कृत्रिम बुद्धिमत्ता और चुनाव एक अध्ययन और अभ्यास का क्षेत्र है जो कृत्रिम बुद्धिमत्ता (एआई) प्रौद्योगिकियों के चुनावी प्रक्रियाओं के साथ अंतर्संबंध की जांच करता है, जिसमें प्रचार अभियान, मतदाता जुड़ाव, चुनाव प्रशासन, और राजनीतिक सूचना का प्रसार शामिल है। यह विषय 2010 और 2020 के दशक में प्रमुखता से उभरा जब मशीन लर्निंग और वृहद भाषा मॉडल बड़े पैमाने पर यथार्थवादी पाठ, चित्र, और ऑडियो उत्पन्न करने में सक्षम हो गए। शोधकर्ताओं, नीति निर्माताओं, और प्रौद्योगिकी कंपनियों ने चुनावी दक्षता में सुधार के लिए एआई के संभावित लाभों और लोकतांत्रिक अखंडता के लिए इसके जोखिमों, जैसे स्वचालित गलत सूचना, मतदाता हेरफेर, और एल्गोरिदमिक पूर्वाग्रह, दोनों पर ध्यान केंद्रित किया है।
चुनावों में उपयोग की जाने वाली एआई प्रणालियाँ आमतौर पर मशीन लर्निंग तकनीकों पर निर्भर करती हैं, जिनमें गहन शिक्षण और तंत्रिका नेटवर्क वास्तुकलाएँ शामिल हैं, ताकि मतदाता व्यवहार, जनसांख्यिकीय जानकारी, और सोशल मीडिया गतिविधि के बड़े डेटासेट का विश्लेषण किया जा सके। ये प्रणालियाँ जनमत में पैटर्न की पहचान कर सकती हैं, मतदाता मतदान की भविष्यवाणी कर सकती हैं, और अभियान संदेशों को व्यक्तिगत बना सकती हैं। हाल ही में, जनरेटिव एआई मॉडल, जो ट्रांसफॉर्मर वास्तुकलाओं पर निर्मित हैं, ने सिंथेटिक सामग्री के निर्माण को सक्षम किया है, जिसमें डीपफेक और एआई-जनित समाचार लेख शामिल हैं, जिन्हें चुनावी संदर्भों में तैनात किया जा सकता है। इन उपकरणों के तेजी से अपनाने से नियामक और नैतिक बहसें शुरू हो गई हैं, कुछ क्षेत्राधिकारों ने एआई-जनित राजनीतिक सामग्री के प्रकटीकरण की आवश्यकता के लिए कानून पेश किए हैं।
ऐतिहासिक संदर्भ
चुनावों में कम्प्यूटेशनल विधियों का उपयोग आधुनिक एआई से पहले का है। 2000 के दशक की शुरुआत में, राजनीतिक अभियानों ने मतदाता विभाजन और माइक्रोटार्गेटिंग के लिए डेटा एनालिटिक्स और बुनियादी मशीन लर्निंग का उपयोग करना शुरू कर दिया। 2012 का संयुक्त राज्य अमेरिका का राष्ट्रपति चुनाव अक्सर एक महत्वपूर्ण मोड़ के रूप में उद्धृत किया जाता है, जहाँ ओबामा अभियान ने संसाधनों को आवंटित करने और संदेशों को तैयार करने के लिए भविष्यवाणी मॉडलिंग का उपयोग किया। 2016 के चुनावों तक, सोशल मीडिया प्लेटफार्मों और डेटा ब्रोकरों ने इन प्रथाओं के पैमाने का विस्तार किया था, हालाँकि "कृत्रिम बुद्धिमत्ता" शब्द अभी तक उन पर व्यापक रूप से लागू नहीं किया गया था।
