अल-सख़ावी और ‘अल-दौʾ अल-लामिʿ’ ममलूक काल के सामाजिक इतिहास और स्त्री-जीवन का अद्वितीय जीवनी-कोश

 शोधपरक आलेख

अल-सख़ावी और ‘अल-दौʾ अल-लामिʿ’

ममलूक काल के सामाजिक इतिहास और स्त्री-जीवन का अद्वितीय जीवनी-कोश

शम्स अल-दीन मुहम्मद इब्न ʿअब्द अल-रहमान अल-सख़ावी (831–902 हि./1427–1497 ई.)

मुख्य कृति	al-Ḍawʾ al-lāmiʿ li-ahl al-qarn al-tāsiʿ
विषय	नौवीं हिजरी/पंद्रहवीं ईसवी शताब्दी के व्यक्तियों का जीवन-वृत्त
विशेष महत्त्व	बारहवाँ खंड पूर्णतः महिलाओं पर; 1,075 क्रमांकित जीवनियाँ

सारांश

पंद्रहवीं शताब्दी के काहिरा में सक्रिय शम्स अल-दीन मुहम्मद इब्न ʿअब्द अल-रहमान अल-सख़ावी अरबी जीवनी-लेखन, हदीस-अध्ययन और इतिहास-लेखन की परंपरा के अत्यंत महत्त्वपूर्ण विद्वान थे। उनकी बहुखंडी कृति ‘अल-दौʾ अल-लामिʿ लि-अहल अल-क़र्न अल-तासिʿ’ नौवीं हिजरी अर्थात पंद्रहवीं ईसवी शताब्दी के समाज का विस्तृत व्यक्तिचित्र प्रस्तुत करती है। इसका बारहवाँ और अंतिम खंड 1,075 स्त्रियों की क्रमांकित जीवनियों को समर्पित है। इसलिए यह ग्रंथ केवल प्रतिष्ठित पुरुषों का पारंपरिक ‘कौन कौन था’ नहीं, बल्कि शिक्षा, हदीस-परंपरा, परिवार, विवाह, संपत्ति, वक़्फ़, धर्मनिष्ठा, कविता, यात्रा और सामाजिक संपर्कों में महिलाओं की भागीदारी को समझने का दुर्लभ स्रोत भी है। प्रस्तुत आलेख अल-सख़ावी के बौद्धिक व्यक्तित्व, ग्रंथ की संरचना, स्त्री-जीवनियों की ऐतिहासिक उपयोगिता, उसकी पद्धतिगत सीमाओं और रेनाते याकोबी के नवीन अध्ययन के आलोक में उसकी समकालीन प्रासंगिकता का विवेचन करता है।

मुख्य शब्द: अल-सख़ावी, अल-दौʾ अल-लामिʿ, ममलूक काल, अरबी जीवनी-साहित्य, महिला इतिहास, हदीस, वक़्फ़, काहिरा।

प्रस्तावना

मध्यकालीन इस्लामी इतिहास को समझने में ‘तराजिम’, ‘तबक़ात’ और जीवनी-कोशों की भूमिका अत्यंत महत्त्वपूर्ण है। ये ग्रंथ केवल जन्म-मृत्यु, वंश और पदों का लेखा नहीं देते; इनमें ज्ञान के संचार, गुरु-शिष्य संबंधों, यात्राओं, पारिवारिक नेटवर्क, प्रतिष्ठा, आजीविका और नैतिक मूल्यांकन की सूक्ष्म सूचनाएँ भी सुरक्षित रहती हैं। अल-सख़ावी की ‘अल-दौʾ अल-लामिʿ’ इसी परंपरा की एक विशाल और असाधारण उपलब्धि है। इसका शीर्षक मोटे तौर पर ‘नौवीं [हिजरी] शताब्दी के लोगों पर चमकता प्रकाश’ के अर्थ में समझा जा सकता है। ग्रंथ का काल-क्षेत्र नौवीं हिजरी शताब्दी है, जो लगभग पंद्रहवीं ईसवी शताब्दी से मेल खाता है।

इस कृति का विशेष आकर्षण उसका अंतिम खंड है, जिसे सामान्यतः ‘किताब अल-निसाʾ’ अर्थात महिलाओं का खंड कहा जाता है। इसमें 1,075 स्त्रियों की जीवनियाँ हैं और उनमें से अनेक को लेखक व्यक्तिगत रूप से जानता था। इस प्रत्यक्षता के कारण पाठ में औपचारिक विद्वत्तापूर्ण सूचना के साथ संस्मरण, सामाजिक निकटता और निजी मूल्यांकन भी प्रवेश करते हैं। यही गुण ग्रंथ को जीवंत बनाता है, लेकिन इतिहासकार को लेखक की पसंद, वर्गीय स्थिति और नैतिक दृष्टि की आलोचनात्मक जाँच करने के लिए भी बाध्य करता है।[1]

नाम और पहचान: एक आवश्यक स्पष्टीकरण

कुछ आधुनिक प्रकाशकीय परिचयों में विद्वान का नाम संक्षेप से ‘ʿअब्द अल-रहमान अल-सख़ावी’ दिया गया है, किंतु अरबी ग्रंथ-सूचियों में उनका पूरा नाम शम्स अल-दीन अबू अल-ख़ैर मुहम्मद इब्न ʿअब्द अल-रहमान अल-सख़ावी मिलता है। उनका जन्म 831 हिजरी/1427–28 ई. में काहिरा में हुआ और मृत्यु 902 हिजरी/1497 ई. में हुई। ‘अल-सख़ावी’ nisba उनके परिवार के मिस्र के सखा नामक स्थान से संबंध की ओर संकेत करती है। अतः हिन्दी में उन्हें ‘मुहम्मद इब्न ʿअब्द अल-रहमान अल-सख़ावी’ या संक्षेप में ‘अल-सख़ावी’ लिखना अधिक सटीक है।[2]

अल-सख़ावी का बौद्धिक संसार

अल-सख़ावी उस ममलूक काहिरा के विद्वान थे जहाँ मस्जिदों, मदरसों, निजी घरों, सूफ़ी ख़ानक़ाहों और यात्राओं के माध्यम से ज्ञान का व्यापक संचार होता था। वे महान हदीस-विद्वान और इतिहासकार इब्न हजर अल-असक़लानी के प्रमुख शिष्यों में गिने जाते हैं। हदीस-परंपरा में इस्नाद अर्थात ज्ञान-संचरण की प्रमाणित शृंखला का महत्त्व जीवनी-लेखन को विशेष प्रकार की सूक्ष्मता देता था। किसी व्यक्ति ने किससे पढ़ा, किस ग्रंथ की सुनवाई की, किसे इजाज़ा दी, कहाँ यात्रा की और किन विद्वानों से संपर्क रखा—ये विवरण ज्ञान के सामाजिक भूगोल को सामने लाते हैं।

अल-सख़ावी का लेखन व्यापक था और इतिहास, हदीस, जीवनी तथा अपने गुरु इब्न हजर की विस्तृत जीवन-कथा तक फैला हुआ था। ‘अल-दौʾ अल-लामिʿ’ में उनका लेखक-व्यक्तित्व भी छिपा नहीं रहता। वे परिचितों, प्रतिद्वंद्वियों, गुरुओं, परिवारों और नगर-समाज का वर्णन करते हुए स्वयं अपने संबंधों और मूल्य-निर्णयों को दर्ज करते हैं। रेनाते याकोबी ने इसी कारण ‘जीवनी को आत्म-कथन’ के रूप में पढ़ने की संभावना रेखांकित की है: जीवनीकार दूसरों के बारे में लिखते समय अपने सामाजिक स्थान और बौद्धिक संसार का भी अनायास चित्र खींचता है।[3]

‘अल-दौʾ अल-लामिʿ’ की संरचना और स्वरूप

यह अरबी भाषा का बहुखंडी जीवनी-कोश है। उपलब्ध मुद्रित संस्करण बारह खंडों में जाना जाता है; पुस्तकालय सूची इसे कभी बारह खंड, छह जिल्दों में भी दर्ज करती है।[4] प्रविष्टियाँ नामों के वर्णानुक्रम और पारंपरिक जीवनी-लेखन की पद्धति से संगठित हैं। उनमें वंश, जन्म, परिवार, गुरु, अध्ययन, यात्रा, धार्मिक प्रतिष्ठा, पद, विवाह, संतान, आर्थिक स्थिति और मृत्यु जैसी सूचनाएँ अलग-अलग मात्रा में मिलती हैं। प्रत्येक प्रविष्टि समान विस्तार की नहीं है—कुछ कुछ पंक्तियों की हैं, तो कुछ विस्तृत सामाजिक आख्यान बन जाती हैं।

बारहवाँ खंड पूरी तरह महिलाओं को समर्पित होना इस ग्रंथ को विशिष्ट बनाता है। स्त्रियों को परिशिष्ट की तरह दर्ज करने की परंपरा पहले भी थी, किंतु 1,075 क्रमांकित प्रविष्टियों का यह संग्रह अपने विस्तार और विवरण के कारण असाधारण है। इसमें राजपरिवार अथवा अभिजात वर्ग की महिलाओं के साथ विदुषियों, हदीस की रावियाओं, शिक्षिकाओं, कवयित्रियों, सूफ़ी प्रवृत्ति की महिलाओं, व्यापारिक अथवा संपन्न परिवारों की सदस्यों और लेखक की परिचित तथा संबंधी महिलाओं के जीवन की झलक मिलती है।

महिला जीवनियों का ऐतिहासिक महत्त्व

1. ज्ञान और हदीस-परंपरा में महिलाओं की उपस्थिति

ग्रंथ से स्पष्ट होता है कि ममलूक समाज में कुछ महिलाओं ने धार्मिक ज्ञान अर्जित किया, हदीस-सुनवाई में भाग लिया और इजाज़ा के माध्यम से ज्ञान-संचरण की शृंखलाओं में स्थान पाया। अल-सख़ावी स्वयं अनेक महिला विद्वानों से ज्ञान ग्रहण करने की बात करते हैं; आधुनिक शोध में उनके 68 महिला शिक्षकों का उल्लेख मिलता है।[5] यह तथ्य उस सरल धारणा को चुनौती देता है कि मध्यकालीन ज्ञान-संस्थानों में महिलाएँ पूर्णतः अनुपस्थित थीं। फिर भी उनकी भागीदारी पुरुषों के समान संस्थागत नहीं थी: औपचारिक, वेतनभोगी शिक्षण-पदों तक पहुँच सीमित थी और घर, निजी पाठ-सत्र, मस्जिद अथवा विशिष्ट विद्वत्-नेटवर्क अधिक महत्त्वपूर्ण माध्यम थे।

2. परिवार और सामाजिक नेटवर्क

जीवनियाँ विवाह, मातृत्व, विधवापन, रिश्तेदारी, पड़ोस और संरक्षकता से जुड़ी सूचनाएँ देती हैं। किसी महिला की पहचान प्रायः पिता, पति या पुत्र के संबंध से व्यक्त होती है, जो स्रोत की पितृवंशीय संरचना को दिखाता है; पर उन्हीं विवरणों के भीतर महिलाओं के निर्णय, संपत्ति, प्रतिष्ठा और विद्वत् संपर्कों की स्वतंत्र रेखाएँ भी उभरती हैं। अल-सख़ावी अपनी माता, दादी, पुत्री, चाची, भतीजियों, रिश्तेदारों और परिचित महिलाओं का उल्लेख करते हैं। इसलिए पाठ केवल ‘महान व्यक्तियों’ का नहीं, बल्कि लेखक के आसपास के सामाजिक जाल का भी दस्तावेज बन जाता है।[6]

3. संपत्ति, वक़्फ़ और सार्वजनिक भूमिका

वक़्फ़ अर्थात धार्मिक अथवा परोपकारी प्रयोजन के लिए संपत्ति का स्थायी न्यास ममलूक समाज की महत्त्वपूर्ण संस्था थी। महिला जीवनियों और उनसे संबंधित दस्तावेज़ी संकेतों से यह समझा जा सकता है कि संपन्न महिलाएँ संपत्ति रखती थीं, उसे प्रबंधित करती थीं और धार्मिक-सामाजिक संस्थाओं के लिए वक़्फ़ स्थापित कर सकती थीं। रेनाते याकोबी का अध्ययन ‘Women in the Endowment System of the Mamlūk Period’ इसी क्षेत्र को सामने लाता है। यहाँ ‘सार्वजनिक स्थान’ का अर्थ केवल दरबार या औपचारिक पद नहीं, बल्कि दान, धार्मिक प्रतिष्ठान, शैक्षणिक संरक्षण और पारिवारिक संसाधनों पर प्रभाव भी है।[3]

4. साहित्य, भावनाएँ और व्यक्तित्व

जीवनी-कोश में कविता, प्रशंसा, स्मृति और भावनात्मक संबंधों के संकेत भी मिलते हैं। याकोबी का ‘The Scholar and the Poetess: A Friendship of the Heart in Mamlūk Egypt’ शीर्षक अध्ययन विद्वान और कवयित्री के संबंध को लेकर उस भावनात्मक संसार पर प्रकाश डालता है जिसे राजनीतिक इतिहास प्रायः दर्ज नहीं करता। इस प्रकार ‘अल-दौʾ अल-लामिʿ’ सामाजिक इतिहास के साथ साहित्यिक संस्कृति और भावनाओं के इतिहास के लिए भी उपयोगी है।

स्रोत की सीमाएँ और आलोचनात्मक पठन

किसी जीवनी-कोश को तत्कालीन समाज की पूर्ण जनगणना नहीं माना जा सकता। अल-सख़ावी की चयन-दृष्टि मुख्यतः शिक्षित, धार्मिक, शहरी, मध्य अथवा उच्च वर्ग और अपने सामाजिक नेटवर्क से जुड़े लोगों की ओर झुकती है। निर्धन, ग्रामीण, दास अथवा श्रमजीवी महिलाओं का जीवन अपेक्षाकृत कम दिखाई देता है। सूचना की मात्रा भी प्रतिष्ठा, लेखक की निकटता और उपलब्ध स्रोतों के अनुसार बदलती है।

दूसरी सीमा भाषा और मूल्यांकन की है। लेखक महिलाओं की प्रशंसा अक्सर धर्मनिष्ठा, शील, मातृत्व, वंश अथवा विद्वत्-संबंधों की स्वीकृत श्रेणियों में करता है। अतः आधुनिक इतिहासकार को यह पूछना चाहिए कि कौन-सी महिला शामिल हुई, किसे छोड़ा गया, किस गुण को ‘स्मरणीय’ माना गया और किस व्यवहार पर मौन रखा गया। हुदा लुत्फ़ी ने इस खंड का सामाजिक-आर्थिक इतिहास के स्रोत के रूप में अग्रणी विश्लेषण करते हुए दिखाया कि उसकी समृद्ध सूचनाओं के बावजूद उसमें सामान्य महिलाओं की तुलना में हदीस-संप्रेषक और उच्च सामाजिक वर्ग अधिक दिखाई देते हैं।[6] स्रोत की यही पक्षधरता उसकी कमजोरी मात्र नहीं; वह स्वयं ममलूक समाज की प्रतिष्ठा-व्यवस्था का प्रमाण भी है।

रेनाते याकोबी का योगदान

2024 में अमेरिकन यूनिवर्सिटी ऑफ बेरूत प्रेस से प्रकाशित ‘Al-Sakhāwī: A Biographer from Mamlūk Cairo and His Dictionary of Women’ में रेनाते याकोबी के कई अध्ययनों को किरिल दिमित्रिएव ने संपादित कर एकत्र किया है। 192 पृष्ठों की यह पुस्तक Sheikh Zayed Bin Sultan Al Nahyan Series में प्रकाशित हुई। इसके प्रथम भाग में अल-सख़ावी और उनके परिवार, जीवनी को आत्म-कथन के रूप में पढ़ने तथा विद्वान-कवयित्री संबंध पर विचार है; दूसरे भाग में ममलूक काल की विदुषी महिलाएँ और वक़्फ़-व्यवस्था में महिलाओं की भूमिका केंद्र में है। अंत में चुनिंदा जीवनियाँ दी गई हैं। दो अध्ययनों का अंग्रेज़ी रूप पहली बार इसी संकलन में प्रकाशित हुआ।[3]

