खाली लौटा नतीजा: जब क्रिकेट न्यूज़ पाइपलाइन ने कुछ नहीं दिया

क्रिकेट की खबरों को समझने और उन्हें आगे के विश्लेषण के लिए तैयार करने वाली एक स्वचालित प्रणाली ने हाल में ऐसा नतीजा लौटाया जिसमें सार्थक जानकारी कुछ भी नहीं थी। पहले चरण यानी Stage-1 का पूरा आउटपुट एक ही पंक्ति में सिमट गया — Domain Label: cricket_world। इसके अलावा खबर का शीर्षक, स्रोत, उसका प्रकार, एक वाक्य का सार, लेखक का रुख़, लेखन का उद्देश्य, सूचना बिंदुओं की सूची और समय-संवेदनशीलता — सब कुछ खाली रहा। सीधे शब्दों में: वर्गीकरण मॉडल ने यह ज़रूर बता दिया कि सामग्री क्रिकेट की दुनिया से जुड़ी है, लेकिन उस सामग्री के भीतर एक भी ठोस तथ्य सामने नहीं आया। यह घटना अपने आप में छोटी लगती है, लेकिन यह उस तरह की विफलता की ओर इशारा करती है जिसे तकनीकी टीमें अकसर नज़रअंदाज़ कर देती हैं — ऐसी विफलता जो शोर नहीं मचाती, बस चुपचाप खाली हाथ लौट आती है। जिन छह चीज़ों की सबसे ज़्यादा ज़रूरत थी, वे सब अनुपलब्ध थीं। पहला, शीर्षक, स्रोत और सामग्री का प्रकार — तीनों की स्थिति N/A दर्ज हुई। दूसरा, एक वाक्य का सार — पूरी तरह खाली। तीसरा, लेखक का रुख़ और लेखन का उद्देश्य — N/A। चौथा और सबसे अहम, Information Points — यानी खबर के भीतर मौजूद ठोस सूचना इकाइयाँ — एक भी दर्ज नहीं हुईं। पाँचवाँ, खबर में शामिल इकाइयाँ यानी खिलाड़ी, टीम, टूर्नामेंट और संस्थाएँ; इन्हें सूचना बिंदुओं से पहचाना जाना था, लेकिन चूँकि सूचना बिंदु ही शून्य थे, पहचान का कोई आधार नहीं बचा। छठा, समय-संवेदनशीलता का आकलन — यह भी नहीं हुआ। खालीपन को तटस्थ नहीं माना जा सकता। एक शून्य आउटपुट देखकर आगे का विश्लेषक — चाहे वह मॉडल हो या इंसान — यह नहीं मान सकता कि विश्लेषण पूरा हो गया। व्यवहार में जो होता है वह इसका उलटा है: जब ढाँचा मौजूद होता है और उसके भीतर सामग्री नहीं, तो प्रणाली अपने पुराने अनुभवों से अंतराल भरने लगती है। यही सबसे बड़ा जोखिम है। शून्य जगह पर बने-बनाए निष्कर्ष भरना और फिर उन्हें तथ्य की तरह पेश कर देना — यह विफलता किसी भी तकनीकी विसंगति से ज़्यादा महँगी पड़ती है, क्योंकि यह पाठक के भरोसे को सीधे नुकसान पहुँचाती है। इसी कारण से इस आधार पर आगे की गहरी विश्लेषण-प्रक्रिया शुरू करना संभव नहीं है। अगर ऐसा किया जाता, तो तथ्य, इकाइयाँ और राय — तीनों गढ़े जाने लगते। विश्लेषण का सबसे बुनियादी नियम यह है कि जिस बात का प्रमाण न हो, उसे निष्कर्ष की तरह न लिखा जाए। इस मामले में प्रमाण शून्य है, इसलिए निष्कर्ष भी शून्य होना चाहिए। यह कोई रचनात्मक असहजता नहीं, बल्कि विश्वसनीयता की शर्त है। तकनीकी तौर पर यह खालीपन तीन जगहों में से कहीं भी पैदा हो सकता है। पहला स्थान है सामग्री संग्रह यानी स्क्रैपिंग का चरण। कई बार सिस्टम पेज तक पहुँच जाता है, लेकिन उसे महज़ ऊपरी ढाँचा मिलता है। कारण आम हैं — पेवॉल के पीछे बंद सामग्री, जावास्क्रिप्ट से बनने वाले पेज जिनकी वास्तविक सामग्री सर्वर के शुरुआती जवाब में नहीं होती, या ऐसी साइटें जो स्वचालित अनुरोधों को अलग से रोक देती हैं। इनमें से किसी भी स्थिति