ابتدا میں کلام تھا

اصل اشاعت Vectors of Mind میں ہوئی۔

“ابتدا میں کلمہ تھا، اور کلمہ نفسیات کے ساتھ تھا، اور کلمہ نفسیات تھا۔” ~نیا ویکٹر ترجمہ

شخصیت کی تمام ساختوں کو ابتدا میں الفاظ کے ذریعے بیان کیا جاتا ہے۔ فرائڈ کے کوکین سے مہمیز پانے والے ماڈلوں سے لے کر سنجیدہ بگ فائیو تک، کسی نہ کسی مرحلے پر یہ سب الفاظ ہی ہوتے ہیں۔ علمی نفسیات کا ایک بڑا حصہ ساختوں کا باہمی تقابل کرنے سے متعلق ہے۔ ایسا کرنے کے لیے ان کے درمیان کوئی مشترک بنیاد ہونا ضروری ہے، جو عموماً آزمودنیوں کا ایک مجموعہ ہوتی ہے۔ آزمودنیوں کو ایک آلہ دیا جاتا ہے، عموماً ایک سروے، جو اس امر کا تخمینہ لگاتا ہے کہ ساختی فضا میں وہ کہاں واقع ہیں۔ آزمودنیوں کے جوابات باہم کس طرح مشترک تغیر دکھاتے ہیں، اس کی بنیاد پر پھر ساختوں کے بارے میں عمومی دعوے کیے جاتے ہیں۔ اس تحریر میں ہم ایک اور طریقہ دریافت کرتے ہیں۔ قدرتی زبان کی پروسیسنگ میں ہونے والی پیش رفت ساختوں کا ان کے قدرتی مسکن، یعنی زبان، میں مقداری تقابل ممکن بناتی ہے۔

نقشۂ راہ#

گزشتہ تحریر میں میں نے استدلال کیا تھا کہ بگ فائیو لفظی ویکٹر ہیں۔ اس تحریر میں یہی دعویٰ الگ قائم شدہ پیمانوں کے بارے میں کیا گیا ہے، جس کے بعد آزمودنیوں کو شامل کیے بغیر ساختوں کا باہمی تقابل ممکن ہو جاتا ہے۔ اس کا مظاہرہ کرنے کے لیے شخصیت کا ایک وسیع ماڈل، نیز ساختوں کو لفظی فضا میں ظاہر کرنے کا ایک طریقہ پیش کیا جائے گا۔ خاکہ حسبِ ذیل ہے:

1. آزمودنیوں کی فضا بمقابلہ لفظی فضا میں ساختوں کا تقابل

2. آزمودنیوں کی فضا کے مسائل

3. آزمودنیوں کو استعمال کرتے ہوئے قرابتی اور باہمی ایثار کا بگ فائیو سے تعلق

4. یہی تقابل لفظی فضا میں

   1. قدرتی زبان کی پروسیسنگ کے ذریعے شناخت کیے گئے ایک (عارضی) پانچ عاملی ماڈل کا تعارف
   2. ایثار کے الفاظ کو اس فضا میں پروجیکٹ کرنا
   3. کوڈ یہاں دستیاب ہے۔

5. بحث، حدود، آئندہ کا کام

ایک پیچیدہ راستہ#

ایثار کا بگ فائیو سے تقابل کرنے کے لیے اشارے کو کئی تبدیلیوں سے گزرنا پڑتا ہے: ایثار (مثالی تصور) → الفاظ کے ذریعے بیان کیا گیا → اس ساخت کا تقریباً تخمینہ لگانے کے لیے سروے تیار کیا گیا (اور امید ہے کہ اس کی توثیق بھی کی گئی) → آزمودنی پر نافذ کیا گیا، جو ان الفاظ کی تعبیر کرتا ہے اور اپنی روح میں تلاش کرتا ہے → آزمودنی کا ایثار اسکور → آزمودنیوں کی فضا میں ارتباط ← آزمودنی کا بگ فائیو انوینٹری (BFI) اسکور ← آزمودنی BFI کے مدارج کی تعبیر کرتا ہے اور اپنی روح میں تلاش کرتا ہے ← اس کی تقریباً پیمائش کے لیے BFI تیار کیا جاتا ہے ← ساخت کو کیفی توضیح کے ذریعے متعین/ابلاغ کیا جاتا ہے ← بگ فائیو (لفظی بارگذاریوں کے ذریعے متعین)۔ اس کے بعد دو مثالی تصورات، ایثار اور بگ فائیو، کے بارے میں دعوے کیے جاتے ہیں۔

