लाइब्रेरियनशिप और सूचना प्रबंधन में आर्टिफिशियल इंटेलिजेंस का परिचय: भूमिकाएँ, सीमाएँ, प्रमाणीकरण, गोपनीयता और नैतिकता

लाभ:

• यह भेद करने में सक्षम होना कि कहाँ कृत्रिम बुद्धिमत्ता लाइब्रेरियनशिप वर्कफ़्लो (मेटाडेटा, सारांश, खोज, सुझाव) में समय बचाती है और कहाँ जोखिम के स्तर के आधार पर सटीकता, स्रोत विश्वसनीयता और गोपनीयता निर्णय मनुष्यों पर छोड़ दिए जाते हैं।
• एक अनुशासन लागू करने की क्षमता जो प्रत्येक आउटपुट को स्रोत से जोड़कर सत्यापित करती है, एक स्वतंत्र स्रोत में इसकी पुष्टि करती है, और इसे पूर्वाग्रह फ़िल्टर के माध्यम से पारित करती है।
• यह समझना कि मतिभ्रम, मनगढ़ंत स्रोत और उपयोगकर्ता गोपनीयता ऐसे जोखिम क्यों हैं जिन्हें इस पेशे में शुरू से ही ध्यान में रखा जाना चाहिए।

जब एक कैटलॉगिंग विशेषज्ञ सुबह अपनी मेज पर बैठता है, तो उसके पास दर्जनों नई आई किताबें, दान संग्रह से सैकड़ों दस्तावेज़ और एक संग्रह बॉक्स डिजिटलीकरण की प्रतीक्षा में हो सकता है। एक संदर्भ लाइब्रेरियन (विशेषज्ञ जो उपयोगकर्ताओं को जानकारी ढूंढने में मदद करता है) पूरे दिन सवालों के जवाब देता है जैसे "इस विषय पर विश्वसनीय स्रोत कहां है?" एक सूचना प्रबंधक किसी संगठन के हजारों दस्तावेजों को खोजने योग्य और विश्वसनीय बनाए रखने के लिए जिम्मेदार होता है। इस इकाई में, हम स्पष्ट करेंगे कि वास्तव में कहाँ कृत्रिम बुद्धिमत्ता (संक्षेप में एआई; बड़े भाषा मॉडल और समान उपकरण) इन कार्यों में समय बचाती है, और कहाँ निर्णय, विकल्प और जिम्मेदारी मानव के पास रहती है।

आइए एक परिभाषा से शुरू करें: कृत्रिम बुद्धिमत्ता, जिसका अर्थ है बड़ी मात्रा में पाठ पर प्रशिक्षित भाषा-उत्पन्न और पैटर्न-पहचानने वाले सॉफ़्टवेयर उपकरण। ये उपकरण डेटा के बड़े हिस्से में सारांशित करते हैं, अनुवाद करते हैं, वर्गीकरण का सुझाव देते हैं, ड्राफ्ट टेक्स्ट तैयार करते हैं और ध्वज पैटर्न तैयार करते हैं। लेकिन यह नहीं पता कि क्या कोई स्रोत वास्तव में मौजूद है, क्या कोई जानकारी सही है, या क्या उपयोगकर्ता की गोपनीयता सुरक्षित है। इसीलिए लाइब्रेरियनशिप और सूचना प्रबंधन में, एआई एक सहायक है, निर्णय निर्माता नहीं।

कृत्रिम बुद्धिमत्ता कहाँ काम करती है और कहाँ काम नहीं करती?

