मानविकरण का औद्योगीकरण

आजकल Upwork और Fiverr जैसे अनौपचारिक कार्य प्लेटफ़ॉर्म पर गिग पोस्टिंग और सेवा प्रस्तावों में शब्द ‘humanize’ प्रमुखता से दिखता है, विभिन्न नौकरियों और प्रदाताओं के साथ जो यह दर्शाते हैं कि लेख को AI द्वारा लिखा गया, आंशिक रूप से लिखा गया, या सह-लिखा गया है, इस तथ्य को छुपाने के विभिन्न स्तरों के साथ।

Upwork पर वास्तविक पोस्टों में ‘Humanize’ प्रवृत्ति।

AI-‘प्रदूषित’ आउटपुट को पुनः लिखने वाली मानव और स्वचालित सेवाओं की मांग, जिससे ऐसा लगे कि कोई मानव कुछ घंटे बैठकर पसीना बहा कर लिख रहा है, यह संकेत देती है कि एक सार्वभौमिक सहमति बन गई है कि ‘मानव स्पर्श’ कनेक्शन और पहुंच के लिए आवश्यक है – और AI युग में सामग्री की विशाल मात्रा वह कनेक्शन फिर से आवश्यक बना देगा।

मैं व्यक्तिगत रूप से ऐसा मानना चाहूँगा, लेकिन यह अनिवार्य रूप से ऐसा नहीं है – विशेषकर क्योंकि Google की अपनी दिशानिर्देश इस बात को लेकर पाठ की गुणवत्ता को लेकर, न कि इसे बनाने के साधन को लेकर हैं।

सच तो यह है कि हमें अभी ठीक‑ठीक नहीं पता कितनी या किस प्रकार की AI हम सहन करने को तैयार हैं, या हम उन लाभों को कितनी हद तक तर्कसंगत बना सकते हैं जो अरबों लोगों को हर दिन AI से मिलते हैं, बनाम तकनीक के व्यापक निहितार्थों के संबंध में ‘सहयोगीता’ और नैतिक आकर्षण की भावना।

उपर्युक्त नौकरी विज्ञापनों में भी यही प्रतिबिंबित होता है; वहाँ, निर्माता और कंपनियाँ स्वचालन के लिए लालायित हैं, संभवतः इसलिए क्योंकि वे बड़े पैमाने पर प्रकाशित करना चाहते हैं, जो बिल्कुल वही प्रथा है जिसे Google अपने रैंकिंग एल्गोरिदम में विशेष रूप से दंडित करने का वादा करता है। साथ ही, वे ‘मानविकरण को औद्योगीकरण’ करने के लिए स्वचालित और मानव-आधारित दोनों तरीकों की तलाश कर रहे हैं।

यह मुझे थोड़ा याद दिलाता है सबसे बेहतरीन चुटकुलों में से एक Steven Wright के न्यूरोडायवर्जेंट 1980 के कॉमेडी रूटीन में:

‘मेरे घर में, मेरे पास एक माइक्रोवेव फायरप्लेस है। मैं केवल 8 मिनट में शाम को आग के सामने लेट सकता हूँ।’

आने वाले स्लॉप का आकार

जैसा कि हमेशा रहता है, ये विचार मेरे दैनिक Arxiv ब्राउज़ करने से प्रेरित होते हैं, जहाँ आज मैंने विशेष रूप से Jochen Madler द्वारा मार्केटिंग ऑटोमेशन कंपनी Sitefire में लिखे एक पेपर पर प्रकाश डाला, जिसका शीर्षक SlopShape: Identifying AI-Generated Commercial Web Content है।

मैं आमतौर पर केवल एक लेखक वाले पेपर को ‘विक्टर फ्रैंकेनस्टीन’ सिद्धांत के आधार पर खारिज कर देता हूँ, लेकिन इस पेपर का सिद्धांत सरल है, और परीक्षण पद्धति मजबूत है।

अध्ययन मूल रूप से कह रहा है कि जब एक AI-जनित पोस्ट को पूरी तरह से पुनर्लेखित किया जाता है, यहाँ तक कि मानव द्वारा भी, तो यह एक विशिष्ट वास्तुशिल्पीय हस्ताक्षर बनाए रखता है जो शब्द‑स्तर से बहुत ऊपर के स्तर पर स्थित होता है, एक विशेष ‘आकार’ बनाता है जिसे किसी भी मात्रा में पुनः शब्दांकन या सतही संशोधन द्वारा समाप्त नहीं किया जा सकता:

मानव और एआई-लेखित पोस्टों में संरचनात्मक पैटर्न की तुलना। मानव लेखन दुर्लभ संरचना संयोजनों का उपयोग करने की प्रवृत्ति रखता है, जबकि सभी पाँच एआई मॉडल अधिक पारंपरिक संयोजनों को प्राथमिकता देते हैं।स्रोत

स्पष्ट रूप से कोई इस मुद्दे (यदि आप इसे मुद्दा मानते हैं) से बच सकता है, यदि आप लेखन की प्रक्रिया स्वयं योजना बनाते हैं, और या तो बिल्कुल भी AI का उपयोग नहीं करते, या इसे केवल उन अलग‑अलग घटकों पर उपयोग करते हैं जिन्हें आपने स्वयं योजना बनाया है।