में सिस्टम को एक लंबा पाठ मिल सकता है, लेकिन उसमें खबर का मूल शरीर नहीं होगा। और यही सबसे धोखा देने वाली स्थिति है — तकनीकी रूप से चरण सफल दिखता है, नतीजा खाली होता है। दूसरी जगह है मुख्य पाठ निकालने वाला स्तर। यह स्तर आम तौर पर पेज के ढाँचे के किसी खास हिस्से को इंगित करता है और वहीं से खबर उठाता है। जब प्रकाशक अपना बाहरी ढाँचा बदलता है — वही बदलाव जो दिखने में छोटा होता है — तो पुराना संकेत अब किसी और ब्लॉक की ओर इशारा करने लगता है। नतीजा यह होता है कि सिस्टम खबर के बजाय टिप्पणियाँ, विज्ञापन का पाठ या आगे पढ़ें जैसी लाइनें उठा लेता है। इसे ही ढाँचा-असंगति कहा जाता है, और यह उन सबसे आम कारणों में है जो बिना किसी त्रुटि-संदेश के सामग्री को अर्थहीन बना देते हैं। तीसरी और सबसे चर्चित वजह है विश्लेषण मॉडल का नतीजा। बड़े भाषा मॉडल प्रायः संरचित स्वरूप में उत्तर देते हैं — निश्चित क्षेत्रों वाला ढाँचा। अगर उत्तर बीच में कट जाए, या वह ऐसा स्वरूप न बनाए जिसे पढ़ा जा सके, तो पाइपलाइन को असली जानकारी मिलती ही नहीं। ऐसे में दो रास्ते होते हैं: या तो प्रक्रिया स्पष्ट रूप से विफल घोषित हो, या चुपचाप सूची को खाली मान लिया जाए। दुर्भाग्य से दूसरा रास्ता ज़्यादा आसान लगता है, क्योंकि वह पूरे सिस्टम को चालू दिखाता रहता है। यही असली मुद्दा है। इस पूरी घटना में जो चीज़ सबसे पहले ठीक होनी चाहिए, वह खुद खाली नतीजा नहीं, बल्कि उसे संभालने का तरीका है। खाली नतीजे को सामान्य आउटपुट मानकर आगे भेजना एक ऐसी आदत है जो धीरे-धीरे पूरी शृंखला को अविश्वसनीय बना देती है। सही व्यवहार यह होगा कि तीनों स्थितियाँ अलग-अलग पहचानी जाएँ — सामग्री मिली ही नहीं, सामग्री मिली लेकिन मुख्य पाठ नहीं निकला, और सामग्री से नतीजा बनाया ही नहीं जा सका। इन तीनों को एक ही खाली में मिला देना जाँच को लगभग असंभव बना देता है। इसलिए ज़रूरत सिर्फ़ बेहतर मॉडल की नहीं है, बल्कि बेहतर निगरानी की है। किसी भी स्वचालित सामग्री-प्रणाली में तीन चीज़ें अनिवार्य होनी चाहिए: हर चरण का इनपुट-आउटपुट आकार, हर अस्वीकृति का कारण, और हर बार जब कोई चरण सफल होकर भी अर्थहीन नतीजा दे, तो उसकी अलग से घोषणा। जब तक खाली नतीजा सामान्य की श्रेणी में गिना जाएगा, तब तक कोई भी ऊपरी निगरानी इसे पकड़ नहीं पाएगी। और निगरानी के बिना पाइपलाइन अपनी ही विफलताओं को जानने में असमर्थ रहती है। तो आगे बढ़ने के लिए कम से कम क्या चाहिए? दो रास्ते हैं, और इनमें क्रम भी तय है। सबसे अच्छा रास्ता यह है कि मूल सामग्री ही उपलब्ध करा दी जाए — खबर का पूरा पाठ या उसकी सीधी कड़ी। ऐसा होने पर निष्कर्षण शुरू से किया जा सकता है और पहले चरण पर निर्भरता की ज़रूरत खत्म हो जाती है। दूसरा रास्ता यह है कि पहले चरण का नतीजा इतना भर दिया जाए कि वह उपयोग लायक हो जाए — कम से कम तीन से दस ठोस सूचना बिंदु, हर बिंदु के साथ उसका स्रोत, लेखक का रुख़ और लेखन का उद्देश्य, सामग्री का प्रकार और प्रकाशन का समय। इस सूची में स्रोत नाम का क्षेत्र सबसे उपयोगी है और सबसे अधिक छोड़ा जाने वाला। एक सूचना बिंदु जिसके साथ यह