سیدھا اور محدود راستہ#

آزمودنیوں کے بجائے لفظی ویکٹروں کو مشترک بنیاد کیوں نہ بنایا جائے؟ راستہ کہیں زیادہ براہِ راست ہے: ایثار (مثالی تصور) → الفاظ کے ذریعے بیان کیا گیا → لفظی فضا میں ویکٹرائز کیا گیا → لفظی فضا میں تقابل ← بگ فائیو، جو پہلے ہی لفظی فضا میں موجود ہیں، جیسا کہ پچھلی تحریر میں بیان کیا گیا ہے۔ حساب رکھنے والوں کے لیے، یہ 4 بمقابلہ 10 تبدیلیاں ہیں۔ (اس کا شمار گالف کی طرح کیا گیا ہے۔)

تالِ مُکاشف#

زبانی ساختوں کے بارے میں دعوے کرنے کے لیے آزمودنیوں کے استعمال کی دشواری کوئی راز نہیں ہے۔

“نفسیات کے بیشتر نظریات اور مفروضے اپنی نوعیت میں زبانی ہوتے ہیں، لیکن ان کی جانچ کا انحصار بہت زیادہ استنباطی شماریاتی طریقۂ کار پر ہوتا ہے۔ کیفی تجزیے سے مقداری تجزیے کی طرف منتقلی کی صحت اس امر پر منحصر ہے کہ مفروضے کے زبانی اور شماریاتی اظہار ایک دوسرے سے کس قدر ہم آہنگ ہیں—یعنی یہ کہ دونوں تقریباً مشاہدات کے ایک ہی فرضی مجموعے کی طرف اشارہ کریں۔ یہاں، میں استدلال کرتا ہوں کہ نفسیات میں شماریاتی استنباط کے بہت سے اطلاقات اس بنیادی شرط کو پورا نہیں کرتے۔” ~Tal Yarkoni، عمومیت پذیری کا بحران

یہاں صحت سے مراد ایسا اسکور ہے جو اس ساخت کو گرفت میں لیتا ہو جس کی پیمائش کرنا اس کا مقصود ہے۔ مکمل دلائل اور مثالیں پڑھنے کے قابل ہیں۔ لیکن ہمارے لیے حاصلِ بحث یہ ہے کہ ان حقائق کے پیشِ نظر کیا کیا جا سکتا ہے۔ وہ تجویز کرتے ہیں:

1. کچھ اور کیجیے (دوسرے شعبوں میں داخل ہوئیے)۔
2. کیفی تحقیق کو اختیار کیجیے۔
3. بہتر معیارات اپنائیے (جن میں 7 تجاویز شامل ہیں)۔

“انتہائی محدود شماریاتی عملیاتی تعریفوں سے حاصل ہونے والی چھوٹی p-values کو پیچیدہ نفسیاتی ساختوں کے بارے میں وسیع زبانی استنباط کے لیے ایک مناسب بنیاد ظاہر کرنے کا ڈھونگ رچانے کی آزادی ہر شخص کو حاصل ہے۔ لیکن کوئی دوسرا—نہ اس کے ہم پیشہ، نہ اس کے سرپرست، نہ عوام، اور یقیناً نہ ہی طویل مدتی سائنسی ریکارڈ—اس بناوٹ کا احترام کرنے کا پابند ہے۔”

اگر نفسیات میں تحقیق کے بارے میں آپ کا نقطۂ نظر اتنا تاریک بھی نہ ہو، تب بھی یقیناً قارئین ایسی تحریروں سے متاثر ہوئے ہوں گے جو دعوے تو بڑے کرتی ہیں مگر ایسے تجربات استعمال کرتی ہیں جن کا تعلق ان دعووں سے محض ڈھیلا ڈھالا ہوتا ہے۔ دستیاب تمام حل تکلیف دہ ہیں۔ ممکن ہے کہ اس شعبے کو ایک زیادہ محدود نقطۂ نظر اختیار کرنا پڑے اور بڑے سوالات تاریخ، ادب اور خطی الجبرا کا مطالعہ کرنے والوں کے لیے چھوڑنے پڑیں۔ میں آگے بڑھنے کا ایک اور طریقہ پیش کرتا ہوں۔

لفظی فضا میں تبدیل کریں#

. 4. لفظی ویکٹروں کو مشترک بنیاد کے طور پر استعمال کریں

ساختیں لفظی فضا میں ایک ساتھ رہتی ہیں، اس کے باوجود جب تقابل کیا جاتا ہے تو ہم انہیں گھسیٹ کر آزمودنیوں کی فضا میں لے آتے ہیں۔ یہ ایک بے حد بڑا، معلومات ضائع کرنے والا، زحمت طلب عمل ہے۔ کیا ہو اگر وہ اطمینان کے ساتھ لفظی فضا ہی میں رہ سکیں؟ قدرتی زبان کی پروسیسنگ کا بنیادی مفروضہ یہ ہے کہ الفاظ مسلسل فضا میں ویکٹر ہوتے ہیں۔ ان ویکٹروں کا تجزیہ اتنا مؤثر ہے کہ کھربوں ڈالر کی صنعتوں میں بار بردار عمل کے طور پر کام کر رہا ہے، اور اسے فی الوقت نفسیات میں (دوبارہ)متعارف کرایا جا رہا ہے۔