याकोबी की विशेषता यह है कि वे ग्रंथ को केवल डेटा-संग्रह नहीं मानतीं। वे लेखक के परिवार, मित्रता, प्रतिस्पर्धा, भावनाओं और आत्म-प्रतिनिधित्व को भी ऐतिहासिक विश्लेषण में शामिल करती हैं। इस दृष्टि से अल-सख़ावी का जीवनी-कोश दो स्तरों पर पढ़ा जाता है—पहला, जिन स्त्री-पुरुषों का वर्णन किया गया है उनका सामाजिक इतिहास; और दूसरा, स्वयं जीवनीकार के चयन, भाषा और संबंधों का बौद्धिक इतिहास।

समकालीन अध्ययन के लिए प्रासंगिकता

आज महिला इतिहास, सूक्ष्म इतिहास, नेटवर्क अध्ययन और डिजिटल मानविकी के लिए ‘अल-दौʾ अल-लामिʿ’ में विशाल संभावनाएँ हैं। 1,075 महिला प्रविष्टियों से नाम, स्थान, गुरु, परिवार, यात्राएँ, वक़्फ़, पेशा और कालक्रम जैसे संकेत व्यवस्थित करके ममलूक समाज के ज्ञान-नेटवर्क का मानचित्र बनाया जा सकता है। पुरुष और महिला प्रविष्टियों की तुलना से यह भी देखा जा सकता है कि दोनों के लिए प्रयुक्त प्रशंसा, आलोचना और सार्वजनिक उपलब्धि के मानदंड किस प्रकार भिन्न थे।

साथ ही, डिजिटल विश्लेषण को अरबी नामों की विविध वर्तनी, एक ही व्यक्ति के अनेक संबोधनों, अधूरी तिथियों और स्रोत की चयनात्मकता से सावधान रहना होगा। मात्र संख्यात्मक उपस्थिति को समान सामाजिक शक्ति का प्रमाण नहीं माना जा सकता। फिर भी ग्रंथ यह दृढ़ता से सिद्ध करता है कि ममलूक काल की महिलाएँ ज्ञान, धर्म, संपत्ति, दान और सामाजिक प्रतिष्ठा की दुनिया में दृश्यमान थीं—भले ही उनकी उपस्थिति सीमित, वर्ग-विशिष्ट और पुरुष जीवनीकार की दृष्टि से छनकर आई हो।

निष्कर्ष

‘अल-दौʾ अल-लामिʿ लि-अहल अल-क़र्न अल-तासिʿ’ पंद्रहवीं शताब्दी के अरबी-इस्लामी संसार का एक महत्त्वपूर्ण स्मृति-भंडार है। अल-सख़ावी ने जीवनी को वंश और पद की सूची से आगे बढ़ाकर ज्ञान, संबंध, प्रतिष्ठा और दैनिक जीवन के विवरणों से जोड़ा। बारहवें खंड की 1,075 महिला जीवनियाँ इस कृति को महिला इतिहास का विशेष स्रोत बनाती हैं। इनमें विदुषियों और हदीस-संप्रेषकों की उपस्थिति, परिवार और नेटवर्क, संपत्ति और वक़्फ़, कविता तथा भावनात्मक संबंध—सभी के संकेत मिलते हैं।

इस ग्रंथ का सबसे संतुलित उपयोग तब संभव है जब उसकी सूचनात्मक समृद्धि और चयनात्मक सीमाओं दोनों को साथ पढ़ा जाए। रेनाते याकोबी का संकलित अध्ययन इसी आलोचनात्मक पद्धति को आगे बढ़ाता है और दिखाता है कि जीवनी-साहित्य अतीत की निष्क्रिय सूची नहीं, बल्कि सामाजिक स्मृति, आत्म-प्रतिनिधित्व और सत्ता-संबंधों का सक्रिय निर्माण है। हिन्दी के इतिहास, तुलनात्मक साहित्य, स्त्री-अध्ययन और इस्लामी अध्ययन के शोधार्थियों के लिए अल-सख़ावी की कृति एक ऐसे स्रोत का द्वार खोलती है जहाँ मध्यकालीन काहिरा की अनेक भूली-बिसरी स्त्री-आवाज़ों की प्रतिध्वनि आज भी सुनी जा सकती है।

संदर्भ

1. अल-सख़ावी, शम्स अल-दीन मुहम्मद इब्न ʿअब्द अल-रहमान. al-Ḍawʾ al-lāmiʿ li-ahl al-qarn al-tāsiʿ, खंड 11–12. काहिरा: Maktabat al-Qudsī, 1934–37. डिजिटल प्रति: NYU Arabic Collections Online

2. University of Wisconsin–Madison Libraries. ‘al-Ḍawʾ al-lāmiʿ li-ahl al-qarn al-tāsiʿ’: 12 volumes in 6; Beirut reprint of the Cairo edition. पुस्तकालय अभिलेख

3. Jacobi, Renate. Al-Sakhāwī: A Biographer from Mamlūk Cairo and His Dictionary of Women. संपादक Kirill Dmitriev. Beirut: American University of Beirut Press, 2024. ISBN 9786144920084. प्रकाशक विवरण

4. American University of Beirut. ‘AUB Press Releases New Work: Al-Sakhawi’, 10 September 2024. प्रेस विज्ञप्ति

5. Baker Institute for Public Policy. ‘Women as Religious Authorities: What a Forgotten History Means for the Modern Middle East.’ ऑनलाइन आलेख

6. Lutfi, Huda. ‘Al-Sakhāwī’s Kitāb al-Nisāʾ as a Source for the Social and Economic History of Muslim Women during the Fifteenth Century A.D.’ The Muslim World 71 (1981): 104–124. DOI: 10.1111/j.1478-1913.1981.tb03432.x. Mamluk Bibliography Online

7. Roded, Ruth. Women in Islamic Biographical Collections: From Ibn Saʿd to Who’s Who. Boulder: Lynne Rienner Publishers, 1994. पुस्तक विवरण

8. Rosenthal, Franz. A History of Muslim Historiography. 2nd revised ed. Leiden: Brill, 1968.

हिन्दी और कृत्रिम बुद्धिमत्ता शिक्षा, रोजगार और डिजिटल भविष्य की नई संभावनाएँ

 शोध-लेख

हिन्दी और कृत्रिम बुद्धिमत्ता

शिक्षा, रोजगार और डिजिटल भविष्य की नई संभावनाएँ

विषय-चित्र: हिन्दी-आधारित AI-सक्षम उच्च शिक्षा का प्रतिनिधि दृश्य। स्रोत: इस लेख हेतु निर्मित AI-सहायित मौलिक चित्र; यह किसी वास्तविक घटना का दस्तावेज़ नहीं है।

डॉ. मनीष कुमार सी. मिश्रा एसोसिएट प्रोफेसर, हिन्दी विभाग के. एम. अग्रवाल कला, वाणिज्य एवं विज्ञान महाविद्यालय कल्याण (पश्चिम), महाराष्ट्र, भारत पूर्व ICCR हिन्दी चेयर एवं विज़िटिंग प्रोफेसर ताशकंद स्टेट यूनिवर्सिटी ऑफ ओरिएंटल स्टडीज़, उज़्बेकिस्तान (2024–2025)	डॉ. उषा आलोक दुबे असिस्टेंट प्रोफेसर, हिन्दी विभाग एम. डी. कॉलेज, परेल मुंबई, महाराष्ट्र, भारत

समीक्षा-आधारित संयुक्त शोध-पत्र • स्रोत-अद्यतन: 27 अगस्त 2026

सारांश

कृत्रिम बुद्धिमत्ता, विशेषतः प्राकृतिक भाषा संसाधन, वाक्-प्रौद्योगिकी और जनरेटिव बड़े भाषा मॉडल, भाषा-शिक्षण तथा ज्ञान-अर्थव्यवस्था के ढाँचे को तीव्र गति से पुनर्गठित कर रहे हैं। हिन्दी के लिए यह परिवर्तन केवल तकनीकी सुविधा का प्रश्न नहीं है; यह भाषायी न्याय, शिक्षा की पहुँच, रोजगार-परिवर्तन, सांस्कृतिक स्मृति, अनुवाद की गुणवत्ता और डिजिटल नागरिकता से जुड़ा विकासात्मक प्रश्न है। यह लेख हिन्दी–AI पारितंत्र का बहुस्तरीय विश्लेषण प्रस्तुत करता है। इसमें शिक्षा, भाषा-अधिगम, भाषाविज्ञान, अनुवाद, साहित्यिक सृजन एवं डिजिटल मानविकी, लोकप्रिय AI उपकरण, भारत सरकार की नीतियाँ और भावी कार्ययोजनाएँ, तथा वैश्विक उदाहरणों का समीक्षात्मक अध्ययन किया गया है।

अध्ययन की पद्धति कथात्मक–नीतिगत समीक्षा है। UNESCO, भारत सरकार, CBSE, MeitY, IndiaAI, BHASHINI, NIST, ILO, World Economic Forum और ISO के प्राथमिक दस्तावेज़ों के साथ ACL, TMLR, RELC Journal, Patterns तथा अन्य सहकर्मी-समीक्षित अनुसंधानों का उपयोग किया गया है। निष्कर्ष बताते हैं कि AI वैयक्तिकृत अभ्यास, त्वरित प्रतिक्रिया, बहुभाषी सामग्री, वाक्-सहायता और अनुवाद-सुगमता को बढ़ा सकता है; परन्तु भ्रमोत्पादक उत्तर, सांस्कृतिक समतलीकरण, डेटा-असमानता, निजता, कॉपीराइट, मूल्यांकन की विश्वसनीयता और गैर-अंग्रेज़ी लेखकों के प्रति भेदभाव जैसी चुनौतियाँ गंभीर हैं। लेख का केंद्रीय तर्क है कि हिन्दी का डिजिटल भविष्य केवल बड़े मॉडल बनाने से सुरक्षित नहीं होगा; उसके लिए गुणवत्तापूर्ण सार्वजनिक डेटा, समुदाय-आधारित शासन, शिक्षक और अनुवादक की AI-साक्षरता, मानव-पर्यवेक्षित मूल्यांकन तथा स्थायी भाषा-रोजगार आवश्यक हैं। अन्त में ‘हिन्दी–AI 2030’ हेतु मापनीय नीतिगत सुझाव दिए गए हैं।

शब्द-संख्या और सन्दर्भ-पद्धति  मुख्य लेख 10,000 से अधिक शब्दों का है। उद्धरण और स्रोत [1], [2] जैसी क्रमांकित अकादमिक शैली में दिए गए हैं; पूर्ण सन्दर्भ-सूची अंत में है।

मुख्य शब्द

हिन्दी; कृत्रिम बुद्धिमत्ता; भाषा-शिक्षण; प्राकृतिक भाषा संसाधन; अनुवाद; डिजिटल मानविकी; रोजगार; IndiaAI Mission; BHASHINI; जनरेटिव AI।

1. प्रस्तावना: भाषा, बुद्धिमत्ता और सार्वजनिक भविष्य

भाषा मनुष्य की संज्ञानात्मक क्षमता, सामाजिक स्मृति और राजनीतिक भागीदारी का आधार है। डिजिटल युग में कोई भाषा तभी पूर्ण सार्वजनिक जीवन जी सकती है जब वह केवल स्क्रीन पर दिखाई न दे, बल्कि खोजी जा सके, बोली और सुनी जा सके, मशीन द्वारा समझी जा सके, दूसरी भाषाओं में विश्वसनीय रूप से अनूदित हो सके और उसके उपयोगकर्ता डिजिटल सेवाओं में निर्णयकारी भागीदारी कर सकें। कृत्रिम बुद्धिमत्ता ने इस बहुआयामी क्षमता को एक साथ विस्तृत भी किया है और चुनौती भी दी है। हिन्दी जैसी विशाल जनाधार वाली भाषा के लिए अवसर इसलिए बड़ा है कि शिक्षा, शासन, स्वास्थ्य, कृषि, न्याय, मीडिया, व्यापार और संस्कृति—सभी क्षेत्रों में भाषा-सुलभता की माँग है; चुनौती इसलिए गहरी है कि डिजिटल डेटा की गुणवत्ता, बोली-विविधता, मानकीकरण, कॉपीराइट और तकनीकी संसाधनों का वितरण असमान है।

जनरेटिव AI पर UNESCO का मार्गदर्शन शिक्षा को मानव-केंद्रित दृष्टि से देखने तथा मानव क्षमता, एजेंसी और गरिमा को तकनीकी नवाचार के ऊपर रखने का आग्रह करता है [1]। शिक्षक-सक्षमता ढाँचा पाँच आयामों में पंद्रह क्षमताएँ बताता है—मानव-केंद्रित मानसिकता, AI की नैतिकता, आधारभूत ज्ञान और अनुप्रयोग, AI-सक्षम शिक्षाशास्त्र तथा व्यावसायिक अधिगम [2]। विद्यार्थियों के लिए UNESCO का समानांतर ढाँचा चार आयामों और तीन प्रगति-स्तरों में बारह क्षमताओं को रेखांकित करता है [3]। भारत-केंद्रित UNESCO शिक्षा-रिपोर्ट ने AI को समावेशन, गुणवत्ता और प्रशासन की सम्भावना के रूप में रखते हुए स्थानीय सन्दर्भ, शिक्षक-तैयारी और नैतिक शासन की आवश्यकता बतायी है [4]। इन स्रोतों से स्पष्ट होता है कि शिक्षा में AI को केवल नया सॉफ्टवेयर मानना अपर्याप्त है; यह पाठ्यचर्या, शिक्षक-अधिकार, मूल्यांकन और संस्थागत उत्तरदायित्व का प्रश्न है।

भारत की राष्ट्रीय शिक्षा नीति 2020 तकनीकी परिवर्तन को पाठ्यचर्या से जोड़ते हुए कहती है कि विद्यालयी चरणों पर ‘introduction of contemporary subjects such as Artificial Intelligence’ होना चाहिए [5, §4.24]। यह संक्षिप्त कथन नीति की दिशा तो बताता है, पर वास्तविक परिणाम संसाधन, भाषाई माध्यम, शिक्षक-प्रशिक्षण और मूल्यांकन-रचना पर निर्भर करेंगे। यदि AI पाठ्यक्रम केवल अंग्रेज़ी इंटरफेस, महँगे उपकरण और शहरी प्रयोगशालाओं तक सीमित रहा तो डिजिटल विभाजन बढ़ेगा; यदि वही तकनीक हिन्दी तथा भारतीय भाषाओं में, कम बैंडविड्थ और ऑफलाइन विकल्पों के साथ उपलब्ध हो, तो यह वंचित शिक्षार्थियों के लिए ज्ञान-प्रवेश का माध्यम बन सकती है।

इस लेख में ‘हिन्दी और AI’ को तीन स्तरों पर देखा गया है। पहला, भाषा के भीतर AI—अर्थात् हिन्दी पाठ, वाक्, लिपि, अनुवाद, सारांश, संवाद और सृजन को सम्भव बनाने वाले मॉडल। दूसरा, AI के माध्यम से हिन्दी—अर्थात् शिक्षा, प्रशासन और रोजगार में हिन्दी-उपयोगकर्ताओं की पहुँच। तीसरा, AI पर हिन्दी में सार्वजनिक विमर्श—अर्थात् नागरिक यह समझ सकें कि मॉडल कैसे निर्णय करते हैं, उनका डेटा कहाँ जाता है और त्रुटि होने पर उत्तरदायित्व किसका है। तीनों स्तर पर सफलता की कसौटी केवल तकनीकी शुद्धता नहीं, बल्कि सामाजिक उपयोगिता और अधिकार-सुरक्षा भी है।

‘उद्धरण 1 — introduction of contemporary subjects such as Artificial Intelligence’ [5, §4.24]

2. अध्ययन-पद्धति, दायरा और सीमाएँ

यह अध्ययन एक कथात्मक, तुलनात्मक और नीतिगत समीक्षा है। सामग्री-चयन के तीन मानदंड अपनाए गए: पहला, सरकारी नीति या कार्यक्रम के लिए संबंधित मंत्रालय, नियामक संस्था अथवा आधिकारिक पोर्टल का प्राथमिक स्रोत; दूसरा, तकनीकी और शैक्षिक दावों के लिए सहकर्मी-समीक्षित शोध, मानक या प्रतिष्ठित अंतरराष्ट्रीय संस्था का प्रकाशन; तीसरा, लोकप्रिय AI उपकरणों के वर्तमान कार्य और भाषायी उपलब्धता के लिए निर्माता की आधिकारिक सहायता अथवा उत्पाद-सूचना। जहाँ उद्योग-रिपोर्ट का अनुमान प्रयोग हुआ है, वहाँ उसे तथ्य के बजाय अनुमान के रूप में चिह्नित किया गया है। सरकारी योजना के मामले में ‘घोषित’, ‘स्वीकृत’, ‘कार्यान्वयनाधीन’ और ‘लेखकों का सुझाव’—इन चार श्रेणियों को मिलाया नहीं गया है।