2017 में ट्रांसफॉर्मर मॉडल की शुरूआत, विशेष रूप से ओपनएआई जीपीटी श्रृंखला और बाद में गूगल डीपमाइंड और एंथ्रोपिक प्रणालियों के माध्यम से, एक महत्वपूर्ण बदलाव को चिह्नित करती है। ये मॉडल सुसंगत, संदर्भ-प्रासंगिक पाठ उत्पन्न कर सकते थे, जिससे अभूतपूर्व पैमाने पर राजनीतिक संचार को स्वचालित करना संभव हो गया। 2020 के संयुक्त राज्य अमेरिका के राष्ट्रपति चुनाव में एआई-जनित सामग्री के शुरुआती प्रयोग देखे गए, हालाँकि डीपफेक के बारे में चिंताएँ पाठ-आधारित गलत सूचना की तुलना में अधिक प्रमुख थीं। 2024 के चुनावों तक, जनरेटिव एआई अभियानों में एक मुख्यधारा का उपकरण बन गया था, दोनों प्रमुख पार्टियाँ इसका उपयोग धन उगाहने वाले ईमेल, विज्ञापन प्रतिलिपि, और मतदाता आउटरीच के लिए कर रही थीं।
प्रचार अभियानों में अनुप्रयोग
एआई प्रणालियाँ कई तरीकों से अभियानों की सहायता करती हैं। मशीन लर्निंग एल्गोरिदम द्वारा संचालित भविष्यवाणी एनालिटिक्स, ऐतिहासिक मतदान डेटा, उपभोक्ता रिकॉर्ड, और सोशल मीडिया संकेतों को संसाधित करके संभावित समर्थकों, अनिर्णीत मतदाताओं, और संभावित दानदाताओं की पहचान करते हैं। ये मॉडल अक्सर सटीकता में सुधार के लिए हानि फलन और अनुकूलन तकनीकों, जैसे एडम अनुकूलक और एसजीडी वेरिएंट का उपयोग करते हैं। अभियान सोशल मीडिया पोस्टों से जन भावना का विश्लेषण करने के लिए प्राकृतिक भाषा प्रसंस्करण भी नियोजित करते हैं, जिससे संदेश में वास्तविक समय में समायोजन संभव होता है।
जनरेटिव एआई का उपयोग भाषणों, प्रेस विज्ञप्तियों, और सोशल मीडिया पोस्टों का मसौदा तैयार करने के लिए किया जाता है, जिससे सामग्री उत्पादन की लागत कम हो जाती है। उदाहरण के लिए, एक अभियान मतदाता पूछताछ के लिए व्यक्तिगत प्रतिक्रियाएँ उत्पन्न करने या विज्ञापनों के स्थानीयकृत संस्करण बनाने के लिए वृहद भाषा मॉडल का उपयोग कर सकता है। कुछ अभियानों ने मतदाताओं को संदेश प्लेटफार्मों पर संलग्न करने के लिए एआई-संचालित चैटबॉट के साथ प्रयोग किया है, जो मतदान स्थानों और उम्मीदवारों की स्थितियों के बारे में जानकारी प्रदान करते हैं। ये अनुप्रयोग अक्सर अमेज़न वेब सर्विसेज, एज़्योर, और गूगल क्लाउड जैसे प्रदाताओं के क्लाउड इन्फ्रास्ट्रक्चर पर बनाए जाते हैं, जो स्केलेबल कम्प्यूटेशनल संसाधन प्रदान करते हैं।
गलत सूचना और हेरफेर के जोखिम
सबसे व्यापक रूप से चर्चित जोखिम गलत सूचना बनाने और प्रसारित करने के लिए एआई का उपयोग है। डीपफेक, जो जनरेटिव एआई मॉडल द्वारा उत्पन्न सिंथेटिक वीडियो या ऑडियो रिकॉर्डिंग हैं, उम्मीदवारों को ऐसी चीजें कहते या करते हुए चित्रित कर सकते हैं जो उन्होंने कभी नहीं कीं। जनवरी 2024 में, न्यू हैम्पशायर में एक रोबोकॉल ने राष्ट्रपति जो बिडेन की नकल करने वाली एआई-जनित आवाज़ का उपयोग करके मतदाताओं को प्राथमिक चुनाव में भाग लेने से हतोत्साहित किया, जिससे संघीय जांच शुरू हुई। इसी तरह, एआई-जनित छवियों का उपयोग उम्मीदवारों के स्वास्थ्य या व्यवहार के बारे में झूठे आख्यान बनाने के लिए किया गया है।
