंबना (Irony), डबल-स्पीक (Double-speak), और ‘डॉग-व्हिसल पॉलिटिक्स’ (ऐसी भाषा जो केवल एक विशिष्ट लक्षित समूह समझ सके) को पकड़ने में बुरी तरह विफल रहते हैं। रक्षा मामलों में, कई बार सच वह नहीं होता जो दस्तावेज़ों में लिखा होता है, बल्कि सच वह होता है जिसे दस्तावेज़ों से जानबूझकर हटा दिया गया हो (Omission)। एक मशीन ‘अनुपस्थिति’ का विश्लेषण नहीं कर सकती।
उदाहरण के लिए, यदि सोशल मीडिया पर किसी अज्ञात ड्रोन के मार गिराए जाने का वीडियो वायरल होता है, तो ऑटोमेटेड एआई टूल केवल वीडियो के डिजिटल हैश (Hash) या पुरानी फुटेज से उसका मिलान करेगा। यदि वह वीडियो बिल्कुल नया और अनूठा है, तो टूल उसे ‘अनवेरिफाइड’ या ‘संभवतः सत्य’ के रूप में छोड़ देगा। वह टूल उस ड्रोन के ‘पेलोड’, ‘डिजाइन सिग्नेचर’ या ‘फ्लाइट पाथ’ (Flight Path) का विश्लेषण करके यह नहीं बता सकता कि यह तकनीक किस देश की सैन्य विनिर्माण शैली से मेल खाती है। संदर्भ और अनुभव की इस कमी के कारण मशीनें अक्सर ‘तकनीकी रूप से सही’ लेकिन ‘सामरिक रूप से भ्रामक’ परिणाम देती हैं।
डेटा विषाक्तता (Data Poisoning) और शत्रुतापूर्ण हैकिंग
रक्षा विश्लेषकों के लिए सबसे बड़ा खतरा केवल एआई की अज्ञानता नहीं है, बल्कि ‘एडवरसैरियल अटैक्स’ (Adversarial Attacks) हैं। मशीन लर्निंग मॉडल उसी डेटा से सीखते हैं जो उन्हें ‘ट्रेनिंग’ के दौरान दिया जाता है। विरोधी राष्ट्र-राज्यों की साइबर कमान (जैसे रूस के ‘APT28’ या चीन के हैकिंग समूह) अब सीधे इन एआई मॉडलों को निशाना बना रहे हैं। इसे साइबर सुरक्षा की भाषा में ‘डेटा पॉइज़निंग’ (Data Poisoning) कहा जाता है।
कल्पना कीजिए कि कोई फैक्ट-चेकिंग टूल इंटरनेट से ‘ओपन-सोर्स इंटेलिजेंस’ (OSINT) इकट्ठा करके अपनी जानकारी को लगातार अपडेट करता है। एक विरोधी देश के ट्रॉल फार्म लाखों बॉट खातों (Bot Accounts) का उपयोग करके किसी एक झूठे सैन्य नैरेटिव (जैसे किसी विशिष्ट मिसाइल प्रणाली की विफलता) को इंटरनेट के हर कोने में भर सकते हैं। वे झूठे ब्लॉग, नकली शोध पत्र और फर्जी विकिपीडिया पेज बना सकते हैं।
जब फैक्ट-चेकिंग एल्गोरिदम सत्य की खोज में इंटरनेट को क्रॉल (Crawl) करेगा, तो उसे उस झूठे दावे के समर्थन में हजारों “स्वतंत्र स्रोत” मिलेंगे। क्योंकि मशीन मात्रा (Volume) और आवृत्ति (Frequency) को विश्वसनीयता समझने की भूल करती है, वह उस राज्य-प्रायोजित दुष्प्रचार को ‘प्रमाणित तथ्य’ (Verified Fact) के रूप में आत्मसात कर लेगी। इसके बाद, वह टूल उसी झूठ को प्रामाणिक मानकर दुनिया भर के रक्षा पत्रकारों और विश्लेषकों को परोसना शुरू कर देगा। यह रक्षक के ही हथियार बन जाने की सबसे खौफनाक स्थिति है।
कृत्रिम मतिभ्रम (AI Hallucination) का घातक प्रभाव
जब हम ‘लार्ज लैंग्वेज मॉडल्स’ (LLMs) जैसे उन्नत जनरेटिव एआई की बात करते हैं, तो ‘मतिभ्रम’ (Hallucination) रक्षा फैक्ट-चेकिंग का सबसे बड़ा दुश्मन बन जाता है। ये एआई मॉडल मूलतः ‘टेक्स्ट-प्रेडिक्शन इंजन’ हैं। वे यह अनुमान लगाते हैं कि किसी वाक्य में अगला शब्द क्या होना चाहिए। वे सच और झूठ के बीच का अंतर नहीं “जानते”।