समीक्षा का स्रोत-अद्यतन 27 अगस्त 2026 तक है। AI सेवाओं की सुविधाएँ, मूल्य, भाषा-सूची और उपयोग की शर्तें तेजी से बदलती हैं; इसलिए उपकरण-सूची को स्थायी रैंकिंग नहीं, उपयोग-परिस्थिति आधारित मार्गदर्शिका समझना चाहिए। हिन्दी-समर्थन का अर्थ भी एकरूप नहीं है। किसी उपकरण में हिन्दी पाठ का इनपुट सम्भव होना, उत्कृष्ट हिन्दी व्याकरण-सुधार, सहज हिन्दी वाक्-पहचान और सांस्कृतिक रूप से उपयुक्त उत्तर—चार अलग क्षमताएँ हैं। तालिकाओं में इन्हें यथासम्भव अलग किया गया है।

शोध का उद्देश्य किसी उत्पाद का प्रचार या निषेध नहीं, बल्कि उपयुक्तता का विवेक विकसित करना है। जनरेटिव मॉडल संभाव्य भाषा-आधारित प्रणाली हैं; वे विश्वसनीय दिखने वाला गलत तथ्य, बनावटी सन्दर्भ अथवा असंगत अनुवाद उत्पन्न कर सकते हैं। इसलिए लेख में वर्णित प्रत्येक शैक्षणिक कार्य के साथ स्रोत-जाँच, मानवीय समीक्षा और डेटा-सुरक्षा की शर्त जोड़ी गई है। यह समीक्षा प्रयोगात्मक हस्तक्षेप-अध्ययन नहीं है; फलतः किसी उपकरण से सीखने के परिणाम की सार्वभौमिक कारणात्मक गारंटी नहीं दी जा सकती। निष्कर्ष नीतिगत और शिक्षाशास्त्रीय संश्लेषण हैं, जिन्हें स्थानीय पायलट तथा सहभागितापूर्ण मूल्यांकन से परखा जाना चाहिए।

3. तकनीकी आधार: NLP, वाक्-प्रौद्योगिकी और बड़े भाषा मॉडल

प्राकृतिक भाषा संसाधन (Natural Language Processing—NLP) कंप्यूटर विज्ञान, भाषाविज्ञान और सांख्यिकी का अंतःविषयी क्षेत्र है। इसके प्रमुख कार्यों में शब्द-विभाजन, पद-परिचय, नामित सत्ता पहचान, भाव-वर्गीकरण, प्रश्नोत्तर, सारांश, मशीन अनुवाद और पाठ-उत्पादन आते हैं। वाक्-प्रौद्योगिकी में स्वचालित वाक्-पहचान (ASR) आवाज़ को पाठ में बदलती है, पाठ-से-वाक् (TTS) लिखित सामग्री को आवाज़ देती है और स्पीकर अथवा ध्वनि-मॉडल उच्चारण, लय और ध्वन्यात्मक विशेषताओं का विश्लेषण करते हैं। ऑप्टिकल कैरेक्टर रिकग्निशन (OCR) मुद्रित या हस्तलिखित दस्तावेज़ को मशीन-पठनीय बनाता है। हिन्दी के लिए इन कार्यों में देवनागरी संयोजन, मात्रा-क्रम, अनुस्वार–चन्द्रबिन्दु, नुक्ता, संस्कृतनिष्ठ और बोलचाल के रूप, रोमन हिन्दी तथा कोड-मिश्रण जैसी विशिष्ट समस्याएँ आती हैं।

बड़े भाषा मॉडल विशाल पाठ-संग्रह पर अगले टोकन की संभावना सीखते हैं। वे भाषा की नियमितताओं को इतने व्यापक पैमाने पर आत्मसात करते हैं कि निर्देशानुसार उत्तर, सारांश, उदाहरण, प्रश्न, संवाद और कोड बना सकते हैं। फिर भी उनका ‘ज्ञान’ मनुष्य के अनुभव या सत्यापन जैसा नहीं होता। उत्तर प्रशिक्षण-डेटा, निर्देश, मॉडल-अनुकूलन और वर्तमान प्रसंग का सांख्यिकीय परिणाम है। इसी कारण प्रवाहपूर्ण हिन्दी को तथ्यात्मक प्रामाणिकता का पर्याय नहीं माना जा सकता। मॉडल किसी लेखक की शैली का सतही अनुकरण कर सकता है, पर ऐतिहासिक प्रसंग, बोली की सामाजिक अर्थवत्ता और व्यंजना का सटीक बोध हर बार नहीं करता।

भारतीय भाषाओं के लिए सार्वजनिक शोध-अवसंरचना पिछले वर्षों में उल्लेखनीय रूप से बढ़ी है। IndicNLPSuite ने एकभाषी कॉर्पस, मूल्यांकन-बेंचमार्क और पूर्व-प्रशिक्षित बहुभाषी मॉडल उपलब्ध कराकर तुलनीय शोध की बुनियाद मजबूत की [13]। MuRIL ने भारतीय भाषाओं और लिप्यंतरण-रूपों के लिए प्रतिनिधित्व सीखने की दिशा में प्रगति दिखाई [14]। IndicTrans2 ने संविधान की आठवीं अनुसूची की सभी 22 भाषाओं के लिए अनुवाद मॉडल विकसित किए तथा भारत पैरेलल कॉर्पस संग्रह को बड़े पैमाने पर विस्तृत किया [15]। IndicGenBench ने 29 भारतीय भाषाओं, 13 लिपियों और चार भाषा-परिवारों में जनरेशन-क्षमता की जाँच का ढाँचा दिया [16]। AI4Bharat का वर्तमान कार्य बहुभाषी कॉर्पस, निर्देश-डेटा, वाक् और अनुवाद मॉडल के खुले विकास को आगे बढ़ाता है [17]। इन पहलों का मूल्य केवल मॉडल-स्कोर में नहीं, बल्कि अनुसंधान की पुनरुत्पादकता और छोटी भाषाओं तक उपकरण पहुँचाने में है।

हिन्दी का संसाधन-स्तर अन्य अनेक भारतीय भाषाओं से बड़ा है, पर अंग्रेज़ी की तुलना में काफी असमान है। इंटरनेट से संकलित पाठ में समाचार, सरकारी सामग्री और औपचारिक गद्य की अधिकता तथा बोलियों, लोकज्ञान, बालभाषा, दिव्यांग-उपयोगकर्ताओं और स्त्री–दलित–आदिवासी अनुभवों का अल्प प्रतिनिधित्व हो सकता है। यदि प्रशिक्षण-डेटा में यह असंतुलन है, तो मॉडल ‘मानक हिन्दी’ को सीमित सामाजिक रूप में प्रस्तुत कर सकता है और परिधीय रूपों को त्रुटि समझ सकता है। भाषा-विकास के लिए कॉर्पस की मात्रा के साथ स्रोत-विविधता, लाइसेंस, दस्तावेज़ीकरण और समुदाय की सहमति महत्वपूर्ण है।

मॉडल-मूल्यांकन को भी बहुस्तरीय होना चाहिए। मशीन अनुवाद के लिए BLEU या chrF जैसे स्वचालित माप उपयोगी संकेत हैं, पर वे अर्थ, शैली, सांस्कृतिक उपयुक्तता और जोखिम का पूर्ण परीक्षण नहीं करते। शिक्षा में सही उत्तर के साथ व्याख्या की स्पष्टता, आयु-उपयुक्तता और पाठ्यचर्या-संगति देखनी होगी। साहित्य में रूपक, छंद, अंतर्पाठ और आवाज़ की विशिष्टता की विशेषज्ञ समीक्षा आवश्यक है। प्रशासन में नाम, संख्या, तिथि और विधिक अर्थ की एक छोटी त्रुटि भी गंभीर परिणाम दे सकती है। इसलिए एक ही ‘सटीकता’ प्रतिशत से हिन्दी–AI की गुणवत्ता का दावा भ्रामक हो सकता है।

चित्र 1. हिन्दी–AI पारितंत्र: डेटा, शिक्षण, भाषा-तकनीक, साहित्य, रोजगार और शासन का परस्पर संबंध। स्रोत: लेखकों द्वारा निर्मित संकल्पनात्मक आरेख।

4. हिन्दी और AI-सक्षम शिक्षा: संभावना से शिक्षाशास्त्र तक

4.1 वैयक्तिकृत अधिगम और त्वरित प्रतिपुष्टि

भाषा-कक्षा में शिक्षार्थियों की गति, शब्दावली, मातृभाषा, रुचि और त्रुटि-पैटर्न अलग होते हैं। पारंपरिक कक्षा में शिक्षक प्रत्येक छात्र को लगातार व्यक्तिगत अभ्यास नहीं दे सकता। AI छात्र की प्रतिक्रिया के आधार पर पाठ की कठिनाई बदल सकता है, अतिरिक्त उदाहरण दे सकता है, वार्तालाप का साथी बन सकता है और एक ही व्याकरणिक बिंदु को अनेक सन्दर्भों में समझा सकता है। बड़े भाषा मॉडल की शैक्षिक संभावनाओं पर समीक्षा यह बताती है कि संवादात्मक सहायता, सामग्री-रचना और प्रतिक्रिया के साथ तथ्यात्मक भ्रम, पक्षपात, निर्भरता और मूल्यांकन-अखंडता की चुनौतियाँ जुड़ी हैं [6]। अतः वैयक्तिकरण का अर्थ शिक्षक को हटाना नहीं, शिक्षक के निर्णय को बेहतर सूचना और अधिक समय देना होना चाहिए।

हिन्दी पढ़ाने में शिक्षक एक पाठ के तीन कठिनाई-स्तर बना सकता है: आरम्भिक स्तर पर सरल वाक्य और शब्दार्थ, मध्य स्तर पर अनुच्छेद-बोध और व्याकरण, उन्नत स्तर पर शैली, विमर्श और आलोचनात्मक प्रश्न। AI रूपांतर का पहला प्रारूप तैयार कर सकता है, लेकिन शिक्षक को देखना होगा कि सरलीकरण ने अर्थ या सांस्कृतिक बारीकी नष्ट तो नहीं की। इसी प्रकार स्वचालित प्रतिक्रिया छात्र की वर्तनी या वाक्य-रचना पर त्वरित संकेत दे सकती है, पर रचनात्मक लेखन में एकाधिक वैध उत्तरों और लेखक की आवाज़ को बचाना आवश्यक है।

प्रतिक्रिया का सर्वोत्तम मॉडल ‘उत्तर बताने’ के बजाय ‘सोचने में सहारा’ देना है। उदाहरणतः छात्र यदि काल का गलत प्रयोग करे तो AI सीधा सुधार देने से पहले क्रिया और समय-सूचक पद पहचानने का संकेत दे। दूसरे चरण में दो विकल्प दे और अन्त में नियम समझाए। इससे मेटाकॉग्निशन विकसित होता है। शिक्षक AI को विशिष्ट रूब्रिक दे सकता है—विषय-वस्तु, संगठन, शब्द-चयन, व्याकरण और मौलिकता—पर अंक देना मानव पर्यवेक्षण में रहना चाहिए। स्वचालित निबंध-मूल्यांकन पर शोध इसकी संभावनाएँ दिखाता है, साथ ही वैधता और संदर्भ-संवेदनशीलता की निरंतर जाँच की जरूरत भी [9]।

4.2 सामग्री-निर्माण, बहु-माध्यम और समावेशन

AI-सहायित सामग्री-निर्माण से शिक्षक पाठ-योजना, अभ्यास-पत्र, उदाहरण, संवाद, शब्द-सूची, प्रश्नोत्तरी और पुनरावृत्ति सामग्री तेजी से तैयार कर सकता है। इसका उचित उपयोग समय-बचत है, न कि बिना समीक्षा के सामग्री-वितरण। शिक्षक को स्रोत-पाठ, सीखने का परिणाम, आयु-स्तर और निषिद्ध सामग्री स्पष्ट रूप से देनी चाहिए। आउटपुट को तथ्य, भाषा, विविधता और मूल्यांकन-संगति की कसौटी पर जाँचना चाहिए। विशेषतः इतिहास, साहित्य और सामाजिक प्रश्नों में जनरेटिव मॉडल प्रचलित लेकिन एकांगी आख्यान दोहरा सकता है।

बहु-माध्यम तकनीक समावेशन का बड़ा अवसर देती है। ASR व्याख्यान को तुरन्त पाठ में बदल सकता है; TTS दृष्टिबाधित या पढ़ने में कठिनाई वाले शिक्षार्थियों को सामग्री सुना सकता है; OCR पुरानी या मुद्रित हिन्दी सामग्री को खोजयोग्य बना सकता है; मशीन अनुवाद घर की भाषा और विद्यालय की भाषा के बीच सेतु बना सकता है। पर उच्चारण, पृष्ठभूमि-शोर और बोली के कारण वाक्-पहचान की त्रुटि असमान हो सकती है। दिव्यांग उपयोगकर्ताओं के लिए सुविधा का दावा वास्तविक उपयोगकर्ता-परीक्षण के बाद ही करना चाहिए। कैप्शन, कीबोर्ड-नेविगेशन, स्पष्ट दृश्य-विन्यास और कम-बैंडविड्थ विकल्प डिज़ाइन का मूल हिस्सा होने चाहिए।

हिन्दी माध्यम के शिक्षार्थियों के लिए AI विज्ञान, गणित, विधि और तकनीकी विषयों की संकल्पना समझाने में सहायक हो सकता है। छात्र अंग्रेज़ी स्रोत का सार हिन्दी में माँग सकता है, कठिन शब्दों की द्विभाषी सूची बना सकता है और उदाहरण स्थानीय सन्दर्भ में देख सकता है। किन्तु तकनीकी पारिभाषिकी में एक ही अंग्रेज़ी पद के अनेक हिन्दी रूप भ्रम पैदा कर सकते हैं। बेहतर प्रणाली स्वीकृत शब्दावली, मूल अंग्रेज़ी पद और प्रसंगानुकूल सरल व्याख्या तीनों दिखाए। शिक्षा-सामग्री में मानकीकरण और जीवंत उपयोग के बीच संतुलन जरूरी है।

4.3 शिक्षक की भूमिका और AI साक्षरता

AI-सक्षम कक्षा में शिक्षक की भूमिका सामग्री-प्रदाता से सीखने का वास्तुकार, संवाद-संचालक, स्रोत-समीक्षक और नैतिक संरक्षक बनने की दिशा में विस्तृत होती है। शिक्षक को मॉडल की बुनियादी कार्यपद्धति, प्रॉम्प्ट की सीमाएँ, डेटा-गोपनीयता, कॉपीराइट, पक्षपात और सत्यापन की तकनीक समझनी होगी। UNESCO के शिक्षक-सक्षमता ढाँचे में क्षमताओं का क्रम अर्जन, गहनता और सृजन की ओर बढ़ता है [2]। इसका अर्थ है कि एक बार की कार्यशाला पर्याप्त नहीं; विषय-विशेष समुदाय, उदाहरण-बैंक, सहकर्मी समीक्षा और निरंतर व्यावसायिक विकास आवश्यक है।

AI नीति शिक्षक की पेशेवर स्वायत्तता का सम्मान करे। विद्यालय अथवा विश्वविद्यालय यह स्पष्ट करे कि कौन-सा डेटा उपकरण में दिया जा सकता है, छात्र-खाता कब आवश्यक है, किस प्रकार की सहमति चाहिए, आउटपुट का अभिलेख कैसे रखा जाएगा और शिकायत कहाँ होगी। शिक्षक पर निगरानी बढ़ाने या केवल स्वचालित डैशबोर्ड से प्रदर्शन तय करने की प्रवृत्ति शिक्षा को मानवीय सम्बन्ध से दूर कर सकती है। डेटा विश्लेषण निदान में सहायता करे, निर्णय का एकमात्र आधार न बने।