पाठ-आधारित गलत सूचना भी एक चिंता का विषय है। वृहद भाषा मॉडल प्रेरक, व्याकरणिक रूप से सही लेख या सोशल मीडिया पोस्ट उत्पन्न कर सकते हैं जो चुनावी प्रक्रियाओं, मतदाता धोखाधड़ी, या उम्मीदवारों के रिकॉर्ड के बारे में झूठे दावे फैलाते हैं। ये प्रणालियाँ हजारों अद्वितीय संदेश उत्पन्न करने के लिए स्केल की जा सकती हैं, जिससे तथ्य-जांचकर्ताओं के लिए गति बनाए रखना मुश्किल हो जाता है। स्टैनफोर्ड एआई लैब और एमआईटी सीएसएआईएल के शोधकर्ताओं ने एआई-जनित सामग्री के प्रसार का अध्ययन किया है, पाया कि यह कुछ संदर्भों में मानव-लिखित पाठ की तुलना में अधिक आकर्षक हो सकती है।
चुनाव प्रशासन और सुरक्षा
एआई चुनावों के प्रशासन में भी लागू किया जाता है। चुनाव अधिकारी मतदाता पंजीकरण डेटा में विसंगतियों का पता लगाने, संभावित धोखाधड़ी की पहचान करने, और मतदान स्थल कर्मचारियों जैसे रसद का प्रबंधन करने के लिए मशीन लर्निंग का उपयोग करते हैं। उदाहरण के लिए, ओरेकल क्लाउड और एडब्ल्यूएस ट्रेनियम-आधारित प्रणालियों का उपयोग पंजीकरण रिकॉर्ड के बड़े संस्करणों को संसाधित करने के लिए किया गया है। एआई मतपत्र गिनती और सत्यापन में भी सहायता कर सकता है, हालाँकि एल्गोरिदमिक पूर्वाग्रह और पारदर्शिता के बारे में चिंताओं ने कुछ क्षेत्राधिकारों को मानवीय निगरानी की आवश्यकता के लिए प्रेरित किया है।
साइबर सुरक्षा एक और क्षेत्र है जहाँ एआई भूमिका निभाता है। मशीन लर्निंग मॉडल विदेशी हस्तक्षेप या समन्वित गलत सूचना अभियानों के संकेतों के लिए नेटवर्क ट्रैफ़िक और सोशल मीडिया की निगरानी कर सकते हैं। ओपन पैनल और भाभा परमाणु अनुसंधान ने एआई-जनित सामग्री का पता लगाने पर शोध में योगदान दिया है, हालाँकि 2025 तक कोई पूरी तरह से विश्वसनीय विधि मौजूद नहीं है। चुनाव अधिकारियों ने मतदान सामग्री का कई भाषाओं में अनुवाद करने के लिए भी एआई का उपयोग किया है, जिससे गैर-देशी वक्ताओं के लिए पहुँच में सुधार हुआ है।
नियामक और नैतिक प्रतिक्रियाएँ
सरकारों और अंतर्राष्ट्रीय संगठनों ने स्वैच्छिक दिशानिर्देशों और बाध्यकारी नियमों के मिश्रण के साथ जोखिमों का जवाब दिया है। यूरोपीय संघ का कृत्रिम बुद्धिमत्ता अधिनियम, 2024 में पारित, एआई-जनित राजनीतिक सामग्री के लिए पारदर्शिता की आवश्यकता वाले प्रावधान शामिल करता है। संयुक्त राज्य अमेरिका में, कई राज्यों ने अभियान विज्ञापनों में डीपफेक के प्रकटीकरण को अनिवार्य करने वाले कानून बनाए हैं, हालाँकि संघीय कानून 2025 तक लंबित है। ओपनएआई, एंथ्रोपिक, और गूगल डीपमाइंड कंपनियों ने प्रत्येक ने राजनीतिक हेरफेर के लिए अपने मॉडल के उपयोग को प्रतिबंधित करने वाली नीतियाँ प्रकाशित की हैं, लेकिन प्रवर्तन चुनौतीपूर्ण है।