اپنے وعظ پر خود بھی عمل کریں#

یہاں ہم آزمودنیوں کی فضا میں کیے گئے ایک روایتی مطالعے کا جائزہ لیں گے، پھر لفظی فضا کی طرف منتقل ہو کر اسے بہتر بنانے کی کوشش کریں گے۔ ایک کمزور حریف کو فرض کرتے ہوئے، موضوع قرابتی ایثار، باہمی ایثار، اور بگ فائیو شخصیتی عوامل ہے، جس کا سیکڑوں مرتبہ حوالہ دیا جا چکا ہے اور جس کے پہلے مصنف کا h-index 70 ہے۔

آزمودنیوں کی پیمائش تین آلات کے ذریعے کی جاتی ہے: بگ فائیو (صفات کے ایک سروے کے ذریعے)، ہمدردی/تعلق اور معافی/عدمِ انتقام (عبارات کے ایک سروے کے ذریعے)، اور پیسے تقسیم کرنے کے ایک کھیل میں ایثار۔ چونکہ مصنفین کا مفروضہ ہے کہ موافقت پسندی اور جذباتی استحکام (AKA نیوروٹکزم) کے درمیان درمیانی فضا دونوں قسم کے ایثاروں میں امتیاز کرتی ہے، اس لیے اس علاقے کی بہتر پیمائش کے لیے کچھ الفاظ شامل کیے جاتے ہیں۔ اسی طرح، ہمدردی/تعلق اور معافی/عدمِ انتقام کی پیمائش کے لیے ایک نیا سوال نامہ تیار کیا جاتا ہے، جنہیں بالترتیب قرابتی بمقابلہ باہمی دوستی سے متعلق سمجھا جاتا ہے۔ اس نوعیت کے مطالعے میں معمول سے بڑھ کر، ایثار کی پیمائش کے لیے ایک کھیل استعمال کیا جاتا ہے۔

“قرابتی ایثار کی پیمائش کے لیے استعمال کیے گئے رقم کی تقسیم کے کام کے نسخے میں، دوسرے شخص کو ایک قریبی دوست کے طور پر بیان کیا گیا—ایسا شخص جس کے ساتھ شریکِ مطالعہ کی دوستی کی طویل تاریخ ہو اور جس کے ساتھ شریک میں بہت کچھ مشترک ہو۔ ہمیں امید تھی کہ دوستی کو پرانی اور دوست کو شریک سے بہت مشابہ بیان کرنے سے یہ دوستی اس تعلق سے قریب ہو جائے گی جو کسی رشتہ دار کے ساتھ ہوتا ہے۔ ممکنہ موضوعِ ایثار کے طور پر ہم نے کسی رشتہ دار کو اس لیے استعمال نہیں کیا کہ متعلقہ رشتہ دار کے باعث جوابات میں تغیر شامل نہ ہو جائے؛ مثلاً، بہت سے لوگ ایک بہن بھائی کے ساتھ دوسرے بہن بھائی کی نسبت زیادہ ایثارانہ سلوک کرنے پر آمادہ ہو سکتے ہیں۔”

دوسرے لفظوں میں، حقیقی دنیا میں قرابت داروں کے بارے میں پائے جانے والے احساسات سے اعداد و شمار کو آلودہ نہ کرنے کے لیے باہمی ایثار کی پیمائش کی جاتی ہے۔

“باہمی ایثار کی پیمائش کے لیے استعمال کیے گئے رقم کی تقسیم کے کام کے نسخے میں، دوسرے شخص کو عدمِ تعاون کرنے والے شخص کے طور پر بیان کیا گیا—ایسا شخص جو شریک کے ساتھ بدتمیز، بدخو اور بے لحاظ رہا ہو۔”

اور باہمی ایثار کی پیمائش کے لیے وہ پیمائش کرتے ہیں … غیر متبادلہ ایثار کی؟ ظاہر ہے کہ ارتباطات موجود ہیں، اور مصنفین نتیجہ اخذ کرتے ہیں:

“اس مطالعے کے نتائج اس تجویز کی تائید کرتے ہیں کہ ہمدردی اور تعلق پر مشتمل شخصیتی اوصاف ایسے ایثار کو سہل بناتے ہیں جس کا بنیادی رخ قرابت داروں کی طرف ہوتا ہے (یعنی قرابتی ایثار)، اور یہ کہ معافی اور عدمِ انتقام پر مشتمل شخصیتی اوصاف ایسے ایثار کو سہل بناتے ہیں جس کا بنیادی رخ غیر قرابت داروں کی طرف ہوتا ہے (یعنی باہمی ایثار)۔”