कक्षा में ‘AI उपयोग उद्घोषणा’ उपयोगी अभ्यास है। छात्र असाइनमेंट में लिखे कि उसने कौन-सा उपकरण किस उद्देश्य से प्रयोग किया, कौन-से संकेत दिए, क्या बदला और किन स्रोतों से सत्यापित किया। इससे छिपे उपयोग के बजाय पारदर्शी कौशल विकसित होता है। मौखिक विवेचना, प्रक्रिया-डायरी, कक्षा-लेखन और स्थानीय सामग्री के मिश्रण से मूल्यांकन अधिक प्रामाणिक बनता है। गैर-अंग्रेज़ी लेखकों पर AI-डिटेक्टर के भेदभाव का शोध चेतावनी देता है कि केवल डिटेक्टर-स्कोर पर अनुशासनात्मक निर्णय अनुचित हो सकता है [10]।

क्षेत्र	AI-सक्षम उपयोग	शिक्षक/संस्था की अनिवार्य जाँच	अपेक्षित लाभ
पाठ-योजना	स्तरानुकूल उदाहरण, प्रश्न और गतिविधि	पाठ्यचर्या, तथ्य और सांस्कृतिक उपयुक्तता	तैयारी-समय में कमी; विविध अभ्यास
भाषा-अभ्यास	संवाद, शब्दावली, व्याकरण संकेत	गलत सुधार, स्तर और छात्र-निर्भरता	व्यक्तिगत गति; अधिक अभ्यास
मूल्यांकन	रूब्रिक-आधारित प्रारंभिक प्रतिक्रिया	मानवीय अंकन, अपील और पक्षपात-परीक्षण	त्वरित formative feedback
समावेशन	कैप्शन, TTS, OCR और अनुवाद	बोली/दिव्यांग उपयोगकर्ता परीक्षण	बहु-माध्यम पहुँच
शोध-सहायता	सारांश, खोज-शब्द, स्रोत-मानचित्र	मूल स्रोत खोलना; उद्धरण सत्यापन	सूचना-संगठन में सहायता

तालिका 1. शिक्षा में AI का उपयोग तभी वैध है जब उसके साथ विषयगत और नैतिक मानवीय जाँच जुड़ी हो।

5. भाषा-शिक्षण किस प्रकार बदल रहा है

5.1 संवादात्मक अभ्यास और distributed agency

द्वितीय अथवा विदेशी भाषा सीखने में अर्थपूर्ण सम्पर्क, उत्पादन, प्रतिक्रिया और पुनरावृत्ति आवश्यक हैं। संवादात्मक AI छात्र को किसी भी समय भूमिकानुभव दे सकता है—रेलवे स्टेशन पर टिकट लेना, साक्षात्कार देना, चिकित्सक से बात करना, साहित्यिक पात्र से प्रश्न करना या किसी समाचार पर बहस करना। भाषा-शिक्षण में ChatGPT के उपयोग पर आरम्भिक अध्ययन संवाद, सामग्री-विकास और प्रतिक्रिया की संभावनाओं के साथ शिक्षक-निर्देशन और डिजिटल साक्षरता की आवश्यकता रेखांकित करते हैं [7]। जनरेटिव AI से भाषा-अधिगम को ‘distributed agency’ की दृष्टि से देखने पर शिक्षक, विद्यार्थी, उपकरण, पाठ और सामाजिक सन्दर्भ मिलकर क्रिया करते हैं [8]। इस दृष्टि में न तकनीक सर्वशक्तिमान है, न छात्र निष्क्रिय।

हिन्दी को विदेशी भाषा के रूप में पढ़ाने में AI विभिन्न लिपि-स्तरों पर सहायक हो सकता है। आरम्भिक विद्यार्थी देवनागरी अक्षर और ध्वनि का संबंध, मात्रा-रूप, संयुक्ताक्षर और सामान्य शब्दों का श्रवण अभ्यास कर सकता है। मध्यवर्ती विद्यार्थी दैनिक जीवन के संवाद, आदरसूचक रूप, लिंग–वचन और पश्चप्रत्यय का अभ्यास कर सकता है। उन्नत विद्यार्थी समाचार, निबंध, आलोचना, मुहावरा और क्षेत्रीय भाषिक भिन्नता पर चर्चा कर सकता है। पर AI को ‘हिन्दी का एकमात्र मानक वक्ता’ नहीं मानना चाहिए। शिक्षक को दिल्ली-केंद्रित, संस्कृतनिष्ठ या अत्यधिक औपचारिक रूप के साथ बोलचाल, उर्दू-प्रभाव, क्षेत्रीय उच्चारण और कोड-मिश्रण के वास्तविक प्रयोग समझाने चाहिए।

संवाद अभ्यास की गुणवत्ता चार बातों पर निर्भर है। पहला, स्पष्ट भूमिका और स्तर: ‘A2 स्तर के विद्यार्थी से दो मिनट सरल हिन्दी में बात करो।’ दूसरा, प्रतिक्रिया की सीमा: हर वाक्य रोककर सुधारने के बजाय संवाद के बाद तीन मुख्य त्रुटियाँ बताओ। तीसरा, लक्ष्य-भाषा का अनुपात: छात्र के स्तर के अनुसार हिन्दी और सहायक भाषा का संतुलन। चौथा, आत्म-परावर्तन: छात्र लिखे कि कहाँ अटका, कौन-सी रणनीति उपयोगी रही और अगली बार क्या बदलेगा। इस संरचना के बिना चैट रोचक तो हो सकती है, पर सीखने का स्पष्ट परिणाम नहीं देती।

5.2 उच्चारण, श्रवण और वाक्-साक्षरता

वाक्-आधारित AI उच्चारण अभ्यास को कक्षा से बाहर विस्तृत करता है। विद्यार्थी शब्द या वाक्य बोलता है, प्रणाली ध्वनि-पहचान करती है और सम्भवतः गति, स्पष्टता, बलाघात या ध्वनि-भेद पर प्रतिक्रिया देती है। अंग्रेज़ी के लिए ELSA Speak जैसे विशेष उपकरण सूक्ष्म उच्चारण-प्रतिक्रिया देते हैं [52], जबकि हिन्दी के लिए BHASHINI तथा अन्य वाक्-मॉडल पहुँच और अनुप्रयोग-अवसंरचना प्रदान करते हैं [27]। हिन्दी उच्चारण-सहायता विकसित करते समय केवल ‘मानक’ ध्वनि से दूरी को त्रुटि न माना जाए। उच्चारण बोधगम्यता, संप्रेषण और सामाजिक पहचान—तीनों का विषय है।

श्रवण-अभ्यास के लिए शिक्षक एक ही पाठ को धीमी, सामान्य और स्वाभाविक गति में तैयार कर सकता है; फिर मुख्य विचार, विवरण, वक्ता की भावना और अनुमान पर प्रश्न दे सकता है। स्वचालित प्रतिलेखन छात्र को अपने सुनने की तुलना पाठ से करने देता है। किन्तु प्रतिलेख पहले दिखा देने पर श्रवण-कौशल के बजाय पढ़ने पर निर्भरता बढ़ सकती है। बेहतर क्रम है: पहले बिना पाठ, फिर संकेत, अन्त में प्रतिलेख और त्रुटि-विश्लेषण। क्षेत्रीय वक्ताओं, आयु और लिंग की विविध आवाज़ें शामिल हों ताकि प्रणाली और शिक्षार्थी दोनों विविधता से परिचित हों।

वाक् डेटा संवेदनशील जैवमितीय संकेत दे सकता है। बच्चों की आवाज़ रिकॉर्ड करना, क्लाउड पर भेजना या लंबे समय तक रखना स्पष्ट सहमति और न्यूनतम डेटा सिद्धान्त के अधीन होना चाहिए। विद्यालय को यह जानना चाहिए कि रिकॉर्डिंग कहाँ जाती है, मॉडल-प्रशिक्षण में उपयोग होगी या नहीं, और हटाने की प्रक्रिया क्या है। सुविधा के नाम पर अनियंत्रित वाक्-संग्रह भाषायी अधिकार का उल्लंघन बन सकता है।

5.3 लेखन, पठन और शब्दावली

AI लेखन को विचार-सृजन, रूपरेखा, प्रारूप, पुनरीक्षण और सम्पादन के चरणों में बाँटने में मदद कर सकता है। शिक्षक विषय देकर सीधे पूरा निबंध माँगने के बजाय छात्र से स्वयं तीन तर्क लिखवाए, फिर AI से प्रतितर्क या संगठन-सुझाव माँगे। छात्र पहला प्रारूप स्वयं लिखे, AI से केवल अस्पष्ट वाक्यों और दोहराव की पहचान कराए, फिर परिवर्तनों का कारण बताए। इस प्रक्रिया से उपकरण संज्ञानात्मक कार्य का स्थानापन्न नहीं, संवादात्मक समीक्षक बनता है। हिन्दी में वर्तनी-सुधार करते समय नुक्ता, अनुस्वार, चन्द्रबिन्दु और वैकल्पिक मान्य रूपों के प्रति सावधानी चाहिए।

पठन में AI कठिन पाठ का शब्दार्थ, पृष्ठभूमि और प्रश्न दे सकता है, पर अत्यधिक सरलीकरण साहित्यिक अनुभव को कमजोर करता है। कविता की हर पंक्ति का एक निश्चित ‘अर्थ’ देने वाला मॉडल व्यंजना और बहुअर्थता को बन्द कर सकता है। शिक्षक AI के दो अलग विश्लेषण तुलना के लिए दे, विद्यार्थियों से पाठ-साक्ष्य माँगे और असहमति का स्थान बनाए। इस तरह AI आलोचनात्मक पठन को प्रेरित कर सकता है। स्रोत-पाठ के बिना निर्मित उत्तर को पाठ-व्याख्या नहीं माना जाना चाहिए।

शब्दावली-अधिगम में आवृत्ति, प्रसंग, सहप्रयोग, रूप-परिवार और पुनरावृत्ति महत्वपूर्ण हैं। AI विद्यार्थी के पाठ से शब्द-सूची बना सकता है, उदाहरण-वाक्य दे सकता है और spaced practice के लिए प्रश्न तैयार कर सकता है। पर उदाहरण प्राकृतिक हैं या अनुवादित-से लगते हैं, यह शिक्षक जाँचे। शब्द को केवल अंग्रेज़ी समानार्थक से जोड़ना पर्याप्त नहीं; चित्र, परिस्थिति, विलोम, व्युत्पत्ति और व्यवहार-क्षेत्र जोड़ने से गहरी शब्द-स्मृति बनती है।

परम्परागत कार्य	AI से परिवर्तन	मानवीय भूमिका	मुख्य जोखिम
वार्तालाप अभ्यास	चौबीसों घंटे स्तरानुकूल भूमिकानुभव	लक्ष्य, सामाजिक प्रयोग और प्रतिक्रिया तय करना	कृत्रिम/रूढ़ संवाद; गलत सुधार
उच्चारण	ASR-आधारित त्वरित संकेत	बोधगम्यता और बोली-विविधता समझाना	लहजे को त्रुटि मानना; वाक्-निजता
लेखन	रूपरेखा, प्रतितर्क और पुनरीक्षण सहायता	लेखक की आवाज़, स्रोत और प्रक्रिया का मूल्यांकन	निर्भरता; छद्म-मौलिकता
पठन	सरलीकरण, शब्दार्थ और बहु-व्याख्या	मूल पाठ-साक्ष्य और आलोचनात्मक संवाद	व्यंजना का समतलीकरण
मूल्यांकन	तात्कालिक formative feedback	अन्तिम निर्णय, अपील और न्यायसंगतता	डिटेक्टर-पक्षपात; अपारदर्शी अंक

तालिका 2. भाषा-शिक्षण में परिवर्तन: स्वचालन से अधिक महत्वपूर्ण मानव–AI कार्य-विभाजन है।

6. भाषाविज्ञान, अनुवाद और भाषा-पेशों का पुनर्गठन

6.1 भाषावैज्ञानिक शोध

AI ने कॉर्पस भाषाविज्ञान, समाजभाषाविज्ञान, शब्दकोश-निर्माण, बोली-अध्ययन और भाषा-दस्तावेज़ीकरण की गति बढ़ाई है। लाखों वाक्यों में सहप्रयोग खोजने, विषय-वर्ग बनाने, नामित संस्थाओं की पहचान करने और समय के साथ शब्दार्थ-परिवर्तन देखने का कार्य अब अधिक सुलभ है। वाक्-पहचान साक्षात्कार के प्रतिलेखन में सहायता करती है; संरेखण उपकरण ध्वनि और पाठ को जोड़ते हैं; क्लस्टरिंग बोलियों के पैटर्न सुझा सकती है। फिर भी AI का वर्गीकरण शोध-प्रश्न का उत्तर नहीं, प्रारम्भिक संकेत है। प्रशिक्षण-डेटा और मॉडल की पूर्वधारणाएँ परिणाम को आकार देती हैं।

हिन्दी भाषाविज्ञान के लिए कोड-मिश्रित हिन्दी–अंग्रेज़ी, रोमन लिपि, सोशल मीडिया, प्रवासी हिन्दी और क्षेत्रीय रूपों के अध्ययन में नई सम्भावनाएँ हैं। लेकिन सार्वजनिक ऑनलाइन पाठ को स्वतः ‘सहमति-युक्त डेटा’ मानना गलत है। उपयोगकर्ता की पहचान हटाना, मंच की शर्तों का पालन, संवेदनशील समुदाय की सुरक्षा और उद्धरण से पुनःपहचान का खतरा देखना होगा। छोटे समुदायों के भाषा-डेटा में समुदाय को सह-निर्णय, श्रेय और लाभ मिलना चाहिए। Masakhane का सहभागी अनुवाद-अनुसंधान दिखाता है कि कम-संसाधित भाषा की समस्या केवल डेटा की कमी नहीं, शोध-सत्ता और समुदाय की भागीदारी का प्रश्न भी है [18]।

शब्दकोश-निर्माण में मॉडल कॉर्पस से नए शब्द, उदाहरण और संभावित अर्थ सुझा सकता है। शब्दकोशकार आवृत्ति, काल, क्षेत्र, शैली और विश्वसनीयता जाँचकर प्रविष्टि बनाता है। जनरेटिव उदाहरण को वास्तविक कॉर्पस-उदाहरण की तरह प्रस्तुत नहीं किया जाना चाहिए। व्युत्पत्ति और ऐतिहासिक अर्थ में मॉडल की बनावटी कथा विशेष जोखिम है। आदर्श प्रणाली हर दावे के साथ स्रोत-पंक्ति, दस्तावेज़ और दिनांक दे तथा मानव विशेषज्ञ अनुमोदित प्रविष्टियों का संस्करण-इतिहास रखे।

6.2 मशीन अनुवाद से मानव–AI अनुवाद तक

न्यूरल मशीन अनुवाद और बड़े भाषा मॉडल ने प्रारूप-अनुवाद की गति बढ़ायी है। सामान्य सूचना, आन्तरिक संचार और बड़े दस्तावेज़ के प्रारम्भिक बोध में मशीन उपयोगी है। फिर भी साहित्य, विधि, चिकित्सा, कूटनीति और सार्वजनिक निर्देश में अर्थ की सूक्ष्मता और उत्तरदायित्व मानवीय समीक्षा माँगते हैं। अनुवादक का कार्य समाप्त नहीं, पुनर्गठित हो रहा है: स्रोत-विश्लेषक, पारिभाषिकी प्रबंधक, कॉर्पस क्यूरेटर, मशीन-आउटपुट पोस्ट-एडिटर, शैली-समीक्षक और जोखिम-नियंत्रक की भूमिकाएँ जुड़ती हैं।

ISO 18587:2017 मशीन-अनुवाद आउटपुट के पूर्ण मानवीय पोस्ट-एडिटिंग और पोस्ट-एडिटर की दक्षताओं के लिए आवश्यकताएँ निर्धारित करता है [39]। ISO 17100:2015 सामान्य अनुवाद सेवाओं के लिए प्रक्रियात्मक मानक देता है और कच्चे मशीन-अनुवाद तथा पोस्ट-एडिटिंग को अपने दायरे से बाहर रखता है [40]। दोनों मानकों को साथ पढ़ने से स्पष्ट है कि ‘मशीन से अनुवाद हो गया’ पेशेवर गुणवत्ता का प्रमाण नहीं। उद्देश्य, जोखिम, ग्राहक की अपेक्षा, शब्दावली और स्वतंत्र संशोधन की प्रक्रिया पहले तय करनी चाहिए। यूरोपीय आयोग का eTranslation सार्वजनिक प्रशासन के लिए सुरक्षित बहुभाषी मशीन-अनुवाद अवसंरचना का उदाहरण है [41]।