नैतिक बहसें अभिव्यक्ति की स्वतंत्रता और चुनावी अखंडता की रक्षा की आवश्यकता के बीच संतुलन पर केंद्रित हैं। कुछ विद्वान तर्क देते हैं कि एआई राजनीतिक संचार के लिए बाधाओं को कम करके लोकतांत्रिक भागीदारी को बढ़ा सकता है, जबकि अन्य का कहना है कि यह सूचना स्रोतों में विश्वास को कमजोर करता है। कार्नेगी मेलन विश्वविद्यालय और बर्कले एआई अनुसंधान जैसे संगठनों ने चुनावों में जिम्मेदार एआई उपयोग के लिए रूपरेखा प्रकाशित की है, जिसमें मानवीय निगरानी और ऑडिटेबिलिटी पर जोर दिया गया है।
तकनीकी नींव
चुनावों में उपयोग की जाने वाली एआई प्रणालियाँ कई मुख्य प्रौद्योगिकियों पर निर्भर करती हैं। गहन शिक्षण मॉडल, विशेष रूप से अवशिष्ट नेटवर्क और यू-नेट वास्तुकलाएँ, छवि और वीडियो विश्लेषण के लिए उपयोग की जाती हैं, जिसमें डीपफेक का पता लगाना शामिल है। वृहद भाषा मॉडल, जो ट्रांसफॉर्मर वास्तुकलाओं पर बहु-शीर्ष ध्यान और स्थितीय एन्कोडिंग के साथ निर्मित हैं, पाठ उत्पन्न करते हैं और प्रश्नों का उत्तर देते हैं। इन मॉडलों को प्रशिक्षित करने के लिए भारी कम्प्यूटेशनल संसाधनों की आवश्यकता होती है, जो अक्सर टीएसएमसी-निर्मित चिप्स द्वारा प्रदान किए जाते हैं, जो एनवीडिया (हालाँकि सूचीबद्ध नहीं, एएमडी और इंटेल भी प्रासंगिक हार्डवेयर का उत्पादन करते हैं) और क्लाउड प्लेटफार्मों जैसी कंपनियों से होते हैं।
फाइन-ट्यूनिंग तकनीकें, जैसे आरएलएआईएफ (एआई फीडबैक से सुदृढीकरण सीखना), मॉडल को विशिष्ट राजनीतिक कार्यों के लिए अनुकूलित करने की अनुमति देती हैं। डेटा संवर्धन और पाठ्यक्रम सीखना मॉडल मजबूती में सुधार के लिए उपयोग किए जाते हैं। हालाँकि, ये प्रणालियाँ अचूक नहीं हैं; वे मॉडल प्रूनिंग-संबंधित पूर्वाग्रह प्रदर्शित कर सकते हैं या मतिभ्रमित सामग्री उत्पन्न कर सकते हैं, जो चुनावी संदर्भों में विशेष रूप से खतरनाक है जहाँ सटीकता सर्वोपरि है।
भविष्य की दिशाएँ
2025 तक, यह क्षेत्र तेजी से विकसित हो रहा है। शोधकर्ता अधिक परिष्कृत पहचान विधियाँ विकसित कर रहे हैं, जिसमें एआई-जनित सामग्री का वॉटरमार्किंग और टॉप-के सैंपलिंग-आधारित फोरेंसिक विश्लेषण शामिल है। कुछ प्रस्ताव राजनीतिक मीडिया की उत्पत्ति को सत्यापित करने के लिए ब्लॉकचेन या अन्य वितरित लेजर के उपयोग का सुझाव देते हैं। अंतर्राष्ट्रीय सहयोग, जैसे ऑक्सफोर्ड विश्वविद्यालय-नेतृत्व वाली चुनाव अखंडता पहल, का उद्देश्य देशों में सर्वोत्तम प्रथाओं को साझा करना है।
साथ ही, एआई उपकरणों का लोकतंत्रीकरण छोटे अभियानों और यहाँ तक कि व्यक्तियों को शक्तिशाली मॉडलों तक पहुँच बनाने की अनुमति देता है, संभावित रूप से खेल के मैदान को समतल करता है लेकिन एआई-जनित सामग्री की मात्रा भी बढ़ाता है। लोकतांत्रिक संस्थानों पर दीर्घकालिक प्रभाव अनिश्चित बना हुआ है, जिसमें चल रही बहसें हैं कि एआई अंततः चुनावी प्रक्रियाओं को मजबूत या कमजोर करेगा। जो स्पष्ट है वह यह है कि कृत्रिम बुद्धिमत्ता आधुनिक चुनावों का एक अभिन्न हिस्सा बन गई है, और आने वाले वर्षों में इसका प्रभाव बढ़ने की संभावना है।