لیکن اگر باہمی دوستی کی کبھی پیمائش ہی نہیں کی گئی، تو نتائج اس دعوے کی تائید کیسے کر سکتے ہیں؟ نفسیات کے مقالوں میں شماریات، جیسا کہ تال نے نشان دہی کی ہے، اکثر ایک خطیبانہ آرائش ہوتی ہے۔ لیکن ہمیں اس کھیل میں شریک ہونے کی ضرورت نہیں! آئیے دیکھتے ہیں کہ لفظی فضا کیا کہتی ہے۔

دودھ اور شہد کی سرزمین (لفظی فضا میں خوش آمدید)#

روایتی مطالعات میں، آزمودنیوں کو شخصیت کے فضائی نقشے پر منطبق کرنے کی لاگت کے باعث، ایک وقت میں شخصیت کے صرف چند شعبوں میں ہی وضاحت زیادہ رکھی جا سکتی ہے۔ یہی وجہ ہے کہ مصنفین نے ہمدردی (Empathy) اور عدمِ انتقام (Non-Retaliation)، نیز توافق پذیری (Agreeableness) اور جذباتی استحکام (Emotional Stability) کے درمیان موجود فضا کو جانچا۔ یہ تمام محور باقاعدہ بگ فائیو فضا میں موجود ہیں، لیکن ان کی پیمائش خاصی باریک بینی سے کی جاتی ہے۔ لفظی فضا میں ہم ایثار کو مکمل بگ فائیو سے، ان کی تمام اعلیٰ دقت کے ساتھ، موازنہ کر سکتے ہیں۔ میرے گِٹ ہَب پر 2819 لفظی سمتیے موجود ہیں جنہیں پانچ بنیادی اجزا (PCs) تک عامل بند کیا گیا ہے۔ سہولت کے لیے ہم انہیں استعمال کر سکتے ہیں۔ اولین کام یہ ہے کہ ایسے لفظی مجموعے منتخب کیے جائیں جو ہر قسم کے ایثار کو بیان کریں۔ قرابتی الفاظ کے لیے میں نے وہ الفاظ منتخب کیے جو خاندانی کرداروں کی نمائندگی کرتے ہیں: brotherly, sisterly, mothering, motherly, fatherly, grandmotherly, grandfatherly, wifely, maternal, paternal۔ باہمی ایثار کے لیے میں ٹریورز کی تعریف کی پیروی کرتا ہوں۔

“انسانی باہمی ایثار کے بارے میں یہ دکھایا گیا ہے کہ اس ایثار کو منظم کرنے والے نفسیاتی نظام کی تفصیلات کی وضاحت اس نمونے کے ذریعے کی جا سکتی ہے۔ بالخصوص، دوستی، ناپسندیدگی، اخلاقی نوعیت کی جارحیت، تشکر، ہمدردی، اعتماد، شبہ، قابلِ اعتماد ہونا، احساسِ جرم کے بعض پہلو، اور بددیانتی و ریاکاری کی بعض صورتوں کو ایثار کے نظام کو منظم کرنے کے لیے اہم موافقتوں کے طور پر بیان کیا جا سکتا ہے۔ ہر انسانی فرد میں ایثار پسندانہ اور فریب کارانہ رجحانات موجود سمجھے جاتے ہیں، جن کا اظہار نشوونما سے متعلق ان متغیرات کے لیے حساس ہوتا ہے جن کا انتخاب اس مقصد سے ہوا کہ ان رجحانات کو مقامی سماجی اور ماحولیاتی ماحول کے لیے موزوں توازن پر قائم رکھا جائے۔” باہمی ایثار کا ارتقا، رابرٹ ٹریورز (بولڈ عبارت کا اضافہ مترجم کا ہے)

اس کے پیشِ نظر، میں نے یہ الفاظ منتخب کیے: discriminating, unforgiving, vengeful, loyal, neighborly, cooperative, trustworthy، اور fair۔ یہ اس امر کی تقریباً مساوی نمائندگی کرتا ہے کہ تعاون کی طرف میلان ہو، لیکن معاملات خراب ہونے پر اخلاقی نوعیت کی جارحیت کے ذریعے جواب بھی دیا جائے۔ مزید برآں، اس میں اس ایثار کو فریب کاری کی ضد کے طور پر پیش کرنے کی کوشش کی گئی ہے (مثلاً fair، trustworthy)۔

(اعتماد کے ارتقا کی عمدہ توضیح کے لیے یہ تفاعلی مظاہرہ دیکھیے۔)