हिन्दी अनुवाद में संबोधन, लिंग, आदरसूचकता, मुहावरा, सांस्कृतिक नाम, तकनीकी पद और वाक्य-क्रम प्रमुख चुनौती हैं। अंग्रेज़ी ‘you’ का हिन्दी रूप आप, तुम या तू सामाजिक सम्बन्ध बदल देता है। ‘shall’, ‘may’ और ‘must’ का विधिक अनुवाद अधिकार और बाध्यता को प्रभावित कर सकता है। साहित्य में कथावाचक की आवाज़, लय, सांस्कृतिक संकेत और जानबूझकर की गयी अस्पष्टता को मशीन सहज गद्य में समतल कर सकती है। पोस्ट-एडिटर को केवल व्याकरण नहीं, प्रयोजन और विधा की जाँच करनी चाहिए।

अनुवाद-स्मृति और पारिभाषिकी डेटाबेस जनरेटिव AI से पहले भी पेशे का आधार थे। भविष्य का बेहतर कार्यप्रवाह इन विश्वसनीय संसाधनों को मॉडल से जोड़ता है। स्वीकृत शब्दावली को बाध्यकारी बनाना, संदर्भित अनुवाद-स्मृति से उदाहरण लेना, स्रोत–लक्ष्य वाक्य की संरेखित समीक्षा और त्रुटि-वर्ग दर्ज करना गुणवत्ता बढ़ाता है। गोपनीय दस्तावेज़ खुले उपभोक्ता चैटबॉट में डालना अनुचित हो सकता है; संस्थागत या स्थानीय तैनाती, डेटा-प्रोसेसिंग अनुबंध और अभिगम नियंत्रण जरूरी हैं।

6.3 साहित्यिक अनुवाद और रचनात्मकता

साहित्यिक अनुवाद में AI संभावित पर्याय, सांस्कृतिक टिप्पणी, कठिन वाक्य के अनेक प्रारूप और चरित्र-शब्दावली का मानचित्र दे सकता है। यह प्रारम्भिक तुलनात्मक सोच बढ़ाता है। पर श्रेष्ठ अनुवाद सांख्यिकीय समानता से नहीं बनता; अनुवादक को कृति की समग्र ध्वनि, समय, पाठक और साहित्यिक परम्परा में निर्णय लेना पड़ता है। किसी जीवित लेखक की शैली की नकल, प्रशिक्षण-डेटा में कॉपीराइट कृतियों का उपयोग और आउटपुट का श्रेय जटिल नैतिक प्रश्न हैं। प्रकाशक और अनुवादक अनुबंध में AI उपयोग, डेटा-प्रेषण, गोपनीयता और उत्तरदायित्व स्पष्ट करें।

रचनात्मक लेखन-कक्षा में AI को सहलेखक घोषित करने के बजाय ‘परिकल्पना प्रतिद्वन्द्वी’ की तरह इस्तेमाल किया जा सकता है। विद्यार्थी किसी कहानी का सामान्य AI संस्करण लेकर उसमें रूढ़ियों, सपाट चरित्रों और सांस्कृतिक असंगतियों की पहचान करे, फिर अपने अनुभव और शैली से पुनर्लेखन करे। कविता में मॉडल से दस उपमाएँ माँगना आसान है, पर मौलिक काव्य-बोध चयन, त्याग और आत्मानुभव से आता है। शिक्षण का उद्देश्य अधिक पाठ पैदा करना नहीं, बेहतर साहित्यिक निर्णय विकसित करना होना चाहिए।

चित्र 2. शिक्षण, शोध और अनुवाद के लिए मानव-पर्यवेक्षित AI कार्यप्रवाह। स्रोत: लेखकों द्वारा निर्मित।

7. रोजगार: विस्थापन, रूपांतरण और हिन्दी की नई कार्य-अर्थव्यवस्था

7.1 वैश्विक परिदृश्य को सावधानी से पढ़ना

AI और रोजगार पर सार्वजनिक बहस प्रायः दो अतियों में फँसती है—या तो लगभग सभी नौकरियों के समाप्त होने का भय, या स्वचालन से स्वतः समृद्धि का दावा। वास्तविकता कार्यों, क्षेत्रों, संस्थाओं और देशों के अनुसार भिन्न है। World Economic Forum के Future of Jobs Report 2025 ने नियोक्ता सर्वेक्षण के आधार पर 2030 तक 170 मिलियन रोजगार बनने, 92 मिलियन विस्थापित होने और 78 मिलियन की शुद्ध वृद्धि का अनुमान दिया है [22]। ये वैश्विक अनुमान हैं, हिन्दी या भारत के निश्चित आँकड़े नहीं। उसी रिपोर्ट में कौशल-परिवर्तन की तीव्रता और AI, डेटा तथा तकनीकी साक्षरता की बढ़ती माँग पर बल है।

ILO की 2025 परिष्कृत वैश्विक सूचकांक रिपोर्ट के अनुसार विश्व में लगभग चार में से एक रोजगार जनरेटिव AI के किसी न किसी स्तर के प्रभाव के दायरे में हो सकता है, लेकिन पूर्ण प्रतिस्थापन की अपेक्षा कार्य-रूपांतरण अधिक सम्भावित है [23]। ‘Exposure’ का अर्थ नौकरी समाप्त होना नहीं; इसका अर्थ है कि नौकरी के कुछ कार्य तकनीक से किये या बदले जा सकते हैं। किसी पेशे के भीतर दस्तावेज़-सारांश स्वचालित हो सकता है, जबकि बातचीत, निर्णय, शारीरिक कार्य, विश्वास और स्थानीय जवाबदेही मनुष्य के पास रहते हैं। रोजगार नीति को पदनाम नहीं, कार्य-गुच्छे और कौशल-संक्रमण के आधार पर बनना चाहिए।

भाषा-पेशों में AI दोहरा प्रभाव डालता है। सामान्य और कम-जोखिम सामग्री के प्रारूप की लागत घटती है, जिससे प्रति-इकाई भुगतान पर दबाव आ सकता है। दूसरी ओर बहुभाषी सामग्री की कुल माँग बढ़ सकती है और गुणवत्ता-जाँच, डेटा-क्यूरेशन, सांस्कृतिक स्थानीयकरण, आवाज़-संग्रह, मॉडल-मूल्यांकन, शब्दावली और AI प्रशिक्षण जैसे नए कार्य पैदा होते हैं। उचित श्रम-मानक न हों तो नई भूमिका अदृश्य ‘मानव सुधार’ बन सकती है, जिसमें विशेषज्ञ कम भुगतान पर मशीन की त्रुटियाँ ठीक करते हैं। इसलिए उत्पादकता लाभ का न्यायसंगत वितरण आवश्यक है।

‘उद्धरण 2 — transformation, not replacement, is the most likely outcome’ [23]

चित्र 3. 2030 तक वैश्विक रोजगार परिवर्तन का अनुमान। ये नियोक्ता-सर्वेक्षण आधारित वैश्विक अनुमान हैं, भारत या हिन्दी-क्षेत्र के निश्चित आँकड़े नहीं। स्रोत: World Economic Forum [22]।

7.2 हिन्दी से जुड़े उभरते व्यवसाय

हिन्दी–AI अर्थव्यवस्था में पहला बड़ा क्षेत्र भाषा-डेटा है। कॉर्पस क्यूरेटर स्रोत चुनता, लाइसेंस जाँचता, डुप्लिकेट हटाता, विधा और बोली का संतुलन बनाता तथा डेटाशीट तैयार करता है। एनोटेटर पाठ में सत्ता, भाव, आशय, व्याकरण या विषाक्तता चिह्नित करता है; वाक्-एनोटेटर ध्वनि को लिप्यंतरित और संरेखित करता है। इस काम में भाषा-ज्ञान के साथ स्पष्ट दिशानिर्देश, गुणवत्ता-नमूना और श्रमिक गोपनीयता चाहिए। हिन्दी की बोलियों और सामाजिक रूपों के लिए स्थानीय वक्ता अनिवार्य हैं; बाहरी टीम केवल मानक रूप से डेटा चिह्नित करेगी तो मॉडल का प्रतिनिधित्व संकीर्ण रहेगा।

दूसरा क्षेत्र मॉडल-मूल्यांकन और ‘रेड टीमिंग’ है। हिन्दी विशेषज्ञ प्रश्न-संग्रह बनाते, तथ्यात्मकता देखते, हानिकारक रूढ़ियों और असुरक्षित सलाह की जाँच करते हैं। विधि, चिकित्सा, वित्त और बाल-शिक्षा में विषय-विशेषज्ञ की आवश्यकता बढ़ती है। केवल अंग्रेज़ी से अनूदित बेंचमार्क पर्याप्त नहीं; भारतीय सामाजिक सन्दर्भ, प्रशासनिक शब्द, मुहावरे, कोड-मिश्रण और क्षेत्रीय ज्ञान वाले मौलिक परीक्षण चाहिए। मूल्यांकनकर्ता को स्पष्ट भुगतान, मानसिक रूप से कठिन सामग्री के लिए समर्थन और निर्णय की अपील-प्रक्रिया मिलनी चाहिए।

तीसरा क्षेत्र बहुभाषी उत्पाद-डिज़ाइन है। ‘लोकलाइज़र’ इंटरफेस का अनुवाद भर नहीं करता; वह शब्द-लम्बाई, लिपि, तिथि, संख्या, नाम, वाक्-इनपुट और उपयोगकर्ता-विश्वास का स्थानीय अनुभव बनाता है। हिन्दी UX लेखक छोटे, स्पष्ट और सम्मानजनक निर्देश तैयार करता है। कन्वर्सेशन डिजाइनर चैटबॉट की भूमिका, असफलता-सन्देश, मानव एजेंट को हस्तांतरण और सुरक्षा-सीमा तय करता है। सार्वजनिक सेवा में उपयोगकर्ता को हमेशा यह पता होना चाहिए कि वह मशीन से बात कर रहा है और मनुष्य तक कैसे पहुँचे।

चौथा क्षेत्र शिक्षा और प्रशिक्षण है। AI-साक्षर हिन्दी शिक्षक, पाठ्यक्रम-लेखक, डिजिटल सामग्री सम्पादक और मूल्यांकन डिजाइनर की माँग बढ़ सकती है। इनके लिए तकनीकी शब्दों को सरल हिन्दी में समझाने, उपकरण का प्रदर्शन करने और आलोचनात्मक प्रश्न उठाने की क्षमता चाहिए। पाँचवाँ क्षेत्र डिजिटल मानविकी है, जहाँ अभिलेख, OCR, मेटाडेटा, पाठ-खनन और दृश्यांकन के लिए साहित्य तथा इतिहास के विशेषज्ञ तकनीकी टीम के साथ काम करते हैं। छठा क्षेत्र रचनात्मक उद्योग है—उपशीर्षक, डबिंग, ऑडियोबुक, गेम, विज्ञापन, पॉडकास्ट और संवादात्मक कथा—जहाँ मानवीय शैली और सांस्कृतिक स्थानीयकरण प्रतिस्पर्धात्मक मूल्य बनते हैं।

उभरती भूमिका	मुख्य कार्य	आवश्यक कौशल	गुणवत्ता/श्रम-सुरक्षा
हिन्दी डेटा क्यूरेटर	स्रोत, लाइसेंस, सफाई, संतुलन, डेटाशीट	कॉर्पस ज्ञान; कॉपीराइट; डेटा प्रबंधन	समुदाय-सहमति; स्रोत-श्रेय
वाक्/पाठ एनोटेटर	प्रतिलेखन, आशय, सत्ता और त्रुटि-चिह्नन	हिन्दी/बोली दक्षता; दिशानिर्देश	उचित भुगतान; मानसिक सुरक्षा; ऑडिट
मॉडल मूल्यांकनकर्ता	तथ्य, सुरक्षा, पक्षपात और उपयोगिता परीक्षण	विषय-विशेषज्ञता; आलोचनात्मक लेखन	स्वतंत्रता; अपील; नमूना-पारदर्शिता
AI-सक्षम अनुवादक	MT पोस्ट-एडिटिंग, शब्दावली, QA	अनुवाद सिद्धान्त; CAT/AI; जोखिम निर्णय	मानक, गोपनीयता और श्रेय
संवाद/UX लेखक	चैट प्रवाह, निर्देश, असफलता-सन्देश	सरल हिन्दी; उपयोगकर्ता शोध	मानव हस्तांतरण; भ्रामक मानवकरण से बचाव
डिजिटल मानविकी शोधकर्ता	OCR, मेटाडेटा, पाठ-खनन, व्याख्या	साहित्य/इतिहास + डेटा विधि	स्रोत-प्रसंग; कॉपीराइट; पुनरुत्पादकता

तालिका 3. हिन्दी–AI से जुड़े उभरते व्यवसाय और गरिमापूर्ण कार्य की शर्तें।

7.3 कौशल-संक्रमण और संस्थागत दायित्व

‘Prompt engineering’ को अकेला भविष्य-कौशल बताना अल्पदृष्टि है। मॉडल और इंटरफेस बदलने पर विशेष प्रॉम्प्ट तकनीक पुरानी हो सकती है, जबकि समस्या-परिभाषा, स्रोत-साक्षरता, विषय-ज्ञान, भाषा-संवेदनशीलता, डेटा-नैतिकता और गुणवत्ता-निर्णय स्थायी क्षमताएँ हैं। विश्वविद्यालयों को भाषा-पाठ्यक्रम में आधारभूत डेटा-विधि, कॉर्पस टूल, मशीन अनुवाद, डिजिटल प्रकाशन और AI नैतिकता जोड़नी चाहिए। तकनीकी पाठ्यक्रम में भारतीय भाषा-विज्ञान, समाजभाषा, अनुवाद और सुगम्यता का प्रशिक्षण जोड़ना उतना ही जरूरी है।

नियोक्ता को AI अपनाते समय श्रमिकों से परामर्श, कार्य-प्रभाव आकलन और पुनःप्रशिक्षण करना चाहिए। उत्पादकता लक्ष्य ऐसा न हो कि विशेषज्ञ को असम्भव मात्रा में मशीन-आउटपुट जाँचना पड़े। गुणवत्ता की जिम्मेदारी जिस व्यक्ति पर है, उसे निर्णय का समय और अधिकार मिलना चाहिए। AI से बने आन्तरिक स्कोर द्वारा भर्ती, पदोन्नति या अनुशासन किया जाए तो डेटा-गुणवत्ता, भेदभाव परीक्षण और मानव अपील जरूरी हैं। भाषा-आधारित स्कोर उच्चारण या गैर-मानक हिन्दी को क्षमता की कमी समझ सकता है।

नीति का लक्ष्य केवल ‘AI jobs’ की संख्या नहीं, क्षेत्रीय वितरण और काम की गुणवत्ता हो। छोटे शहरों और ग्रामीण क्षेत्रों में भाषा-डेटा केन्द्र, विश्वविद्यालय प्रयोगशाला, स्टार्टअप इनक्यूबेशन और दूरस्थ पेशेवर नेटवर्क स्थानीय प्रतिभा को अवसर दे सकते हैं। महिला, दिव्यांग और वंचित समुदायों के लिए उपकरण, इंटरनेट, प्रशिक्षण और सुरक्षित कार्य-परिस्थिति सुनिश्चित करनी होगी। हिन्दी का बाजार बड़ा होने के बावजूद सार्वजनिक डिजिटल संसाधन खुले लाइसेंस में न हों तो नवाचार कुछ कंपनियों तक सीमित रह सकता है।

8. विश्व में भाषा और साहित्य के विकास के लिए AI का उपयोग

8.1 बहुभाषी डिजिटल समानता

विश्व स्तर पर AI भाषा-विकास का सबसे महत्वपूर्ण प्रश्न ‘कौन-सी भाषा डिजिटल रूप से उपस्थित है’ से आगे बढ़कर ‘कौन-सी भाषा तकनीक को आकार देती है’ बन गया है। UNESCO की Global Roadmap for Multilingualism in the Digital Era डिजिटल पारितंत्र में सभी भाषाओं के न्यायसंगत प्रतिनिधित्व, समुदाय-सहभागिता, समावेशी तकनीक और टिकाऊ संसाधन की दिशा प्रस्तुत करती है [19]। यह दृष्टि भाषाओं को केवल बाजार की मांग से नहीं, मानव अधिकार और सांस्कृतिक विविधता से जोड़ती है।