दर्ज न हो कि वह कहाँ से आया, बाद के विश्लेषण में बिना पहचान का सामान बन जाता है। तीन से दस बिंदुओं की सीमा भी सोच-समझकर तय की गई है — कम बिंदु गहराई नहीं देते, बहुत ज़्यादा बिंदु शोर बन जाते हैं और असली महत्व फीका पड़ जाता है। सामग्री मिलने पर जो क्रम अपनाया जाएगा, वह पाँच चरणों में बँटा है। पहला, सूचना बिंदुओं को फिर से खड़ा करना, हर बिंदु पर उसका समय और उसके स्रोत की श्रेणी अंकित करना। दूसरा, सामग्री में मौजूद इकाइयों — खिलाड़ी, टीम, प्रतियोगिता, संस्था और आँकड़े — को निकालकर उनके बीच संबंध बनाना। तीसरा, सामग्री के प्रकार के अनुसार विश्लेषण का ढाँचा चुनना। चौथा, समय-संवेदनशीलता तय करना। पाँचवाँ, तथ्य और राय को अलग-अलग करना, जाँच की सीमा बताना और जहाँ तर्क कमज़ोर है वहाँ उसे स्पष्ट रूप से चिह्नित करना। तीसरा चरण सबसे अधिक उपेक्षित है। खबर का प्रकार बदलते ही सही सवाल भी बदल जाते हैं। मैच रिपोर्ट में घटनाओं की शृंखला और आँकड़ों का आधार देखा जाता है — कब क्या हुआ, किस क्रम में हुआ, और क्या आँकड़े उस दावे को सहारा देते हैं। टिप्पणी या विश्लेषण लेख में तर्क और प्रमाण का ढाँचा तय करता है — केंद्रीय दावा क्या है, उसके पक्ष में क्या रखा गया है, और क्या छोड़ दिया गया है। और आँकड़ों पर आधारित सामग्री में सबसे पहले यह देखना पड़ता है कि गिनती किस आधार पर हुई और नमूना कितना बड़ा या कितना पक्षपाती है। एक ही ढाँचे से तीनों को नापना सबसे आम और सबसे महँगी गलती है। चौथा चरण यह देखता है कि सामग्री में ऐसी अभिव्यक्तियाँ हैं या नहीं जो समय के साथ पुरानी पड़ जाती हैं। अब तक, इस सत्र में, फ़िलहाल जैसे शब्द किसी खबर को उसके प्रकाशन के दिन के लिए सही बनाते हैं और कुछ महीनों बाद गलत। जब कोई खबर बिना तारीख़ के आगे बढ़ती है, तो पाठक उसे आज का सच मान लेता है। यही वजह है कि प्रकाशन का समय कोई अतिरिक्त जानकारी नहीं, बल्कि विश्लेषण की बुनियाद है। पाँचवाँ चरण सबसे कठिन है। तथ्य और राय को अलग करना आसान दिखता है, लेकिन लिखे हुए पाठ में ये दोनों अकसर एक ही वाक्य में गुँथे होते हैं। इसलिए ज़रूरी है कि हर दावे के आगे यह स्पष्ट हो कि उसे कौन कह रहा है — घटना स्वयं, कोई प्रत्यक्षदर्शी, कोई अधिकारी, या लेखक की व्याख्या। इसी तरह जाँच की सीमा भी बताई जानी चाहिए: कौन सा दावा किसी स्वतंत्र स्रोत से जाँचा जा सकता है और कौन सा नहीं। जो जाँचा नहीं जा सकता, उसे अस्वीकार करना ज़रूरी नहीं, लेकिन उसे जाँचे गए तथ्य की तरह पेश करना साफ़ गलती है। अंत में, यह मामला दरअसल क्रिकेट का नहीं, अवलोकन का है। सामग्री क्रिकेट की दुनिया की थी, पर समस्या उस सामग्री में नहीं थी — समस्या उस प्रणाली में थी जो सामग्री को पढ़कर नतीजा बनाने के लिए बनी थी और खाली लौट आई। ऐसी विफलताएँ सबसे सस्ती दिखती हैं, क्योंकि उनमें कुछ टूटता नहीं। लेकिन असल में ये सबसे महँगी होती हैं, क्योंकि उन्हें पकड़ने का कोई संकेत नहीं होता। जिस दिन एक खाली नतीजे को सामान्य मानने की आदत खत्म होगी, उसी दिन आगे की सारी बहस — चाहे वह क्रिकेट की हो या किसी और विषय की — ज़मीन पर खड़ी होगी।