हालाँकि, Upwork पर उग्र विज्ञापन यह दर्शाते हैं कि यही चाहा नहीं जाता; ऐसे पोस्टिंग के स्वर से यह अनुमान लगाया जा सकता है कि लेख सामग्री को न केवल AI द्वारा संरचित किया जाना चाहिए, बल्कि विचारित भी होना चाहिए – अर्थात, एक LLM कंपनी या इकाई के व्यापक लक्ष्यों के साथ संरेखित उपयुक्त विषय सुझाएगा।

इसके बाद, यह पूरी तरह से अपेक्षित है कि AI सामग्री के विभिन्न प्रगतिशील ड्राफ्ट उत्पन्न करेगा, जहाँ निराशाजनक ‘मीटवेयर’ घटक केवल एक समापन और सामान्य मानवीय स्पर्श के लिए सक्रिय होगा (हालाँकि आदर्श रूप में, यह प्रक्रिया अंततः एक Python कार्यप्रवाह में विकसित होनी चाहिए)।

उल्लेखनीय विशेषताएँ

नए पेपर के लेखक ने इन अंतर्दृष्टियों को इस प्रकार प्राप्त किया कि उन्होंने कुछ हजार कंपनी ब्लॉग पोस्ट एकत्र किए जो ChatGPT के रिलीज़ और प्रसार (2020-2022) से ठीक पहले प्रकाशित हुए थे और उनसे प्रॉम्प्ट निकाले।

अर्थात, उन्होंने Gemini 3 Flash का उपयोग वास्तविक, मानव-लिखित पेपर पढ़ने और एक प्रॉम्प्ट को रिवर्स-इंजीनियर करने के लिए किया, जो प्रमुख LLMs में से कुछ, जैसे GPT5.4, Kimi 2.5, DeepSeek V3.2, Claude 4.6, और Gemini 3, पर समान कार्य उत्पन्न करने के लिए डिज़ाइन किया गया था।

इन प्रॉम्प्ट्स को फिर प्रत्येक वास्तविक मानव पोस्ट के पाँच AI संस्करण बनाने के लिए उपयोग किया गया, जिससे विशेषताएँ निकाली गईं जो अंततः पाँच मॉडलों में LLM-विशिष्ट ‘आकार’ का वर्णन करती हैं; और Madler नोट करते हैं कि ‘AI पोस्ट एक साफ़, स्वयं‑घोषित आकार साझा करती हैं’।

पूरा अध्ययन COLM 2026 के इस अगस्त में किए गए StoryScope project का पुनरावर्तन है, जो University of Maryland और Google DeepMind के बीच सहयोग है, जिसने मूल रूप से वही कार्यप्रणाली कथा में लागू की, यह पाते हुए कि AI‑जनित कहानियाँ मानव लेखन की तुलना में अधिक संकीर्ण और पूर्वानुमेय कथा संरचनाओं की सीमा में अभिसरित होती हैं:

StoryScope अध्ययन से, मानव और AI‑जनित कथा में कथा पैटर्न की तुलना करने वाला एक स्कैटर‑प्लॉट। मानव‑लिखी कहानियाँ एक विशिष्ट क्षेत्र में स्थित हैं, जबकि पाँच प्रमुख AI मॉडलों की कहानियाँ अधिक निकटता से समूहित होती हैं, जो उनके अंतर्निहित कथा विकल्पों में अधिक समानता दर्शाती है। स्रोत

Madler ने कंपनी ब्लॉगों पर StoryScope को पुनः चलाने का निर्णय लिया क्योंकि इन्हें स्वचालित करने के लिए वित्तीय प्रेरणा बहुत अधिक है, जबकि कथा‑लेखन का क्षेत्र अधिक विचित्र है, और ये पहले से ही काफी हद तक स्वचालित हैं (मई 2026 तक ऑनलाइन सामग्री का 50% स्वचालन, जैसा कि a Graphite study में Madler के कार्य में उद्धृत किया गया है)।

शायद सबसे रोचक विश्लेषण वह है जिसमें AI‑उत्पन्न सामग्री से निकाले गए फीचर्स को 2022 से पूर्व के मानव‑लिखित पोस्टों के आधार पर अलग‑अलग किया जाता है:

‘AI मॉडलों द्वारा सबसे अधिक उत्पन्न मानों को हम ‘साफ़, स्वयं‑घोषित ब्लॉग पोस्ट’ कहते हैं: यह शीर्षक में ही परिणाम का वादा करता है, अपना थीसिस बताता है और पहले अनुभाग से पहले अपनी संरचना घोषित करता है, एक संपादकीय‑व्याख्यात्मक स्वर में बोलता है, और अंत में ऐसा चरण रखता है जो थीसिस का सारांश या पुनःप्रस्तुति करता है।’