यूरोपीय Language Data Space का उद्देश्य भाषा-केंद्रित AI के लिए बहुभाषी और बहु-माध्यम डेटा साझा करने की भरोसेमंद अवसंरचना बनाना है [20]। इसका महत्व यह है कि छोटे उद्यम, शोध संस्था और सार्वजनिक निकाय स्पष्ट शासन के साथ भाषा-संसाधन खोज और उपयोग कर सकें। यूरोप का अनुभव दिखाता है कि बहुभाषिकता केवल अनुवाद सेवा नहीं; डेटा-अर्थव्यवस्था, मानक, पारस्परिकता और सार्वजनिक खरीद से जुड़ी नीति है। भारत में AIKosh, BHASHINI और अकादमिक कॉर्पस के बीच संगत मेटाडेटा तथा लाइसेंस इसी प्रकार का लाभ दे सकते हैं।

वेल्श सरकार की भाषा-तकनीक कार्ययोजना ने वाक्-तकनीक, कंप्यूटर-सहायित अनुवाद और संवादात्मक AI को भाषा के दैनिक उपयोग से जोड़ा [21]। छोटे उपयोगकर्ता आधार वाली भाषा के लिए सरकारी खरीद, सार्वजनिक डेटा और शिक्षा-व्यवस्था बाजार-असफलता की भरपाई कर सकते हैं। यह हिन्दी के लिए भी प्रासंगिक है, विशेषतः उन बोलियों और भारतीय भाषाओं के संदर्भ में जिनका व्यावसायिक प्रोत्साहन कम है। सफलता तब होती है जब समुदाय तकनीक का उपभोक्ता ही नहीं, डेटा और प्राथमिकताओं का सह-स्वामी हो।

8.2 अफ्रीकी और आदिवासी भाषाएँ: सहभागिता तथा डेटा-संप्रभुता

Masakhane का अफ्रीकी भाषा मशीन-अनुवाद समुदाय सहभागी अनुसंधान का प्रभावशाली उदाहरण है। शोधकर्ता, अनुवादक और वक्ता स्थानीय भाषाओं के लिए डेटा, मॉडल और मूल्यांकन मिलकर बनाते हैं [18]। इसका सबक यह है कि कम-संसाधित भाषा को ‘समस्या’ कहकर बाहरी समाधान थोपना पर्याप्त नहीं। शोध-अजेन्डा, लेखकत्व, क्षमता-निर्माण और तकनीक का स्थानीय उपयोग समुदाय के हाथ में होना चाहिए। बहुभाषी शोधपत्र और खुले प्रशिक्षण संसाधन ज्ञान की सत्ता को विकेन्द्रित करते हैं।

कनाडा के National Research Council का Indigenous Languages Technology Project समुदायों के साथ मिलकर भाषा-शिक्षण और पुनर्जीवन के लिए संयुग्मक, ReadAlong और पाठ-से-वाक् जैसे उपकरण विकसित करता रहा है [42]। आदिवासी भाषाओं का डेटा अत्यंत संवेदनशील हो सकता है; कुछ कथाएँ, नाम या अनुष्ठान सार्वजनिक प्रशिक्षण के लिए उपयुक्त नहीं। इसलिए ‘open data’ हर सन्दर्भ में नैतिक उत्तर नहीं। समुदाय-नियंत्रित अभिगम, उद्देश्य-सीमा, हटाने का अधिकार और लाभ-साझेदारी आवश्यक हैं।

हिन्दी के व्यापक पारितंत्र में अवधी, भोजपुरी, ब्रज, बुन्देली, बघेली, हरियाणवी, छत्तीसगढ़ी, मारवाड़ी और अन्य रूपों की स्थिति समान नहीं है, फिर भी समुदाय-आधारित सिद्धान्त लागू होते हैं। किसी बोली का डेटा हिन्दी में मिला देने से मॉडल की मात्रा बढ़ सकती है, पर बोली की स्वतंत्र पहचान और साहित्यिक परम्परा अदृश्य हो सकती है। डेटा-संग्रह में स्वयं-पहचान, स्थान, विधा और सहमति का मेटाडेटा रखा जाए; समुदाय यह तय करे कि नाम और उपयोग-शर्त क्या होगी।

8.3 साहित्य, अभिलेख और डिजिटल मानविकी

AI साहित्य के ‘विकास’ में दो अलग भूमिकाएँ निभाता है: नया पाठ बनाने में सहायता और मौजूदा सांस्कृतिक विरासत को खोजयोग्य तथा विश्लेषण योग्य बनाना। दूसरा क्षेत्र अक्सर अधिक सार्वजनिक मूल्य देता है। The Alan Turing Institute का Living with Machines प्रकल्प ऐतिहासिक समाचारपत्रों और अन्य स्रोतों पर डेटा-विधियों से औद्योगिक युग के सामाजिक परिवर्तन का अध्ययन करता है [43]। ऐसे प्रकल्प OCR, सत्ता-पहचान, विषय-मॉडल और मानवीय इतिहासलेखन को जोड़ते हैं। मशीन पैटर्न दिखाती है; इतिहासकार स्रोत की उत्पादन-परिस्थिति और मौन की व्याख्या करता है।

Transkribus ऐतिहासिक हस्तलिखित और मुद्रित दस्तावेज़ों की AI-आधारित पहचान के लिए समुदाय मॉडल और प्रशिक्षण-सुविधा देता है [44]। हिन्दी के लिए पत्र, पांडुलिपि, पत्रिका और पुराने मुद्रण को डिजिटाइज़ करने में समान तकनीक उपयोगी है। लेकिन देवनागरी फॉन्ट, धुंधले पृष्ठ, संयुक्ताक्षर और ऐतिहासिक वर्तनी के लिए स्थानीय प्रशिक्षण डेटा चाहिए। OCR की त्रुटि यदि बिना संकेत प्रकाशित हो तो खोज और उद्धरण गलत हो सकते हैं। डिजिटल संस्करण में मूल पृष्ठ-चित्र, OCR पाठ, विश्वास-स्कोर और मानवीय संशोधन-इतिहास साथ रखा जाना चाहिए।

HathiTrust Research Center विशाल डिजिटल पुस्तकालय पर कॉपीराइट-सम्मत संगणकीय विश्लेषण के लिए उपकरण, डेटा और सुरक्षित शोध वातावरण उपलब्ध कराता है [45]। यह मॉडल बताता है कि कॉपीराइट सामग्री पर शोध का अर्थ फाइलें मुक्त रूप से बाँटना नहीं; गैर-उपभोगात्मक विश्लेषण, सुरक्षित कैप्सूल और अनुमत आउटपुट से संतुलन सम्भव है। भारतीय पुस्तकालय और प्रकाशक इसी प्रकार संरक्षित शोध-अभिगम बनाकर हिन्दी साहित्य का बड़े पैमाने पर अध्ययन सम्भव कर सकते हैं।

Stanford Literary Lab संगणकीय आलोचना के माध्यम से शैली, विधा, चरित्र और साहित्यिक इतिहास में मात्रात्मक पैटर्न खोजता है [46]। ‘दूर-पठन’ निकट-पठन का विकल्प नहीं, उसका पूरक है। हजारों उपन्यासों में कथात्मक संरचना का पैटर्न मिल सकता है, फिर चयनित कृतियों के निकट पठन से उसका अर्थ समझा जाता है। हिन्दी साहित्य में पत्र-पत्रिकाओं, उपन्यासों, कविता-संग्रहों और अनुवादों की व्यवस्थित ग्रंथ-सूची तथा स्वच्छ OCR न होने से यह शोध सीमित है। AI के साथ सबसे पहला निवेश अक्सर चमकदार मॉडल नहीं, विश्वसनीय डिजिटल संस्करण और मेटाडेटा होना चाहिए।

साहित्यिक सृजन में AI कथानक-विकल्प, पात्र-मानचित्र, शोध-सहायता और भाषा-पुनरीक्षण दे सकता है। लेकिन प्रशिक्षण-डेटा में लेखकों की कृतियाँ, शैली-अनुकरण और बाज़ार में मशीन-जनित सामग्री का विस्फोट लेखकीय आजीविका और सांस्कृतिक मौलिकता को प्रभावित करता है। प्रकाशन जगत को AI-सहायता की पारदर्शी घोषणा, लेखक की सहमति, स्रोत-अधिकार और मानवीय सम्पादन के मानक चाहिए। साहित्य में विविधता केवल अधिक भाषाओं के आउटपुट से नहीं, जीवित समुदाय और स्वतंत्र लेखकीय आवाज़ से आती है।

देश/पहल	AI/डिजिटल उपयोग	भाषा/साहित्य लाभ	हिन्दी के लिए सीख
UNESCO वैश्विक रोडमैप	बहुभाषी डिजिटल नीति और अधिकार	भाषायी न्याय; समुदाय भागीदारी	मापन में बोलियाँ, सुगम्यता और अधिकार जोड़ें [19]
यूरोपीय Language Data Space	विश्वसनीय भाषा-डेटा विनिमय	शोध/उद्योग के लिए साझा संसाधन	AIKosh–BHASHINI–विश्वविद्यालय मेटाडेटा संगत करें [20]
Welsh Government	वाक्, MT और संवादात्मक तकनीक	छोटी भाषा का दैनिक डिजिटल उपयोग	सार्वजनिक खरीद और शिक्षा से बाजार-असफलता सुधारें [21]
Masakhane, अफ्रीका	सहभागी खुला मशीन-अनुवाद	स्थानीय शोध-नेतृत्व और क्षमता	बोलियों को डेटा-स्रोत नहीं, सह-निर्णायक मानें [18]
NRC Canada	आदिवासी भाषा उपकरण	शिक्षण, पुनर्जीवन, TTS/ReadAlong	समुदाय-नियंत्रित अभिगम और डेटा-संप्रभुता [42]
Living with Machines/HTRC	OCR और बड़े संग्रह का विश्लेषण	साहित्यिक-ऐतिहासिक पैटर्न	सुरक्षित कॉपीराइट शोध और मूल पृष्ठ से सत्यापन [43][45]

तालिका 4. विश्व में भाषा और साहित्य के विकास हेतु AI/डिजिटल अवसंरचना के चयनित मॉडल।

9. भाषा-शिक्षण और कार्य के लोकप्रिय AI उपकरण

लोकप्रियता उपयोगिता की गारंटी नहीं। सही उपकरण वह है जो सीखने के लक्ष्य, भाषा, आयु, गोपनीयता, लागत, संस्थागत नीति और शिक्षक की समीक्षा से मेल खाए। सामान्य जनरेटिव सहायक खुले संवाद में लचीले हैं, पर उनका उत्तर अप्रत्याशित हो सकता है। विशेष भाषा-अधिगम ऐप पाठ्यक्रम और प्रतिक्रिया को अधिक संरचित करते हैं, पर भाषा-सूची सीमित हो सकती है। अनुवाद सेवाएँ त्वरित पहुँच देती हैं, पर साहित्यिक या उच्च-जोखिम अनुवाद के लिए पोस्ट-एडिटिंग चाहिए। व्याकरण-सुधारक अंग्रेज़ी और कुछ यूरोपीय भाषाओं में अधिक परिपक्व हैं; हिन्दी समर्थन को समान स्तर का मानना ठीक नहीं।

ChatGPT को भूमिका-अभिनय, प्रश्नोत्तर, पाठ-स्तरीकरण, शब्दावली, प्रतितर्क, भाषायी विश्लेषण और अनुवाद-प्रारूप में प्रयोग किया जा सकता है [47]। शिक्षक को प्रॉम्प्ट में स्तर, लक्ष्य और स्रोत देना चाहिए तथा उत्तर सत्यापित करना चाहिए। Google Translate पाठ, वाक्, कैमरा और संवाद के माध्यम से त्वरित अनुवाद देता है; Gemini-आधारित सुधार और भाषा-अभ्यास सुविधाएँ कुछ क्षेत्रों/भाषाओं में क्रमिक रूप से उपलब्ध हैं [48]। DeepL पाठ और दस्तावेज़ अनुवाद के साथ हिन्दी को समर्थित भाषा-सूची में रखता है, पर सुविधा-समर्थन भाषा के अनुसार बदलता है [49]। Microsoft Translator for Education कक्षा में लाइव कैप्शन, अनुवाद और बहु-उपकरण संवाद के लिए संसाधन देता है [50]।

Duolingo Max में Roleplay, Explain My Answer और कुछ पाठ्यक्रमों में AI संवाद जैसी सुविधाएँ हैं; उपलब्धता भाषा और सदस्यता पर निर्भर है [51]। ELSA Speak मुख्यतः अंग्रेज़ी बोलने, उच्चारण और प्रवाह के लिए विशेषीकृत है [52], अतः इसे हिन्दी सिखाने का उपकरण कहना गलत होगा; हिन्दी-भाषी अंग्रेज़ी शिक्षार्थियों के लिए यह उपयोगी हो सकता है। LanguageTool बहुभाषी वर्तनी, व्याकरण और शैली जाँचता है, लेकिन आधिकारिक प्रमुख भाषा-सूची में हिन्दी का परिपक्व समर्थन स्पष्ट नहीं; इसलिए हिन्दी पाठ के लिए इसे प्राथमिक शुद्धिकारक न मानें [53]। Grammarly लेखन-सुधार और बहुभाषी/अनुवाद सुविधाएँ देता है, पर हिन्दी की पूर्ण व्याकरणिक समीक्षा अंग्रेज़ी-जैसी मान लेने से पहले वास्तविक नमूनों पर परीक्षण जरूरी है [54]। NotebookLM उपयोगकर्ता के दिए स्रोतों पर आधारित नोट, सार और अध्ययन-सहायता देता है; यह भाषा-पाठ्यक्रम नहीं, स्रोत-आधारित शोध सहायक है [55]।

भारत-केंद्रित उपयोग में BHASHINI का स्थान विशेष है। यह ASR, मशीन अनुवाद, TTS, OCR और लिप्यंतरण जैसी भाषा-सेवाओं की सार्वजनिक डिजिटल अवसंरचना बनाता है [27]। इसकी उपयोगिता नागरिक सेवाओं, भारतीय भाषा ऐप और संस्थागत एकीकरण में है। शोधकर्ता IndicTrans2 जैसे खुले मॉडल को स्थानीय/नियंत्रित कार्यप्रवाह में उपयोग कर सकते हैं [15]। इन प्रणालियों के इंटरफेस और तकनीकी कौशल की जरूरत सामान्य ऐप से अलग है; इसलिए तालिका में ‘शिक्षार्थी ऐप’ और ‘अवसंरचना/मॉडल’ को समान नहीं माना गया है।