आइए लाइब्रेरियनशिप वर्कफ़्लो को तीन परतों में विभाजित करें। पहली परत यांत्रिक और दोहराव वाले कार्य हैं: किसी पुस्तक की बायलाइन से ड्राफ्ट मेटाडेटा निकालना, एक लंबी रिपोर्ट का सारांश देना, पाठ को एक भाषा से दूसरी भाषा में अनुवाद करना, डेटा की तालिका को साफ़ करना। यहां एआई शक्तिशाली है और काफी समय बचाता है।

दूसरी परत अर्ध-न्यायिक कार्य है: किसी दस्तावेज़ को किस विषय का शीर्षक देना है, क्या संग्रह में किसी संसाधन को शामिल करना है, किसी उपयोगकर्ता को किस संसाधन की अनुशंसा करनी है। एआई यहां सुझाव देता है, लेकिन जो विशेषज्ञ संस्थान की नीति और उपयोगकर्ता की वास्तविक जरूरतों को जानता है उसका अंतिम निर्णय होता है।

तीसरी परत शुद्ध निर्णय और जवाबदेही है: यह पुष्टि करना कि जानकारी सटीक है, कॉपीराइट पर निर्णय लेना, संवेदनशील व्यक्तिगत डेटा का खुलासा करना है या नहीं, किसी स्रोत की विश्वसनीयता की पुष्टि करना। इस स्तर पर, AI का आउटपुट केवल एक प्रारंभिक बिंदु है; जिम्मेदारी पूरी तरह से इंसानों की है।

युक्ति: एआई को कोई कार्य देने से पहले, अपने आप से पूछें: "यदि यह आउटपुट गलत है तो क्या होगा?" यदि उत्तर "मैं कुछ समय बर्बाद करूँगा" है, तो बेझिझक AI का उपयोग करें। यदि उत्तर "झूठा स्रोत फैलाया गया है, उपयोगकर्ता को गुमराह किया गया है, या व्यक्तिगत डेटा लीक हुआ है" है, तो आउटपुट को सत्यापित करना सुनिश्चित करें।

मतिभ्रम: लाइब्रेरियन का सबसे बड़ा खतरा

मतिभ्रम तब होता है जब एआई गैर-मौजूद जानकारी, स्रोत या उद्धरण इस तरह प्रस्तुत करता है जैसे कि वह वास्तविक हो, और बेहद ठोस भाषा में। यह पुस्तकालयाध्यक्षता और सूचना प्रबंधन के लिए विशेष रूप से खतरनाक है; क्योंकि हमारे पेशे का सार स्रोत की प्रामाणिकता और विश्वसनीयता है।

जब आप एआई को "इस विषय पर पांच अकादमिक पेपर सुझाने" के लिए कहते हैं, तो यह ऐसे शीर्षक, लेखक और जर्नल नाम उत्पन्न कर सकता है जो वास्तविक लगते हैं लेकिन बिल्कुल भी मौजूद नहीं होते हैं। ये मनगढ़ंत स्रोत इतने विश्वसनीय हैं कि एक संरक्षक या यहां तक ​​कि एक लाइब्रेरियन उन्हें सत्यापित किए बिना किसी ग्रंथ सूची में जोड़ सकता है। मानविकी और सामाजिक विज्ञान में, ख़तरा और भी बड़ा है: जब "1897 का वह दस्तावेज़" किसी इतिहासकार के लिए या "वह अदालत का निर्णय" किसी न्यायविद के लिए गढ़ा जाता है, तो परिणाम गंभीर गलत सूचना है।

ध्यान दें: एआई द्वारा निर्मित कोई भी स्रोत उद्धरण, उद्धरण या संदर्भ वास्तविक कैटलॉग, डेटाबेस या स्रोत में सत्यापन के बिना कहीं भी स्थानांतरित नहीं किया जाना चाहिए। सिर्फ इसलिए कि यह "विश्वसनीय लगता है" इसका मतलब यह नहीं है कि यह सच है।

सत्यापन अनुशासन: तीन चरण

एआई के साथ काम करते समय लाइब्रेरियन को जो बुनियादी अनुशासन लागू करना चाहिए वह यह है:

1. स्रोत से कनेक्ट करें. प्रत्येक तथ्य, आंकड़ा, तिथि और छाप मूल स्रोत पर आधारित होनी चाहिए। एआई से पूछें "मुझे बताएं कि आपको यह जानकारी किस स्रोत से मिली" और उस स्रोत की स्वतंत्र रूप से जांच करें।

2. स्वतंत्र रूप से पुष्टि करें। एआई (प्रामाणिक कैटलॉग, आधिकारिक डेटाबेस, प्राथमिक दस्तावेज़) के बाहर कम से कम एक विश्वसनीय स्रोत में महत्वपूर्ण जानकारी सत्यापित करें।

