जब खाली लौटी सूचना-पाइपलाइन: क्रिकेट रिपोर्टिंग में एआई, गति और सत्यता की परीक्षा

क्रिकेट समाचार के एक स्वचालित विश्लेषण-तंत्र का दूसरा चरण पूरा हुआ। आउटपुट देखने में भरा-पूरा था — आठ विश्लेषणात्मक आयाम, जोखिम-मैट्रिक्स, रैंकिंग तालिकाएँ, प्रसारण-मानचित्र। लेकिन उसकी नींव में जो डेटा रखा गया था, वह लगभग शून्य था। न शीर्षक, न स्रोत, न प्रकाशन तिथि, न एक भी सूचना-बिंदु। पहले चरण ने जो लौटाया, उसमें सिर्फ़ एक टैक्सोनॉमी टैग बचा था — cricket_asia। यानी यह किसी समाचार का विश्लेषण नहीं था, बल्कि एक खाली लिफ़ाफ़ा था जिस पर "क्रिकेट, एशिया" लिखा हुआ था। यह घटना अपने आप में एक खेल-मीडिया की खबर है, क्योंकि यह उस बदलाव की ओर इशारा करती है जो पिछले कुछ वर्षों में खेल-कवरेज की रीढ़ में हो रहा है। समाचार अब केवल संवाददाता नहीं लिखते। स्क्रैपर, पार्सर, भाषा-पहचान मॉडल, सारांश-इंजन और अब जनरेटिव मॉडल मिलकर एक बहु-स्तरीय पाइपलाइन बनाते हैं। ऐसी पाइपलाइन में सबसे बड़ा खतरा यह नहीं है कि वह कुछ ग़लत लिख देती है। सबसे बड़ा खतरा यह है कि वह खाली जगह को इतनी चिकनी तरह से भर देती है कि पाठक को फ़र्क़ ही महसूस न हो। पहला सवाल यह है कि विफलता कहाँ हुई। यह विश्लेषण-स्तर की विफलता नहीं थी, बल्कि अंतर्ग्रहण (ingestion) स्तर की विफलता थी। जब किसी पेज का शीर्षक ही उपलब्ध न हो, स्रोत अनुपलब्ध हो और समय-संवेदनशीलता का आकलन तक न हुआ हो, तो इसका अर्थ है कि समस्या सामग्री-पार्सिंग से भी ऊपर, फ़ेच और मेटाडेटा परत पर है। संभव है सर्वर ने सफल स्थिति कोड लौटाया हो पर बॉडी खाली रही हो; संभव है पेज जावास्क्रिप्ट से बनता हो और स्क्रैपर को कुछ न मिला हो; संभव है रोबॉट-स्क्रीनिंग ने सामग्री छिपा दी हो। दूसरा सवाल भाषा का है। एशियाई क्रिकेट की कवरेज का बड़ा हिस्सा अंग्रेज़ी में नहीं है। हिंदी, उर्दू, तमिल, बांग्ला और सिंहली में प्रकाशित क्रिकेट सामग्री की मात्रा विशाल है, लेकिन सामान्य अंग्रेज़ी-केंद्रित एक्सट्रैक्टर इन पेजों पर बार-बार खाली हाथ लौटते हैं। इसी तरह स्कोरकार्ड-प्रधान पेज, जहाँ टेबल होते हैं और गद्य कम, वे भी ऐसे सिस्टम के लिए कठिन श्रेणी हैं। एक अंग्रेज़ी क्रिकेट-केंद्रित टैग के साथ पूर्ण निष्कर्षण-विफलता का जोड़ा जाना इसी दिशा में संकेत करता है। तीसरा और सबसे गंभीर सवाल है गढ़ने का जोखिम। जब विश्लेषक के पास एक भी तथ्य न हो, तो सबसे आसान रास्ता यह होता है कि वह "वाजिब लगने वाली" कहानी रच दे — कोई मैच, कोई स्कोर, किसी बल्लेबाज़ का औसत, किसी गेंदबाज़ की इकॉनॉमी। ऐसा डेटा पढ़ने में असली लगता है और इसीलिए सबसे खतरनाक है। इसे ही "फैंटम मेट्रिक" का जोखिम कहा जाना चाहिए: ऐसे आँकड़े जो किसी वास्तविक घटना से नहीं, बल्कि खाली जगह भरने की मजबूरी से पैदा होते हैं। पेशेवर मानक साफ़ है — जो सत्यापित नहीं, वह प्रकाशित नहीं। इसी मानक का दूसरा नाम "फ़ॉर्मेट लॉक" है। टेस्ट, वनडे और टी20 के आँकड़े और रणनीतिक तर्क आपस में अदला-बदली नहीं किए जा सकते, क्योंकि तीनों का अनुकूलन-लक्ष्य ही अलग है। टेस्ट में सहनशीलता और औसत मायने रखते हैं, टी20 में स्ट्राइक रेट और इकॉनॉमी। अगर फ़ॉर्मेट ही तय न हो, तो कोई भी तकनीकी निष्कर्ष मान्य नहीं हो सकता। यही बात टीम-स्तर पर भी लागू होती है। आईसीसी की