उपकरण	सर्वोत्तम उपयोग	हिन्दी/भाषा स्थिति	मुख्य सावधानी व स्रोत
ChatGPT	भूमिकानुभव, व्याख्या, पाठ-रूपांतरण, प्रारूप और विचार	हिन्दी संवाद सम्भव; गुणवत्ता विषय/प्रॉम्प्ट पर बदलती	तथ्य/सन्दर्भ जाँचें; निजी छात्र डेटा न दें [47]
Google Translate	त्वरित पाठ, वाक्, कैमरा और संवाद अनुवाद	हिन्दी उपलब्ध; नई अभ्यास सुविधाएँ क्षेत्र/भाषा पर निर्भर	उच्च-जोखिम/साहित्यिक पाठ मानव से जाँचें [48]
DeepL	पाठ/दस्तावेज़ अनुवाद और भाषा-कार्य	हिन्दी समर्थित; कुछ उन्नत सुविधाएँ भाषा-विशिष्ट	नाम, पद, शैली और गोपनीयता जाँचें [49]
Microsoft Translator	कक्षा लाइव कैप्शन, बहुभाषी बातचीत, Office अनुवाद	हिन्दी सहित बहुभाषी समर्थन; सुविधा-विशिष्ट सूची देखें	नेटवर्क, सटीकता और छात्र-सहमति देखें [50]
Duolingo Max	संरचित पाठ, Roleplay, उत्तर-व्याख्या, AI वार्तालाप	हिन्दी पाठ्यक्रम/AI सुविधा समान रूप से उपलब्ध नहीं	सदस्यता और course availability जाँचें [51]
ELSA Speak	अंग्रेज़ी उच्चारण, प्रवाह, प्रस्तुति और संवाद अभ्यास	मुख्यतः अंग्रेज़ी; हिन्दी-भाषी अंग्रेज़ी शिक्षार्थी हेतु	एक लहजे को श्रेष्ठ न मानें; वाक्-डेटा देखें [52]
LanguageTool	समर्थित भाषाओं में वर्तनी, व्याकरण और शैली	30+ भाषाएँ/बोलियाँ; हिन्दी परिपक्व मुख्य भाषा नहीं	हिन्दी सुधार को विशेषज्ञ/अन्य साधन से सत्यापित करें [53]
Grammarly	लेखन स्पष्टता, टोन, सुधार और अनुवाद	बहुभाषी विस्तार; हिन्दी क्षमता feature-specific	लेखकीय आवाज़ और संवेदनशील पाठ सुरक्षित रखें [54]
NotebookLM	दिए हुए स्रोतों से नोट, प्रश्न और अध्ययन मार्गदर्शिका	बहुभाषी आउटपुट सम्भव; भाषा-शिक्षण ऐप नहीं	मूल स्रोत खोलें; सार को उद्धरण न मानें [55]
BHASHINI	भारतीय भाषा ASR, MT, TTS, OCR, लिप्यंतरण और API	हिन्दी सहित भारतीय भाषाओं की सार्वजनिक अवसंरचना	मॉडल/भाषा-विशिष्ट गुणवत्ता और उपयोग-शर्त जाँचें [27]
IndicTrans2	शोध, स्थानीय तैनाती और 22 अनुसूचित भाषा MT	सभी 22 अनुसूचित भारतीय भाषाएँ	तकनीकी स्थापना, domain evaluation और post-editing [15]

तालिका 5. भाषा-शिक्षण और भाषा-कार्य के लोकप्रिय/महत्वपूर्ण AI उपकरण। यह रैंकिंग नहीं; सुविधाएँ समय, भाषा, क्षेत्र और योजना के अनुसार बदल सकती हैं।

9.1 शिक्षक के लिए चयन-प्रोटोकॉल

उपकरण अपनाने से पहले छोटा पायलट करें। पहला चरण लक्ष्य लिखना है—उदाहरणतः ‘बीए प्रथम वर्ष के विद्यार्थी पाँच मिनट औपचारिक हिन्दी में तर्क प्रस्तुत करें।’ दूसरा चरण डेटा जाँच है—क्या छात्र को नाम, ईमेल या वाक् रिकॉर्डिंग देनी पड़ेगी? तीसरा चरण दस विविध नमूनों पर गुणवत्ता परीक्षण है, जिसमें अलग लिंग, बोली, विषय और कठिनाई हों। चौथा चरण विकल्प और सुगम्यता है—यदि छात्र ऐप उपयोग न करना चाहे तो समकक्ष गैर-AI कार्य उपलब्ध हो। पाँचवाँ चरण माप है—केवल उपयोग समय नहीं, पूर्व–पश्चात प्रदर्शन, आत्मविश्वास, त्रुटि-प्रकार और छात्र अनुभव देखें।

‘एक टूल सभी कार्य’ का दृष्टिकोण कमजोर है। स्रोत-आधारित शोध के लिए NotebookLM-जैसा साधन, त्वरित अनुवाद के लिए समर्पित MT, अंग्रेज़ी उच्चारण के लिए ELSA और हिन्दी सार्वजनिक भाषा-सेवा के लिए BHASHINI अलग काम करते हैं। सामान्य चैटबॉट इन सबका कुछ अनुकरण कर सकता है, पर समर्पित गुणवत्ता और संस्थागत नियंत्रण हमेशा समान नहीं। शिक्षक को उपकरण-नाम के बजाय कार्य-विशेषता समझानी चाहिए, ताकि विद्यार्थी किसी एक कंपनी पर निर्भर न हो।

शिक्षार्थी को ‘तीन-स्तरीय सत्यापन’ सिखाया जा सकता है: भाषा-जाँच—क्या वाक्य स्वाभाविक और उद्देश्य के अनुरूप है; तथ्य-जाँच—क्या दावा मूल स्रोत से मेल खाता है; अधिकार-जाँच—क्या सामग्री उपयोग करने की अनुमति और उचित श्रेय है। अनुवाद में चौथा स्तर ‘प्रभाव-जाँच’ है: गलत अर्थ से किसे नुकसान होगा? जोखिम जितना बड़ा, स्वतंत्र मानव समीक्षा उतनी कठोर।

10. भारत सरकार की AI नीतियाँ, कार्यक्रम और भावी योजना

10.1 IndiaAI Mission: राष्ट्रीय AI अवसंरचना

भारत सरकार ने 7 मार्च 2024 को ₹10,371.92 करोड़ के परिव्यय के साथ राष्ट्रीय IndiaAI Mission को स्वीकृति दी [24]। मिशन के सात प्रमुख स्तम्भ हैं: IndiaAI Compute Capacity, IndiaAI Innovation Centre, IndiaAI Datasets Platform, IndiaAI Application Development Initiative, IndiaAI FutureSkills, IndiaAI Startup Financing और Safe & Trusted AI [25]। इन स्तम्भों का समेकित उद्देश्य कंप्यूट, डेटा, घरेलू मॉडल, सामाजिक अनुप्रयोग, कौशल, उद्यम और जिम्मेदार शासन को एक पारितंत्र में जोड़ना है। भाषा के दृष्टिकोण से मिशन की सफलता इस बात पर निर्भर करेगी कि भारतीय भाषाएँ आधारभूत मॉडल, डेटासेट, मूल्यांकन और अनुप्रयोग में आरम्भ से शामिल हों, बाद में अनुवाद की परत न बनें।

मिशन को आरम्भ में 10,000 से अधिक GPU उपलब्ध कराने की दिशा में प्रस्तुत किया गया था। फरवरी 2026 की सरकारी कार्यान्वयन सूचना में 38,000 से अधिक GPU ऑनबोर्ड, सब्सिडीकृत कंप्यूट दर, TPU क्षमता, स्वदेशी आधारभूत मॉडल के लिए चुनी गयी टीमें और भारत-विशिष्ट अनुप्रयोगों की प्रगति बतायी गयी [26]। इसी अद्यतन में AI शिक्षा/शोध के लिए हजारों स्नातक, परास्नातक और पीएचडी विद्यार्थियों को सहायता का लक्ष्य दर्ज है। ये आँकड़े दिनांक-विशिष्ट कार्यान्वयन स्थिति हैं; उन्हें स्थायी क्षमता नहीं मानना चाहिए। पारदर्शी डैशबोर्ड में वास्तविक उपयोग, भाषा-वितरण, क्षेत्रीय संस्था, प्रतीक्षा समय और सार्वजनिक परिणाम प्रकाशित होने चाहिए।

IndiaAI Datasets Platform—AIKosh—भारत-सन्दर्भित डेटासेट और मॉडल की खोज तथा उपयोग के लिए महत्वपूर्ण है। भाषा-डेटा के लिए मात्रा के साथ लाइसेंस, स्रोत-वंशावली, व्यक्तिगत डेटा, प्रतिनिधित्व और गुणवत्ता का दस्तावेज़ आवश्यक है। प्रत्येक डेटासेट की ‘डेटाशीट’ में उद्देश्य, संग्रह-विधि, भाषा/बोली, लिपि, समय, भौगोलिक क्षेत्र, ज्ञात पक्षपात और अनुमत उपयोग स्पष्ट हों। सार्वजनिक धन से बने संसाधनों को यथासम्भव खुले और अंतःप्रचालनीय लाइसेंस में देना शोध तथा स्टार्टअप दोनों को लाभ देगा, पर संवेदनशील समुदाय या व्यक्तिगत डेटा में नियंत्रित अभिगम जरूरी है।

Safe & Trusted AI स्तम्भ को सामान्य नैतिक घोषणाओं से आगे बढ़ना चाहिए। NIST AI RMF जोखिम को शासन, मानचित्रण, मापन और प्रबंधन के सतत चक्र में देखने का व्यावहारिक ढाँचा देता है [11]; जनरेटिव AI प्रोफाइल भ्रमोत्पादन, सूचना-अखंडता, निजता, बौद्धिक संपदा और मानव–AI अन्तःक्रिया जैसे विशेष जोखिमों को व्यवस्थित करता है [12]। भारतीय भाषाओं के लिए स्वतंत्र भाषा-वार बेंचमार्क, सार्वजनिक घटना-रिपोर्ट, प्रतिकूल परीक्षण, प्रभाव-आकलन और शिकायत-निवारण आवश्यक हैं।

‘उद्धरण 3 — Making AI in India and Making AI Work for India’ [24]

10.2 BHASHINI: भाषा को डिजिटल सार्वजनिक अवसंरचना बनाना

Digital India BHASHINI—राष्ट्रीय भाषा अनुवाद मिशन—का उद्देश्य नागरिक को अपनी भाषा में डिजिटल सेवाएँ उपलब्ध कराना है [27]। इसकी सेवाओं में स्वचालित वाक्-पहचान, मशीन अनुवाद, पाठ-से-वाक्, OCR और लिप्यंतरण जैसे घटक शामिल हैं। ये API और मॉडल शासन, शिक्षा, स्वास्थ्य, कृषि और निजी अनुप्रयोगों में बहुभाषी परत बना सकते हैं। हिन्दी के लिए अवसर केवल हिन्दी–अंग्रेज़ी अनुवाद नहीं, बल्कि हिन्दी से अन्य भारतीय भाषाओं के बीच ज्ञान-विनिमय और वाक्-आधारित सार्वजनिक सेवा है।

अगस्त 2026 की सरकारी सूचना में BHASHINI पारितंत्र के 360 से अधिक AI भाषा मॉडल, 22 से अधिक सेवाएँ, 70 से अधिक शोध संस्थानों के सहयोग तथा बड़े समानांतर/एकभाषी संसाधन का उल्लेख है [28]। ये संख्याएँ प्रगति का संकेत हैं, पर उपयोगकर्ता अनुभव का पूरा माप नहीं। हर भाषा-सेवा के लिए क्षेत्र, शोर, लिंग, आयु, बोली और डोमेन के अनुसार त्रुटि-दर प्रकाशित हो। नागरिक सेवा में गलत वाक्-पहचान से आवेदन, लाभ या चिकित्सा सूचना प्रभावित हो सकती है; इसलिए पुष्टि स्क्रीन, मूल पाठ/ध्वनि, मानव सहायता और सुधार दर्ज करने का तरीका होना चाहिए।

BHASHINI को शिक्षा में तीन स्तरों पर जोड़ा जा सकता है। DIKSHA सामग्री के कैप्शन, ऑडियो और अनुवाद; शिक्षक के लिए बहुभाषी पाठ-निर्माण; तथा विद्यार्थी के लिए आवाज़-आधारित खोज। लेकिन मशीन अनुवाद को सीधे पाठ्यपुस्तक न बनाया जाए। विषय विशेषज्ञ, भाषा सम्पादक और लक्षित भाषा के शिक्षक की समीक्षा अनिवार्य हो। सार्वजनिक सामग्री में संशोधन-इतिहास और गुणवत्ता-चिह्न हो, ताकि उपयोगकर्ता जान सके कि अनुवाद मशीन-निर्मित, मानव-संशोधित या मानव-अनूदित है।

10.3 BharatGen और स्वदेशी बहुभाषी आधारभूत मॉडल

BharatGen को 2 जून 2025 को सरकारी वित्तपोषित, संप्रभु बहुभाषी और बहु-माध्यम AI पहल के रूप में आरम्भ किया गया [29]। इसका लक्ष्य भारतीय भाषाओं में पाठ, वाक्, चित्र और दस्तावेज़-बोध जैसी क्षमताओं का विकास है। नवम्बर 2025 की आधिकारिक सूचना में ₹1,293 करोड़ सरकारी समर्थन का उल्लेख है [30]। ‘संप्रभु AI’ का सार केवल देश में सर्वर होना नहीं; भारतीय संस्थाओं की तकनीकी क्षमता, स्पष्ट डेटा-अधिकार, सुरक्षा, सार्वजनिक मूल्य और स्वतंत्र परीक्षण भी है।

हिन्दी और भारतीय भाषाओं के लिए घरेलू आधारभूत मॉडल स्वास्थ्य-सलाह, कृषि-सहायता, शिक्षा और प्रशासन में स्थानीय प्रसंग बेहतर पकड़ सकते हैं। पर ‘भारतीय’ लेबल पक्षपात-मुक्त होने की गारंटी नहीं। प्रशिक्षण-डेटा में जाति, लिंग, धर्म, क्षेत्र और भाषा की असमानता मॉडल में आ सकती है। मॉडल कार्ड में डेटा-स्रोत की श्रेणियाँ, भाषा-वार प्रदर्शन, निषिद्ध उपयोग, सुरक्षा परीक्षण और ज्ञात सीमा प्रकाशित हों। सरकारी उपयोग से पहले स्वतंत्र अकादमिक तथा नागरिक समाज ऑडिट होना चाहिए।

आधारभूत मॉडल की सार्वजनिक सफलता का माप केवल पैरामीटर या प्रतियोगी स्कोर नहीं होना चाहिए। कितने विद्यालय कम लागत पर उपयोग कर पाए, कितनी भाषा-सेवाएँ दिव्यांग-अनुकूल हुईं, कितने खुले शोध संसाधन बने, कितनी शिकायतें हल हुईं और भाषा-समुदाय को क्या लाभ मिला—ये माप अधिक अर्थपूर्ण हैं। निजी नवाचार के लिए API और कंप्यूट उपयोगी हैं, लेकिन सार्वजनिक सेवाओं में विक्रेता-निर्भरता से बचने के लिए खुले मानक, निर्यातयोग्य डेटा और प्रतिस्पर्धी खरीद जरूरी है।

10.4 AI शिक्षा, CBSE और डिजिटल प्लेटफॉर्म

केंद्रीय बजट 2025–26 में शिक्षा के लिए ₹500 करोड़ परिव्यय वाले Centre of Excellence in AI की घोषणा की गयी [31]। इससे पहले स्वास्थ्य, कृषि और सतत शहरों के लिए AI उत्कृष्टता केन्द्रों की पहल थी; शिक्षा केन्द्र से अनुसंधान, शिक्षक-सहायता, मूल्यांकन, स्थानीय सामग्री और संस्थागत क्षमता को जोड़ने की अपेक्षा है। भविष्य की कार्ययोजना में हिन्दी सहित भारतीय भाषाओं के लिए खुली शिक्षण सामग्री, शिक्षाशास्त्रीय पायलट, स्वतंत्र प्रभाव-मूल्यांकन और राज्य विश्वविद्यालयों की भागीदारी स्पष्ट होनी चाहिए।

CBSE के कक्षा IX AI पाठ्यक्रम 2026–27 में AI readiness, डेटा, कंप्यूटर विज़न, NLP, नैतिकता, जनरेटिव AI, गणितीय आधार और प्रारम्भिक Python जैसे घटक शामिल हैं [32]। कक्षा III–VIII के Computational Thinking and Artificial Intelligence पाठ्यक्रम 2026–27 में आयु-उपयुक्त, हाथों से किये जाने वाले और परियोजना-आधारित अधिगम पर बल है [33]। यह प्रगति तभी समावेशी होगी जब प्रशिक्षण, मूल्यांकन उदाहरण और प्रयोग सामग्री हिन्दी तथा अन्य माध्यमों में समान गुणवत्ता से उपलब्ध हों। छोटे बच्चों के लिए स्क्रीन-आधारित AI के बजाय पैटर्न, वर्गीकरण, कारण, डेटा-न्याय और मानवीय निर्णय की गतिविधियाँ प्राथमिक होनी चाहिए।

PM e-VIDYA बहु-माध्यम डिजिटल शिक्षा को टीवी, रेडियो, ऑनलाइन मंच और अन्य माध्यमों से जोड़ता है [34]। DIKSHA राष्ट्रीय डिजिटल ज्ञान-साझा अवसंरचना के रूप में पाठ्य सामग्री, शिक्षक प्रशिक्षण और QR-आधारित पहुँच देता है [35]; SWAYAM उच्च शिक्षा के ऑनलाइन पाठ्यक्रमों के माध्यम से पहुँच, समानता और गुणवत्ता के लक्ष्यों को साधता है [36]। AI इन मंचों में खोज, कैप्शन, अनुवाद, अनुकूली अनुशंसा और सहायता दे सकता है। पर अनुशंसा एल्गोरिदम छात्र को संकीर्ण सामग्री-घेरा न दे; शिक्षक सामग्री का चयन और क्रम बदल सके। ऑफलाइन डाउनलोड और सार्वजनिक प्रसारण डिजिटल विभाजन के कारण अभी भी आवश्यक हैं।