जब इन ऑटोमेटेड टूल्स से राष्ट्रीय सुरक्षा, गोपनीय सैन्य संधियों या उन्नत हथियार प्रणालियों के बारे में कोई ऐसा सवाल पूछा जाता है जिसका डेटा सार्वजनिक डोमेन में बहुत कम या न के बराबर है, तो वे अपनी अज्ञानता स्वीकार करने के बजाय अत्यधिक आत्मविश्वास के साथ ‘फर्जी डेटा’ गढ़ लेते हैं। वे काल्पनिक जनरलों के नाम, कभी न हुई सैन्य बैठकों की तारीखें, और रडार सिस्टम के मनगढ़ंत स्पेसिफिकेशन्स (Specifications) ऐसे पेश करते हैं मानो वे पेंटागन की कोई डिकलासिफाइड फाइल पढ़ रहे हों।
एक सामान्य नागरिक के लिए यह एक तकनीकी खामी हो सकती है, लेकिन एक रक्षा फैक्ट-चेकर के लिए, अपने लेख में एक एआई द्वारा गढ़े गए मतिभ्रम (Hallucinated Fact) को प्रकाशित कर देना उसकी विश्वसनीयता की मौत है। यह विरोधी को यह कहने का मौका दे देता है कि पूरा फैक्ट-चेक ही एक सफेद झूठ है।
‘ओओडीए लूप’ (OODA Loop) और विश्लेषक के मस्तिष्क की अपरिहार्यता
क्या इसका मतलब यह है कि ऑटोमेटेड टूल्स रक्षा पत्रकारिता में पूरी तरह से बेकार हैं? बिल्कुल नहीं। हमें सैन्य रणनीति के प्रसिद्ध ‘ओओडीए लूप’ (OODA Loop – Observe, Orient, Decide, Act) के चश्मे से इनका मूल्यांकन करना होगा।
ऑटोमेटेड फैक्ट-चेकिंग टूल्स ‘ऑब्जर्व’ (Observe) चरण में बेजोड़ हैं। वे मानवीय क्षमता से लाखों गुना तेज़ी से सोशल मीडिया के शोर से ‘ट्रेंडिंग दावों’ को छान सकते हैं, रिवर्स इमेज सर्च कर सकते हैं, और डीपफेक वीडियो में पिक्सेल की विसंगतियों (Pixel Inconsistencies) को पकड़ सकते हैं। वे डेटा का ‘कचरा’ (Noise) हटाकर विश्लेषक के सामने कच्चा माल पेश करने के लिए उत्कृष्ट ‘ट्रायज’ (Triage) तंत्र हैं।
लेकिन ‘ओरिएंट’ (Orient) और ‘डिसाइड’ (Decide) चरण—यानी उस डेटा का भू-राजनीतिक अर्थ निकालना, उसकी ऐतिहासिक पृष्ठभूमि को समझना, और यह तय करना कि क्या वह जानकारी किसी बड़े ‘साइकोलॉजिकल ऑपरेशन’ (PsyOps) का हिस्सा है—यह काम आज भी पूरी तरह से एक प्रशिक्षित मानवीय मस्तिष्क का है।
यही कारण है कि रक्षा और खुफिया मामलों में ‘ह्यूमन-इन-द-लूप’ (HITL) ढांचा सबसे ज्यादा अहम है। ऑटोमेटेड टूल केवल यह बता सकता है कि वीडियो पुरानी है या नई; लेकिन उस वीडियो को ठीक आज, इसी समय, और इसी विशिष्ट प्लेटफॉर्म पर क्यों रिलीज़ किया गया, यह सामरिक मंशा (Strategic Intent) केवल एक मानव विश्लेषक (Human Analyst) ही डिकोड कर सकता है।
अंतिम आकलन: सत्य का कोई शॉर्टकट नहीं
एक गंभीर रक्षा सूचना मंच के लिए, ऑटोमेटेड फैक्ट-चेकिंग टूल्स एक शक्तिशाली ‘रडार’ की तरह हैं, ‘कमांडर’ की तरह नहीं। रडार आपको बता सकता है कि स्क्रीन पर एक धब्बा है, लेकिन वह धब्बा एक कमर्शियल प्लेन है या दुश्मन का स्टील्थ बॉम्बर, यह तय करने के लिए मानवीय विवेक, अनुभव और सामरिक अंतर्दृष्टि (Strategic Insight) की आवश्यकता होती है।
डिजिटल युद्ध के इस युग में, मशीनें हमें तेज़ी दे सकती हैं, लेकिन सटीकता (Accuracy) और प्रामाणिकता (Authenticity) हमेशा कठोर मानवीय शोध, क्रॉस-रेफरेंसिंग और उस ‘अदृश्य’ को देखने की क्षमता से ही आएगी जिसे एल्गोरिदम कभी नहीं समझ सकते।