کیا میں آپ کا تعارف نامعلوم پانچ عاملی نمونے سے کرا سکتا ہوں؟#

نظری طور پر ہم سروے کے ذریعے تیار کردہ بگ فائیو کے لفظی بار (loadings) استعمال کر سکتے تھے، لیکن ان میں سے بیشتر الفاظ اس قدر نایاب ہیں کہ شامل ہی نہیں کیے گئے۔ یہ بہتر ہی ہے، کیونکہ نفسیات کے طلبہ سے خود رپورٹ کے ذریعے grandmotherly کا اچھا تخمینہ حاصل نہ ہو پاتا۔ چنانچہ زبان کے نمونے RoBERTa کے ذریعے شمار کیے گئے لفظی سمتوں کی صورت میں لیے گئے۔ شخصیت سے متعلق الفاظ کی ایک بڑی اور اچھی طرح متعین فہرست سے اخذ کیے جانے کے باعث، نتیجے میں حاصل ہونے والے پانچ عوامل مختصراً یہ ہیں:

1. وابستگی (Affiliation) (یا سماج پذیری، Socialization)۔ آپ اس شخص کو اپنی ٹیم میں کس حد تک شامل کرنا چاہیں گے؟ یہ توافق پذیری سے مشابہ ہے، لیکن اس میں بے دست و پا بن جانا شامل نہیں۔ مثال کے طور پر gullible، وابستگی پر غیر جانب دارانہ مگر توافق پذیری پر مثبت بار رکھتا ہے۔
2. تحرک (Dynamism)۔ یہ انبساط (Extraversion) سے خاصا قریب ہے، لیکن اس کا تعلق مہم جوئی کے احساس سے زیادہ، اور اعتماد سے کم ہے۔
3. ترتیب (Order)۔ ضمیر داری (Conscientiousness) کا ایک زیادہ تیز و نمایاں روپ۔ اپنے مقاصد حاصل کرنے کی صلاحیت۔ exacting بمقابلہ mushy۔
4. جذباتی وابستگی (Emotional Attachment)۔ جہاں عصبیّت (Neuroticism) کا تعلق عدمِ استحکام سے ہے، وہاں اس عامل کا تعلق وابستگی سے ہے؛ caring اور spiteful، دونوں اس پر بہت زیادہ بار رکھتے ہیں۔
5. ماورائیت (Transcendence)۔ اس عامل کی خصوصیت unique, complicated, star-crossed, handicapped, mystical, heartbroken, other-worldly بمقابلہ unphilosophical, fancy-free, pigheaded, boorish, materialistic, self-centered, glib سے ہوتی ہے۔ اس میں اپنی ذات اور روزمرہ دنیا سے آگے دیکھنا شامل ہے۔ بظاہر یہ عمل درد میں الجھا ہوا ہے۔ درحقیقت، troubled کا بار جذباتی وابستگی (وہ عامل جو عصبیّت سے متعلق ہے) کے مقابلے میں ماورائیت پر زیادہ ہے۔

پہلے تین عوامل کے نام ڈی راد کے بین الثقافتی کام سے لیے گئے ہیں، کیونکہ وصفی اعتبار سے ان کی مطابقت بگ فائیو کے مقابلے میں زیادہ قریب ہے۔ ہر عامل اپنی ایک تحریر کا مستحق ہے۔ (صنعتی نفسیات سے وابستہ افراد کے لیے، میرا گمان ہے کہ ترتیب کا کاروباری کامیابی کے ساتھ تعلق ضمیر داری کے مقابلے میں زیادہ ہوگا، کیونکہ اس میں وقت پر حاضر ہونے کے بجائے حساب کتاب کا عنصر زیادہ ہے۔) تاہم، نمونے پیش کرنا میری قوت نہیں، اور زبان کے زیادہ باریک مطالعات آنے والے ہیں جو مختلف ساخت پیدا کر سکتے ہیں۔ فی الحال یہ عوامل کافی ہیں۔ بگ فائیو کے ساتھ ان کا ارتباط یہ ہے:

نتائج#

پہلے چار عوامل پر ایثار کے لفظی بار (اس مطالعے میں ماورائیت اہم نہیں):

ان ایثاروں کا تقابل کرنے کے لیے ہم ان میں سے ہر لفظی مجموعے کو صرف ایک ویکٹر میں سمیٹنا چاہیں گے۔ (یہ بحث طلب ہے کہ ایسا کرنا بھی معقول ہے یا نہیں، کیونکہ باہمی ایثار—اور کسی حد تک قرابتی ایثار—مختلف صورتِ حال کے لیے مختلف جوابات کا تقاضا کرتے ہیں۔) فوری اور سادہ حل یہ ہے کہ ہر construct کو الفاظ کا مجموعہ سمجھا جائے اور اوسط لے لی جائے۔ اوسط loadings یہ ہیں:

بحث#

میرے خیال میں زیرِ بحث مقالہ subject space میں قرابتی یا باہمی ایثار کا کوئی معتبر پیمانہ شامل نہیں کرتا، اور اس حیثیت سے یہ اس امر کی تفہیم میں اضافہ نہیں کرتا کہ ان کا شخصیت سے کیا تعلق ہے۔ یہ ناکامی کی حیرت انگیز طور پر عام صورت ہے۔ لفظی فضا غیر معتبر تقابل کے خلاف کچھ تحفظ فراہم کرتی ہے۔ ہمیں اس بات کا زیادہ اچھا وجدان حاصل ہے کہ کسی لفظ کو لفظی فضا میں کہاں ہونا چاہیے، بہ نسبت اس کے کہ subject 112 کو کسی سروے میں کیا جواب دینا چاہیے۔ غلطیوں کی نشان دہی کرنا آسان ہے۔

Bayesian نقطۂ نظر سے subject space اور word space میں کچھ مختلف ہو رہا ہے۔ subjects کو شامل کرنے والے تجربات کا مقصد نئی معلومات کو سامنے لانا ہوتا ہے۔ امید یہ ہوتی ہے کہ اس سے قارئین کا دنیا کے بارے میں تصور تبدیل ہوگا۔ لیکن محققین (اور عام لوگوں) کو سماجی تجربہ بہت حاصل ہوتا ہے، اور سروے کے فراہم کردہ ایک جامد عکس کے مقابلے میں نفسیاتی عمل کا ادراک زیادہ تیز ہوتا ہے۔ اس لیے سمت میں بہت زیادہ تبدیلی لانا مشکل ہے۔ لفظی فضا نئی معرفت پیدا کرنے کے بجائے ہمارے پیشگی تصورات کو بصری شکل دینے سے زیادہ مشابہ ہے۔ یہ نقطۂ نظر اس لیے اہم ہے کہ زبان ہی وہ مقام ہے جہاں، محاورے کے مطابق، بات عملاً نتیجہ خیز ہوتی ہے۔ جیسا کہ JL Austin نے کہا تھا:

“ہمارے الفاظ کا مشترکہ ذخیرہ ان تمام امتیازات کو اپنے اندر سموئے ہوئے ہے جنہیں انسانوں نے متعدد نسلوں کی زندگی میں قابلِ امتیاز سمجھا، اور ان تمام ربطوں کو بھی جن پر نشان لگانا انہیں ضروری معلوم ہوا: یقیناً ان کی تعداد زیادہ، ان کی بنیاد زیادہ مضبوط—کیونکہ وہ بقائے اصلح کے طویل امتحان میں ثابت قدم رہے ہیں—اور کم از کم تمام معمول کے معقول عملی معاملات میں، ان امتیازات اور ربطوں سے زیادہ باریک ہے جن کے بارے میں ممکن ہے کہ تم یا میں کسی دوپہر آرام کرسی پر بیٹھے بیٹھے سوچ نکالیں—جو اس کا سب سے پسندیدہ متبادل طریقہ ہے۔” A plea for excuses

لفظی فضا میں تجزیہ نسبتاً سیدھا ہے۔ correlations اور p-values کی جدولوں کے بجائے الفاظ کو دلچسپی کے محوروں پر محض plot کیا جاتا ہے اور بصری فیصلے کیے جاتے ہیں۔ قرابتی ایثار کے الفاظ وابستگی اور جذباتی وابستگی، دونوں پر گنجان جھرمٹ بناتے ہیں؛ یہی دو عوامل ہیں جن پر قابلِ ذکر loadings موجود ہیں۔ Trivers کے والدین کی سرمایہ کاری کے نظریے سے ہم آہنگ، باپ—لیکن بھائی نہیں—اپنی خواتین ہم منصبوں کے مقابلے میں کم وابستہ ہوتے ہیں۔ بھائیوں اور بہنوں کے پاس اپنے بہن بھائیوں کی دیکھ بھال کرنے کی اتنی ہی وجہ ہوتی ہے۔ تاہم، ماؤں کے مقابلے میں باپوں کے پاس وجہ کم ہوتی ہے۔ نطفہ سستا ہے۔ بیضے اور حمل مہنگے ہیں۔