3. इसे बायस फिल्टर से गुजारें। एआई उस डेटा के पूर्वाग्रहों को वहन करता है जिस पर उसे प्रशिक्षित किया जाता है। एक सुझाया गया विषय, सुझावों की सूची, या सारांश कुछ दृष्टिकोणों को उजागर कर सकता है और दूसरों को अस्पष्ट कर सकता है। पूछें कि कौन छूट गया है, कौन सा परिप्रेक्ष्य गायब है।

गोपनीयता और उपयोगकर्ता गोपनीयता

लाइब्रेरियनशिप पेशे के सबसे बुनियादी नैतिक सिद्धांतों में से एक उपयोगकर्ता की गोपनीयता है: एक व्यक्ति क्या पढ़ता है, वह क्या खोजता है और किस विषय में उसकी रुचि है, यह गोपनीय है। एआई उपकरणों में डेटा दर्ज करना, विशेष रूप से सार्वजनिक उपकरण जो इंटरनेट पर संचालित होते हैं, जिसमें उपयोगकर्ताओं की पहचान, खोज इतिहास या उधार लिए गए संसाधन शामिल होते हैं, इस सिद्धांत का उल्लंघन हो सकता है; क्योंकि यह डेटा थर्ड पार्टी सिस्टम के पास जा सकता है।

इसी तरह, किसी संगठन में, अवर्गीकृत लेकिन संवेदनशील दस्तावेज़ (कार्मिक जानकारी, अनुबंध, आंतरिक पत्राचार) को सामान्य एआई टूल पर अपलोड नहीं किया जाना चाहिए। इस प्रकार के डेटा के लिए संस्थान के स्वयं के सुरक्षित, बंद सिस्टम पर चलने वाले टूल को प्राथमिकता दी जाती है।

युक्ति: एआई में कोई भी डेटा दर्ज करने से पहले, पूछें "क्या यह जानकारी सार्वजनिक है?" पूछना। यदि उत्तर नहीं है, या आप निश्चित नहीं हैं, तो उस डेटा को एक डी-पर्सनलाइज़्ड, अनाम प्रारूप में रखें या केवल संस्थान द्वारा अनुमोदित सुरक्षित टूल का उपयोग करें।

तीन मिनी मामले

केस 1 - 400 दस्तावेज़ों के लिए ड्राफ्ट मेटाडेटा। एक विश्वविद्यालय पुस्तकालय को एक प्रोफेसर द्वारा दान किए गए 400 दस्तावेजों के संग्रह को सूचीबद्ध करना था। विशेषज्ञ ने एआई के साथ प्रत्येक दस्तावेज़ के पहले पृष्ठ से एक मसौदा शीर्षक, तिथि और विषय सुझाव निकाला: प्रति दस्तावेज़ औसत समय 12 मिनट से घटकर 4 मिनट हो गया। लेकिन प्रत्येक मसौदा छाप की तुलना मूल दस्तावेज़ से की गई और विशेषज्ञ द्वारा अनुमोदित की गई; इस चरण में एआई द्वारा बनाई गई 17 गलत तारीखें पकड़ी गईं।

केस 2 - फर्जी स्रोत पकड़ा गया। एक स्नातक छात्र के लिए "जलवायु प्रवासन" पर संसाधनों की खोज करते समय एक सलाहकार लाइब्रेरियन को YZ से 6 लेख सुझाव प्राप्त हुए। लाइब्रेरियन ने उन सभी को संस्था के डेटाबेस में खोजा: 6 में से 2 लेख बिल्कुल भी मौजूद नहीं थे। सत्यापन चरण ने छात्र को मनगढ़ंत स्रोत दिए जाने से रोक दिया।