अलग-अलग फ़ॉर्मेट की रैंकिंग तालिकाएँ हैं और उन्हें आपस में मिलाना विश्लेषण की मूल गलती है। बिना टीम नाम, बिना प्रतिद्वंद्वी और बिना प्रतियोगिता-संदर्भ के किसी भी टीम का स्तर तय करना केवल अनुमान होगा, विश्लेषण नहीं। वाणिज्यिक पक्ष पर भी यही सावधानी ज़रूरी है। आईपीएल, पीएसएल, आईएलटी20, एसए20 और द हंड्रेड जैसी लीगों का बाज़ार क्रिकेट की अर्थव्यवस्था का बड़ा हिस्सा है, लेकिन बिना किसी नामित सौदे — नीलामी, साइनिंग, प्रसारण अधिकार — के कोई भी मूल्यांकन अटकलबाज़ी बन जाता है। यहाँ एक बुनियादी बात दोहराना ज़रूरी है जिसे मीडिया अक्सर धुंधला कर देता है: लीग में मिलने वाली मोटी रकम और अंतरराष्ट्रीय क्रिकेट में खिलाड़ी की असली मज़बूती दो अलग चीज़ें हैं। वाणिज्यिक मूल्य और खेल-मूल्य एक ही सिक्के के दो पहलू नहीं हैं। शासन और नियमों का आयाम भी इसी तरह खुला रह जाता है। एशियाई क्रिकेट में बोर्ड-स्तरीय निर्णय, कार्यक्रम-निर्धारण की राजनीति, खिलाड़ियों के लिए एनओसी व्यवस्था, भ्रष्टाचार-निरोधक इकाई की निगरानी, डीआरएस के विवाद और बारिश से बाधित मैचों में डीएलएस का प्रयोग — ये सब चर्चा के योग्य विषय हैं, पर ये तभी विश्लेषण बनते हैं जब सामने कोई ठोस घटना या निर्णय हो। बिना घटना के इन्हें छूना केवल पूर्वाग्रह को तथ्य का रूप देना है। इस पूरी समीक्षा में जो एकमात्र जोखिम भरोसे से आँका जा सका, वह खेल, कार्मिक, वाणिज्यिक या सत्यनिष्ठा से जुड़ा जोखिम नहीं था। वह था सूचना-अखंडता का जोखिम, और उसका स्तर "उच्च" है क्योंकि वह पहले ही घट चुका है। यह अंतर महत्वपूर्ण है: रिपोर्टिंग में सबसे बड़ी चूक अक्सर ग़लत तथ्य नहीं होती, बल्कि तथ्य के अभाव में भी आत्मविश्वास भरा लहजा होती है। समाधान तकनीकी भी है और संपादकीय भी। पहला कदम है कठोर द्वार लगाना — यदि किसी रिकॉर्ड में सूचना-बिंदुओं की संख्या शून्य है, तो आउटपुट आगे न जाए, बल्कि उसे अंतर्ग्रहण-घटना के रूप में दर्ज किया जाए। दूसरा कदम है स्रोत की गुणवत्ता और समय-संवेदनशीलता को अनिवार्य, रिक्त-न-रहने वाले फ़ील्ड बनाना, ताकि यह तय हो सके कि सामग्री सत्यापित रिपोर्ट है या अफवाह, और वह ताज़ा है या पुरानी। तीसरा कदम है भाषा-पहचान और स्कोरकार्ड-सक्षम पार्सिंग जोड़ना। चौथा कदम है दोनों चरणों की टैक्सोनॉमी का मिलान, क्योंकि cricket_asia जैसा उप-क्षेत्रीय टैग बताता है कि क्लासिफायर और विश्लेषक एक ही स्कीमा नहीं बोल रहे। इन सुधारों का लाभ सिर्फ़ तकनीकी नहीं है। एशियाई क्रिकेट की कवरेज में जो सामग्री सबसे मूल्यवान है — बोर्डों के फ़ैसले, कार्यक्रम की अड़चनें, नीलामी की अर्थव्यवस्था, उभरते खिलाड़ियों की प्रगति — वह अक्सर उन्हीं स्रोतों में होती है जिन्हें यह पाइपलाइन पढ़ ही नहीं पाती। यानी विफलता केवल शोर पैदा नहीं करती; वह असली खबरों को भी अनदेखा कर देती है। अंत में, सबसे सरल नियम सबसे मज़बूत नियम है। खाली जगह को "मुमकिन लगने वाली कहानी" से भरना पत्रकारिता नहीं, गढ़ना है। एक रिपोर्ट की साख उसके आत्मविश्वास से नहीं, उसके स्रोतों की ट्रेसबिलिटी से बनती है। जिस दिन कोई सिस्टम यह स्वीकार कर लेता है कि उसके पास कुछ नहीं है, उस दिन वह पहली बार भरोसेमंद होता है। और जो पाइपलाइन खाली लौटकर भी "खाली लौटी" कह सके, वही पाइपलाइन लंबे समय में टिक सकती है।