باہمی الفاظ زیادہ پھیلے ہوئے ہیں، جو مختلف صورتِ حال—شریکِ کار کے تعاون یا غداری—کا جواب دینے کے لیے موزوں اوصاف کی عکاسی کرتے ہیں۔ سب سے نمایاں فرق نظم پر زیادہ اوسط loading ہے—اپنے مقاصد کی تکمیل۔ ابتدا میں delayed return altruism کہلانے والا باہمی ایثار کسی اجنبی کے لیے خود کو قربان کرنے کا نام نہیں، بلکہ سماج نواز ذرائع کے ذریعے اپنے مستقبل میں سرمایہ کاری کرنے کا نام ہے۔ دوسری طرف، قرابتی ایثار سے مراد اپنے دل کے تار ہلانے والے خود غرض جینز کی وجہ سے اپنے خرچ پر بھی خاندان کی مدد کرنا ہے۔ یہ بات قرابتی ایثار کے الفاظ کی جذباتی وابستگی پر زیادہ loadings سے ظاہر ہوتی ہے، جو Ashton کے مفروضے کی تائید کرتی ہے۔ لیکن اصل عمل نظم پر ہے، اس مقام سے بہت دور جہاں subject-space کے instruments کو اس کا سراغ لگانے کے لیے وضع کیا گیا تھا۔ subject space میں sampling کے اخراجات نتائج کو محققین کے پیشگی تصورات پر زیادہ منحصر بنا دیتے ہیں۔

ان plots کی تعبیر چائے کے پتوں کی قرأت جیسی محسوس ہو سکتی ہے، لیکن جو کچھ یہاں موجود ہے، اس کے بارے میں مجھے تقریباً 70% یقین ہے۔ ایک بات جو مجھے توقف پر مجبور کرتی ہے وہ یہ ہے کہ دونوں ایثاروں کی نمائندگی مختلف طریقوں سے کی گئی ہے۔ قرابتی الفاظ سب رشتوں کی وضاحت کرتے ہیں (مثلاً mother, father, brother)، جب کہ باہمی الفاظ رشتوں (مثلاً neighbor) اور بار بار کھیلے جانے والے مثبت مجموعی کھیلوں کے لیے موزوں اوصاف (مثلاً vengeful, discriminating, cooperative) کا مرکب ہیں۔ اس عدمِ یقین کے باوجود، کیا یہ بات دلچسپ نہیں ہوگی کہ میں ایک دوپہر میں ایسا تجربہ کر سکوں جو لاکھوں لوگوں کے زندہ تجربۂ ایثار کو یکجا کر دے؟ یعنی وہ چیز جسے نسلوں نے اس امر کے طور پر تسلیم کیا ہے کہ کسی شخص کو پدرانہ، بہن جیسا، یا ہمسایہ صفت بناتی ہے۔ ہمیشہ کی طرح، اشارے کے کسی نئے ماخذ کے ساتھ کام کرتے ہوئے انسان ابتدا میں اندھا دھند اندازے لگاتا ہے۔ بالآخر Wild West کو رام کر لیا جاتا ہے؛ طریقے اور heuristic ابھر آتے ہیں۔ بہتری کی گنجائش وسیع ہے۔ قارئین اس colab notebook کے ذریعے لفظی مجموعوں میں تبدیلیاں کر کے چند منٹوں میں نئے نتائج حاصل کر سکتے ہیں۔ ضرور کیجیے!

لفظی فضا کے فوائد#

1. Lexical Hypothesis سے مربوط۔ غیر مرکزی سماجی حقیقت میں grounded۔
2. تبدیلیاں کم ہیں۔ ہر مرحلہ معلومات کو ضائع کرتا ہے اور تعصب متعارف کراتا ہے۔
3. لفظی فضا میں منتقلی کے بعد شماریاتی محنت کم درکار ہوتی ہے۔ (داخلے کی رکاوٹ کم ہے۔)
4. مؤثر sample size (وہ افراد جنہوں نے reddit پر تبصروں، کتابیں لکھنے، یا pubMed مضامین کے ذریعے language model میں حصہ ڈالا) زیادہ تر مطالعات کے مقابلے میں کہیں زیادہ بڑا اور متنوع ہے۔
5. NLP جاننے والے نفسیات کے PhDs کے لیے روزگار کے بہتر امکانات۔
6. کثیر لسانی/کثیر ثقافتی کام زیادہ آسان ہے۔ کچھ models بیک وقت 100 زبانوں پر تربیت یافتہ ہوتے ہیں (اسی طرح Meta کم مثالوں والی زبانوں میں hate speech filters کو train کرتا ہے)۔
7. Language models بہتر سے بہتر ہوتے جا رہے ہیں۔
8. Open science۔
9. IRB سے بچاؤ۔

نقصانات#

1. متحرک اجزا زیادہ ہیں۔ Language model میں اربوں parameters ہوتے ہیں! تاہم، اربوں neurons اور تربیت کے درجنوں فیصلے بھی ایک مستحکم representation پیدا کر سکتے ہیں۔ کوئی بھی language model جو قابلِ اعتبار ہو، اس تشبیہ کو مکمل کر سکتا ہے: “husband is to wife as king is to ____”.
2. نتائج کو demographic کے لحاظ سے تقسیم نہیں کیا جا سکتا۔ کبھی یہ جاننا دلچسپ ہوتا ہے کہ 25-30 سال کی عمر کے elementary school teachers کی شخصیت کیسی ہوتی ہے۔ یا یہ جاننا کہ کوئی construct گرفتاری کے ریکارڈ سے کس طرح correlate کرتا ہے۔ لفظی فضا میں یہ ناممکن ہے۔
3. کیا language models متعصب نہیں ہوتے؟ ٹھیک ہے، self-report سے زیادہ نہیں۔
4. ایثار کی تعریف متعدد word vectors کے مجموعے (یعنی الفاظ کے تھیلے) کے طور پر کرنا کچھ hacky سا ہے۔ یہاں بہتری کی خاطر خاصی گنجائش موجود ہے۔