‘एक सामान्य AI पोस्ट में, परिणाम शीर्षक में ही वादा किया जाता है: “ऑनबोर्डिंग समय को आधा कैसे कम करें।” थीसिस बताया जाता है और प्रवाह पहले अनुभाग से पहले घोषित किया जाता है: “इस पोस्ट में, हम चर्चा करेंगे कि ऑनबोर्डिंग क्यों रुकता है, तीन कार्यशील समाधान, और अंतर को कैसे मापें।”’

‘और अंत में थीसिस को दोहराया जाता है: “संक्षेप में, संरचित ऑनबोर्डिंग समय बचाता है।” मानव‑उन्मुख मान उन पोस्टों का वर्णन करते हैं जिनमें ये संकेत नहीं होते: कोई घोषित अनुभाग प्रवाह नहीं, कोई दांव‑बाज़ी का बढ़ाव नहीं, और कोई समापन अनुभाग नहीं जो थीसिस को दोहराता हो।’

एक त्रुटिपूर्ण पूर्वधारणा

वास्तव में, वर्णित टेम्पलेट/टेम्पलेट्स में मौजूद अधिकांश ट्रोप और क्लिशे पूर्व‑LLM मार्केटिंग दृश्य के SEO‑उन्मुख प्रतिबंधों से उत्पन्न हुए थे। हम सोचते हैं कि AI ने ये आदतें कहाँ से सीखी?

टेम्पलेटेड मार्केटिंग कॉपी हमेशा नापसंद की जाती थी, AI से बहुत पहले, और हमेशा बड़े पैमाने पर उत्पन्न होती थी, मशीनों के इसे अच्छी तरह करने से बहुत पहले; और SEO प्रथाओं के अनुरूप होने की आवश्यकता के कारण, कुछ भयानक मानदंड स्थापित किए गए, जैसे कीवर्ड प्लेसमेंट, और लिंक की निर्मित डिजाइन।

दूसरे मामले में, AI ने संभवतः गलत सबक सीखा, क्योंकि जिस टेक्स्ट‑केवल कॉर्पस पर इसे प्रशिक्षित किया गया था, उसने उन कई SEO‑उन्मुख तकनीकों को हटा दिया था जो मूल सामग्री में शामिल थीं, जैसे रणनीतिक आरेख, दृश्य व्याख्यात्मक चित्र; और सबसे अधिक हाइपरलिंक।

एक लेख के पूरे भाग को एक हाइपरलिंक या YouTube एम्बेड को फ्रेम करने के लिए तैयार किया जा सकता था जो क्लाइंट को प्रमोट करना चाहता था; लेकिन जब डेटा को LLM में प्रशिक्षित किया गया, तो एम्बेड या लिंक हटा दिया गया, और उसे उजागर करने के लिए डिज़ाइन किया गया टेक्स्ट अपने मूल संदर्भ से वंचित रह गया।

इसलिए, तर्कसंगत रूप से, ऐसे सामग्री के आसपास प्रशिक्षण पद्धतियों को डिजाइन करने में बड़ी गलती यह थी कि वे वेब सामग्री को 19वीं सदी के साहित्य (पूरी तरह से स्वनिर्भर) की तरह मानते थे, न कि मल्टीमीडिया (वीडियो, हाइपरलिंक और चित्रण जैसे गैर‑टेक्स्ट कारकों से काफी प्रभावित) के रूप में।

दूसरी बड़ी गलती यह थी कि प्रशिक्षण सामग्री ऐसी थी जिसे लोग पहले से ही नापसंद करते थे, और जिसे नियमों द्वारा उसकी अप्रिय रूपरेखा में बदल दिया गया था, जो शायद अब वैध नहीं हैं।

ध्यान, मानवों

फिर भी, यदि आप Upwork रुझानों पर विश्वास करते हैं, तो समान सामग्री की बड़ी मांग है, जिसे LLMs बड़े पैमाने पर उत्पन्न कर सकते हैं, और ‘मानविक’ बना सकते हैं सबसे कम विशिष्ट प्रक्रिया के माध्यम से, सबसे तेज़ गति से, और सबसे कम लागत पर।

यह सब ध्यान का प्रभाव पैदा करने के लिए है: यह विचार कि आप जैसे कोई (अर्थात, कम से कम एक अंतःस्रावी प्रणाली वाला) कुछ घंटे बैठकर यह सोचता है कि वह आपको क्या कहना चाहता है।

मानव ध्यान प्राप्त करने की धारणा हमारे लिए अर्थपूर्ण है भले ही वह सहायक न हो; इसलिए इसे औद्योगिक बनाना निश्चित रूप से मूल्यवान है।

मैं यह महसूस किए बिना नहीं रह सकता कि Madler का पेपर किसी न किसी तरह स्थिति को और बिगाड़ सकता है, क्योंकि यह विशिष्ट उच्च‑आयामी गुणों की पहचान करता है जिन्हें अब, संभवतः, अधिक AI के साथ संबोधित किया जा सकता है, ताकि मॉडल विकसित होते हुए डिफ़ॉल्ट हस्ताक्षर अधिक मानव रूप ले सकें।

पहली बार प्रकाशित गुरुवार, 17 सितंबर, 2026