केस 3 - गोपनीयता भंग होने से रोका गया। एक लाइब्रेरी ने चेकआउट रिकॉर्ड से "किस उपयोगकर्ता की किस विषय में रुचि है" का विश्लेषण करने के लिए एक सामान्य एआई टूल का उपयोग करने पर विचार किया। सूचना प्रबंधक को एहसास हुआ कि उपयोगकर्ता आईडी के साथ इस डेटा का बाहर जाना गोपनीयता का उल्लंघन होगा; डेटा को पहले अज्ञात किया गया और पूरी तरह से एकत्रित, गैर-पहचान वाले आँकड़ों के रूप में संसाधित किया गया।

चार प्रतिलिपि योग्य टेम्पलेट

1) भूमिकाएँ और सीमाएँ परिभाषित करना शुरू करें:

आपकी भूमिका: अनुभवी सहायक कैटलॉगिंग और सूचना प्रबंधन विशेषज्ञ। आपका कार्य: मेरे द्वारा आपको दिए गए स्रोत की जानकारी से एक मसौदा तैयार करना। नियम: (1) केवल मेरे द्वारा आपको दिए गए पाठ में दी गई जानकारी का उपयोग करें, अपनी स्वयं की जानकारी न जोड़ें। (2) जहां आप निश्चित नहीं हैं वहां "[सत्यापित होना चाहिए]" चिह्नित करें। (3) कोई तारीख, नाम या छाप न बनाएं। अगर आप समझ गए तो शुरू करें. स्रोत: [यहाँ]

2) सत्यापन जांच प्रश्न:

प्रत्येक तथ्यात्मक दावे (दिनांक, नाम, संख्या, स्रोत उद्धरण) को नीचे दिए गए पाठ में सूचीबद्ध करें। प्रत्येक के लिए: आपको पाठ में यह जानकारी कहाँ से मिली? यदि यह पाठ में स्पष्ट रूप से नहीं है, तो "पाठ में नहीं" लिखें। पाठ: [यहाँ]

3) पूर्वाग्रह और गायब परिप्रेक्ष्य की जाँच:

निम्नलिखित सारांश/सिफारिश किस परिप्रेक्ष्य पर प्रकाश डालती है और किसे छोड़ देती है? कौन से समूह, क्षेत्र या दृश्य गायब हो सकते हैं? केवल पाठ पर भरोसा करें, अटकलें न लगाएं। पाठ: [यहाँ]

4) गोपनीयता पूर्व जांच:

क्या नीचे दिए गए पाठ में व्यक्तिगत डेटा (नाम, आईडी नंबर, संपर्क, पढ़ने/खोज इतिहास) या संवेदनशील कॉर्पोरेट जानकारी शामिल है? यदि हां, तो इसे सूचीबद्ध करें और सुझाव दें कि इसे कैसे गुमनाम किया जा सकता है। पाठ: [यहाँ]

कमजोर संकेत/मजबूत संकेत

कमजोर संकेत:

इस विषय पर मेरे लिए कुछ संसाधन खोजें।

यह संकेत एआई को नकली संसाधन उत्पन्न करने के लिए आमंत्रित करता है। कोई भूमिकाएँ, सीमाएँ, सत्यापन नियम और संसाधन नहीं हैं। एआई विश्वसनीय लेकिन अस्तित्वहीन टैग तैयार कर सकता है।

शक्तिशाली संकेत:

आपकी भूमिका: संदर्भ लाइब्रेरियन सहायक। नीचे दी गई कैटलॉग प्रविष्टियों में से "जलवायु प्रवासन" विषय से संबंधित प्रविष्टियों को चुनें और समझाएं कि वे प्रासंगिक क्यों हैं। ऐसा कोई भी स्रोत न जोड़ें जो सूची में न हो, स्रोत न गढ़ें। जब आप निश्चित न हों, तो कहें "कोई उपयुक्त स्रोत सूचीबद्ध नहीं हैं।" कैटलॉग प्रविष्टियाँ: [यहाँ]

अंतर स्पष्ट है: मजबूत संकेत एआई को दिए गए वास्तविक स्रोत से काम करने के लिए मजबूर करता है, न कि अपनी स्मृति से, और निर्माण को रोकता है।