غیر ملکی دیوتا#

“میرے خیال میں Kafka درست تھا جب اس نے کہا کہ جدید انسان کے لیے ریاستی بیوروکریسی الوہی بُعد سے باقی رہ جانے والا واحد رابطہ ہے۔” ~Zizek، A Pervert’s Guide to Ideology

وہ یہاں، ظاہر ہے، IRB کے پاس اپیل دائر کرنے کے وجدانی احساس کو بیان کر رہا ہے۔ میری ایک پیش گوئی ہے۔ اشاروں کی processing کے نقطۂ نظر سے لفظی فضا اختیار کرنا اچھا اور درست عمل ہے، لیکن اس کا رواج اتنا ہی اس سہولت سے پیدا ہوگا کہ اسے ضابطے کے تحت نہیں لایا جائے گا۔ اس کا لازمی نتیجہ یہ ہے کہ IRB پہلا سرکاری ادارہ ہوگا جو language models کو صاحبِ شعور قرار دے گا۔

راہ ہموار کرنا#

ہم زبان کے ماڈلز سے تصورات کے مابین تعلقات اخذ کرنا چاہتے ہیں۔ ایسا اس طریقے سے کرنے کے لیے جو مزید شور کے بجائے اضافی سگنل فراہم کرے، بہت زیادہ توثیقی کام درکار ہے۔ ابتدا میں اس کا مطلب معروف اور مستحکم سروے نتائج سے موازنہ کرنا ہے۔ کیا لفظی برداروں کے ذریعے ان نتائج کو دوبارہ حاصل کیا جا سکتا ہے؟ یہ کہاں ناکام ہوتے ہیں؟ جب یہ امر طے ہو جائے، تو ہر وہ مقالہ جو ’’مزید تحقیق درکار ہے‘‘ پر اختتام پذیر ہوتا ہے، اسے لفظی فضا میں یہ سوال پوچھنے کا کوئی طریقہ تلاش کرنا چاہیے۔

میں نے ایک سال سے زیادہ عرصہ طریقۂ کار کو اس مقصد کے لیے باریک بینی سے بہتر بنانے میں صرف کیا کہ اُس وقت کے جدید ترین ماڈل RoBERTa سے شخصیت کے باہمی تعلقات اخذ کیے جا سکیں۔ اس کے فوراً بعد GPT-3 جاری ہوا اور اس نے شیلف سے براہِ راست بہتر کارکردگی دکھائی۔ یہ کہ کمپیوٹ شعبہ جاتی علم پر سبقت لے جاتا ہے، AI کے اندر بار بار سامنے آنے والا تلخ سبق ہے۔ کمپیوٹ میں مسلسل نمایاں اضافہ ہوتا ہے۔ اگر آپ عمومی ML حل کے مقابلے میں، شعبہ جاتی علم استعمال کرتے ہوئے، 30% بہتری حاصل کر سکتے ہیں، آپ صرف حسابی عمل کے مکمل ہونے کا انتظار بھی کر سکتے ہیں اور عمومی طریقوں سے وہی نتائج حاصل کر سکتے ہیں۔ نفسیات کے سوالات کو تیار شدہ NLP ماڈلز سے مربوط کرنے کے طریقے تلاش کرنا، لہٰذا، آگے بڑھنے کا ایک اچھا راستہ ہے۔ تقریباً ہر چھ ماہ بعد نمایاں طور پر بہتر کارکردگی رکھنے والا ایک نیا ماڈل عوام کے لیے جاری کر دیا جاتا ہے۔ لفظی فضا کی توثیق کرنے والے زیادہ عظیم ذہانتوں—PaLM, GPT-7، OSCar (Optimal Sentience Cartography)—کے ذریعے نفسیاتی حقائق کی بارش برسنے کی راہ ہموار کر رہے ہیں۔

قدرتی زبان دنیا کے بارے میں مشترکہ نظریات سے بھری پڑی ہے۔ اب جبکہ ہم ان کی مقدار متعین کر سکتے ہیں، تو کیا انہیں بطورِ ثبوت استعمال نہیں کیا جا سکتا؟

اگر آپ کو یہ دلچسپ لگے تو براہِ کرم اسے شیئر کریں! اصل مضمون شیئر کریں۔