परत और जिम्मेदारी तालिका

व्यापार परत

नमूना कार्य

एआई की भूमिका

आदमी का निर्णय

यांत्रिक

ड्राफ्ट मेटाडेटा, सारांश, अनुवाद

शीघ्रता से ड्राफ्ट तैयार करता है

सत्यापन, अनुमोदन

अर्ध-न्यायिक

विषय शीर्षक, स्रोत सुझाव

सुझाव देता है

नीति द्वारा चयन

शुद्ध निर्णय

प्रमाणीकरण, कॉपीराइट निर्णय

केवल प्रारंभिक जानकारी

पूरी जिम्मेदारी व्यक्ति की होती है

सामान्य गलतियाँ

• स्रोत के लिए AI आउटपुट को प्रतिस्थापित करना। एआई एक सहायक है, संसाधन नहीं; प्रत्येक आउटपुट मान्य है.
• मनगढ़ंत स्रोत को विश्वसनीय मानकर स्वीकार करना। सिर्फ इसलिए कि यह अच्छा दिखता है इसका मतलब यह नहीं है कि यह सही है।
• सार्वजनिक टूल में व्यक्तिगत/संवेदनशील डेटा दर्ज करना। उपयोगकर्ता की गोपनीयता और कॉर्पोरेट गोपनीयता का शुरू से ही सम्मान किया जाता है।
• पूर्वाग्रह को नजरअंदाज करना. एआई उस डेटा के परिप्रेक्ष्य को वहन करता है जिस पर उसे प्रशिक्षित किया जाता है; पूछें कि क्या कमी है.
• फैसला एआई पर छोड़ रहा हूं। सटीकता, कॉपीराइट और गोपनीयता के निर्णय मनुष्यों के हैं।

संक्षेप में

कृत्रिम बुद्धि; यह पुस्तकालयाध्यक्षता और सूचना प्रबंधन में सारांश, प्रारूपण, अनुवाद और पैटर्न अंकन के लिए एक शक्तिशाली सहायक है। इससे यांत्रिक कार्यों में बहुत समय बचता है; अर्ध-न्यायिक मामलों पर सलाह देता है; लेकिन सटीकता का सत्यापन, स्रोत की विश्वसनीयता, उपयोगकर्ता की गोपनीयता और नैतिक निर्णय मनुष्यों के हैं। मतिभ्रम इस पेशे के लिए सबसे बड़ा खतरा है: किसी भी स्रोत क्रेडिट या उद्धरण का उपयोग सत्यापन के बिना नहीं किया जाता है। स्पष्ट भूमिका, सीमा और सत्यापन नियमों के साथ AI चलाएँ; प्रत्येक महत्वपूर्ण आउटपुट की एक स्वतंत्र स्रोत से पुष्टि करें।

आवेदन कार्य

अपने क्षेत्र से वास्तविक विषय चुनें. उस विषय पर एआई से 5 संसाधन अनुशंसाओं के लिए पूछें, फिर प्रत्येक को वास्तविक कैटलॉग या डेटाबेस में खोजें और नोट करें कि वास्तव में कितने मौजूद हैं। फिर, "स्टार्टअप परिभाषित भूमिकाओं और सीमाओं" टेम्पलेट के साथ, एआई को केवल आपके द्वारा प्रदान किए गए पाठ से काम करने के लिए कहें और दो दृष्टिकोणों के आउटपुट की तुलना करें। लिखें कि कौन सा दृष्टिकोण फिटिंग को रोकता है।

चेकलिस्ट

• [ ] मैंने निर्धारित किया कि कार्य किस स्तर (यांत्रिक, अर्ध-न्यायिक, शुद्ध निर्णय) पर है।
• [ ] "यदि यह आउटपुट गलत है तो क्या होगा?" मैंने सवाल पूछा.
• [ ] मैंने प्रत्येक क्रेडिट और उद्धरण को एक स्वतंत्र स्रोत से सत्यापित किया है।
• [ ] मैंने जांच की है कि एआई में प्रवेश करने वाले डेटा में कोई व्यक्तिगत/संवेदनशील जानकारी नहीं है।
• [ ] मैंने अंतिम निर्णय और जिम्मेदारी अपने विवेक पर रखी।