10.5 डेटा संरक्षण और संस्थागत उत्तरदायित्व

Digital Personal Data Protection Act 2023 भारत में डिजिटल व्यक्तिगत डेटा के प्रसंस्करण के लिए वैधानिक ढाँचा देता है [37]। 2025 में अधिसूचित नियमों ने सूचना, सहमति, सुरक्षा उपाय, उल्लंघन और संस्थागत अनुपालन की प्रक्रिया को अधिक विशिष्ट बनाया [38]। शिक्षा में बच्चे, आवाज़, व्यवहार, प्रदर्शन और विशेष आवश्यकता का डेटा संवेदनशील प्रभाव रखता है। कानूनी अनुपालन न्यूनतम शर्त है; संस्थान को उद्देश्य-सीमा, डेटा-न्यूनता, कम अवधि, भूमिका-आधारित अभिगम और सुरक्षित हटाने की व्यावहारिक व्यवस्था चाहिए।

विद्यालयों को बच्चों से सेवा की शर्तें स्वीकार कराने पर निर्भर नहीं होना चाहिए। संस्थागत डेटा-प्रभाव आकलन में यह पूछा जाए: क्या AI के बिना लक्ष्य पूरा हो सकता है; कौन-सा न्यूनतम डेटा आवश्यक है; डेटा भारत या बाहर कहाँ संसाधित होगा; विक्रेता इसे मॉडल-प्रशिक्षण में उपयोग करेगा या नहीं; कितने समय रखेगा; और अनुबंध समाप्त होने पर क्या होगा। छात्र के पास समकक्ष गैर-AI विकल्प और गलत निर्णय पर मानव अपील हो। शोध में नैतिक समिति और प्रतिभागी सहमति आवश्यक है।

कॉपीराइट और अकादमिक अखंडता डेटा-सुरक्षा से अलग लेकिन सम्बद्ध हैं। पुस्तक, प्रश्नपत्र या अप्रकाशित शोध को बाहरी मॉडल में डालना अधिकार और गोपनीयता दोनों का उल्लंघन हो सकता है। संस्थान लाइसेंस-युक्त सामग्री, उद्धरण की सीमा और AI-सहायता उद्घोषणा का स्पष्ट नियम बनाए। ‘AI प्रतिबंध’ और ‘पूर्ण स्वतंत्रता’ के बीच जोखिम-आधारित नीति अधिक व्यावहारिक है: विचार-मंथन और भाषा-सुधार अनुमति योग्य, गोपनीय डेटा और अन्तिम मूल्यांकन-उत्तर प्रतिबंधित, तथा स्रोत और प्रक्रिया का खुलासा अनिवार्य हो सकता है।

चित्र 4. भारत में शिक्षा, भाषा और AI नीति का विकसित परिदृश्य। घटनाएँ चयनित हैं; समयरेखा कार्यक्रमों के सभी घटकों का दावा नहीं करती। स्रोत: [5], [24], [27], [29], [31]–[38]।

नीति/कार्यक्रम	आधिकारिक स्थिति	भाषा/शिक्षा हेतु प्रासंगिकता	आगे का सत्यापन योग्य लक्ष्य
NEP 2020	राष्ट्रीय नीति; AI और computational thinking पर बल	पाठ्यचर्या, बहुभाषिकता और तकनीकी साक्षरता	राज्य/माध्यम-वार शिक्षक तैयारी और परिणाम [5]
IndiaAI Mission	मार्च 2024 स्वीकृत; ₹10,371.92 करोड़; सात स्तम्भ	कंप्यूट, डेटा, मॉडल, कौशल, स्टार्टअप, trusted AI	भाषा-वार उपयोग, स्वतंत्र ऑडिट और सार्वजनिक डैशबोर्ड [24]–[26]
BHASHINI	कार्यान्वयनाधीन राष्ट्रीय भाषा मिशन	ASR, MT, TTS, OCR, transliteration, API	बोली/डोमेन-वार गुणवत्ता और मानव अपील [27][28]
BharatGen	जून 2025 आरम्भ; सरकारी समर्थन	स्वदेशी बहुभाषी/बहु-माध्यम आधारभूत मॉडल	डेटाशीट, मॉडल कार्ड, खुले बेंचमार्क और सार्वजनिक लाभ [29][30]
AI CoE–Education	बजट 2025–26 में ₹500 करोड़ घोषित	AI शिक्षाशास्त्र, शोध, सामग्री और क्षमता	हिन्दी/भारतीय भाषाओं के पायलट और स्वतंत्र प्रभाव अध्ययन [31]
CBSE AI/CT पाठ्यक्रम	2026–27 पाठ्यक्रम प्रकाशित	कक्षा III–X में आयु-उपयुक्त AI/CT सीखना	सभी माध्यमों में संसाधन, शिक्षक प्रमाणन और project assessment [32][33]
PM e-VIDYA/DIKSHA/SWAYAM	राष्ट्रीय डिजिटल शिक्षा अवसंरचना	बहु-माध्यम पहुँच, सामग्री, MOOCs और शिक्षक प्रशिक्षण	AI कैप्शन/अनुवाद QA, offline access और algorithm audit [34]–[36]
DPDP Act/Rules	2023 अधिनियम; 2025 नियम, चरणबद्ध अनुपालन	छात्र/शिक्षक डेटा, सहमति, सुरक्षा और शिकायत	बाल-डेटा DPIA, न्यूनतम संग्रह, विकल्प और deletion audit [37][38]

तालिका 6. भारत सरकार की AI, भाषा और शिक्षा नीतियाँ: स्वीकृति/कार्यान्वयन और लेखकों द्वारा सुझाए गए मापनीय अगले कदम अलग-अलग दिखाए गए हैं।

11. नैतिक, सामाजिक और ज्ञानमीमांसात्मक चुनौतियाँ

11.1 भ्रमोत्पादन, स्रोत और अकादमिक विश्वसनीयता

जनरेटिव मॉडल का सबसे दृश्य जोखिम ‘hallucination’ है—ऐसा उत्तर जो भाषिक रूप से विश्वसनीय पर तथ्य या स्रोत में गलत हो। हिन्दी में सत्यापन और कठिन हो सकता है क्योंकि खोज परिणाम, DOI, डिजिटल पुस्तक और मानक उद्धरण सीमित या बिखरे हैं। शोधकर्ता को AI-निर्मित सन्दर्भ कभी सीधे सूची में नहीं रखना चाहिए। लेखक, शीर्षक, वर्ष, पत्रिका, खंड, पृष्ठ और DOI को प्रकाशक अथवा आधिकारिक डेटाबेस पर खोलकर मिलाना चाहिए। प्रत्यक्ष उद्धरण मूल पृष्ठ से अक्षरशः जाँचा जाए। इस लेख में सरकारी दावों के लिए प्राथमिक सरकारी स्रोत और शोध दावों के लिए DOI/प्रकाशन स्रोत प्राथमिक रखे गये हैं।

स्रोत-साक्षरता को ‘AI literacy’ का केंद्रीय भाग बनाना होगा। विद्यार्थी को यह अंतर समझना चाहिए कि मॉडल का उत्तर स्रोत नहीं, किसी स्रोत तक पहुँचने का सम्भावित संकेत है। सारांश पढ़ना मूल लेख पढ़ने का विकल्प नहीं। भाषा मॉडल सहमति का भ्रम बना सकता है; बहस वाले प्रश्न में अनेक दृष्टिकोण और प्रमाण माँगने चाहिए। शिक्षक ऐसी गतिविधि दे सकता है जिसमें छात्र AI के तीन दावे चुनकर मूल स्रोत से सत्यापित करे और त्रुटि-वर्ग बनाए।

11.2 पक्षपात, भाषायी पदानुक्रम और सांस्कृतिक समतलीकरण

प्रशिक्षण डेटा सामाजिक असमानताओं को प्रतिबिंबित करता है। मॉडल जाति, लिंग, धर्म, पेशा या क्षेत्र के बारे में रूढ़ उत्तर दे सकता है। विषाक्तता फ़िल्टर सामाजिक न्याय के शब्दों या अल्पसंख्यक पहचान को गलत चिह्नित कर सकते हैं। हिन्दी के विविध रूपों में कम डेटा के कारण मानक शहरी भाषा को ‘सही’ और बोली को ‘त्रुटि’ माना जा सकता है। मूल्यांकन में भाषा-वार औसत के साथ सामाजिक उपसमूह और बोली के परिणाम देखें। हानि पाए जाने पर डेटा, निर्देश, इंटरफेस और मानव समीक्षा—सभी स्तर पर सुधार चाहिए।

सांस्कृतिक समतलीकरण साहित्य और शिक्षा दोनों में जोखिम है। मॉडल बहुसंख्यक ऑनलाइन विवरण के आधार पर त्योहार, परिवार, स्त्री-चरित्र या ग्रामीण जीवन की रूढ़ छवि बना सकता है। स्थानीय पाठ, मौखिक इतिहास और समुदाय-समीक्षा से संदर्भ बढ़ाया जा सकता है। हर विविधता को मॉडल में ‘कैद’ करने की महत्वाकांक्षा भी सावधान करे; जीवित संस्कृति बदलती है और समुदाय को गलत प्रतिनिधित्व हटाने का अधिकार चाहिए।

11.3 निजता, निगरानी और बच्चों का डेटा

AI शिक्षा में छात्र का उत्तर, पढ़ने की गति, आवाज़, भावना, रुचि और त्रुटि-पैटर्न संग्रहित कर सकता है। यह डेटा सहायता के साथ निगरानी का साधन भी बन सकता है। भाव-पहचान जैसी तकनीक को उच्च-दाँव निर्णय में प्रयोग करना वैज्ञानिक और नैतिक रूप से विवादास्पद है। बच्चे की एक क्षणिक प्रतिक्रिया को स्थायी प्रोफाइल न बनाया जाए। डैशबोर्ड शिक्षक को संकेत दे, विद्यार्थी की पहचान या भविष्य का निर्णायक लेबल नहीं।

डेटा-न्यूनता व्यावहारिक नियम है: यदि अनाम स्थानीय अभ्यास से उद्देश्य पूरा है तो पूर्ण नाम और क्लाउड खाता न लें। आवाज़ केवल उच्चारण प्रतिक्रिया तक रखी जा सकती है तो दीर्घकालिक संग्रह न करें। संस्था विक्रेता की उप-प्रसंस्करण सूची, एन्क्रिप्शन, हटाने और उल्लंघन सूचना की जाँच करे। छात्र और अभिभावक को सरल हिन्दी में समझाया जाए कि डेटा का क्या होगा।

11.4 पर्यावरण, पहुँच और शक्ति-संकेन्द्रण

बड़े मॉडल कंप्यूट, ऊर्जा और जल-संसाधन उपयोग करते हैं। हर शैक्षिक कार्य के लिए सबसे बड़ा मॉडल आवश्यक नहीं। छोटे, कार्य-विशिष्ट या स्थानीय मॉडल लागत, विलम्ब और निजता में बेहतर हो सकते हैं। संस्थाएँ उपयोग का लाभ–लागत मूल्यांकन करें और पुनरावृत्त अनावश्यक जनरेशन घटाएँ। सार्वजनिक खरीद में ऊर्जा-पारदर्शिता और उपकरण के जीवनचक्र को भी मानदंड बनाया जा सकता है।

AI पहुँच बढ़ा सकता है, पर भुगतान, उपकरण, अंग्रेज़ी इंटरफेस और बैंडविड्थ नया विभाजन बना सकते हैं। मुक्त स्तर में सीमित गुणवत्ता और भुगतान स्तर में उन्नत सुविधा से शैक्षिक असमानता बढ़ सकती है। सार्वजनिक संस्थानों को साझा प्रयोगशाला, पुस्तकालय अभिगम, ऑफलाइन सामग्री और मुक्त विकल्प देना चाहिए। कुछ वैश्विक कंपनियों के मॉडल पर निर्भरता भाषा-नीति और ज्ञान-अवसंरचना को निजी नियमों के अधीन कर सकती है। खुले मानक, सार्वजनिक कंप्यूट और स्थानीय क्षमता रणनीतिक आवश्यकता हैं।

जोखिम	हिन्दी/शिक्षा में उदाहरण	निवारण	उत्तरदायी पक्ष
भ्रमोत्पादन	बनावटी पुस्तक/DOI या गलत ऐतिहासिक तथ्य	मूल स्रोत खोलना; citation audit; अनिश्चितता संकेत	लेखक, शिक्षक, उत्पाद और संस्था
भाषायी पक्षपात	बोली/रोमन हिन्दी को निम्न गुणवत्ता मानना	विविध डेटा; उपसमूह परीक्षण; समुदाय समीक्षा	मॉडल निर्माता और मूल्यांकन टीम
निजता	बच्चे की आवाज़/प्रदर्शन का अनावश्यक संग्रह	डेटा-न्यूनता, सहमति, अवधि, deletion और विकल्प	विद्यालय, विक्रेता और नियामक
कॉपीराइट	पूरी पुस्तक/अप्रकाशित शोध खुले चैटबॉट में देना	लाइसेंस, सुरक्षित वातावरण, उद्धरण और अनुबंध	उपयोगकर्ता, संस्था और प्रकाशक
अकादमिक न्याय	AI detector से गैर-अंग्रेज़ी लेखक पर आरोप	बहु-साक्ष्य प्रक्रिया; मौखिक सत्यापन; मानव अपील	शिक्षक और परीक्षा संस्था
श्रम-अदृश्यता	कम भुगतान पर निरंतर मशीन सुधार	निष्पक्ष अनुबंध, श्रेय, सुरक्षित कार्य और audit	सरकार, कंपनी और क्रेता
डिजिटल विभाजन	भुगतान सुविधा/अच्छा नेटवर्क केवल कुछ छात्रों को	सार्वजनिक अभिगम, offline विकल्प, समकक्ष assessment	सरकार और शिक्षण संस्था

तालिका 7. हिन्दी–AI पारितंत्र के प्रमुख जोखिम और उत्तरदायित्व का वितरण।

12. हिन्दी–AI 2030: लेखकों की प्रस्तावित कार्ययोजना

यह खंड भारत सरकार की घोषित योजना नहीं, उपलब्ध नीतियों और वैश्विक अनुभव के आधार पर लेखकों की प्रस्तावित कार्ययोजना है। इसका उद्देश्य 2030 तक ऐसे हिन्दी–AI पारितंत्र की दिशा देना है जिसमें तकनीकी प्रदर्शन के साथ शिक्षा, आजीविका, सांस्कृतिक अधिकार और सार्वजनिक उत्तरदायित्व मापे जाएँ। कार्ययोजना पाँच सिद्धान्तों पर आधारित है: सार्वजनिक मूल्य, बहुभाषी न्याय, मानव पर्यवेक्षण, खुली/सुरक्षित अवसंरचना और मापनीय उत्तरदायित्व।

12.1 सार्वजनिक हिन्दी भाषा-संसाधन न्यास

पहला प्रस्ताव एक संघीय ‘भारतीय भाषा संसाधन न्यास’ या परस्पर जुड़ा नेटवर्क है, जिसमें विश्वविद्यालय, पुस्तकालय, अकादमी, प्रसारक, प्रकाशक, समुदाय और तकनीकी संस्थान भाग लें। यह न्यास कॉर्पस, शब्दकोश, वाक्, OCR, पारिभाषिकी और मूल्यांकन सेट की सूची तथा लाइसेंस मानकीकृत करे। जहाँ खुला प्रकाशन सम्भव न हो, सुरक्षित शोध-अभिगम दे। हर संसाधन के साथ डेटाशीट, संस्करण, स्रोत और वापसी/सुधार प्रक्रिया हो।

2030 तक मापनीय लक्ष्य हो सकते हैं: प्रमुख विधाओं और दशकों का संतुलित हिन्दी कॉर्पस; बोलियों के लिए समुदाय-सहमत संग्रह; विद्यालय और उच्च शिक्षा की खुली द्विभाषी शब्दावली; सार्वजनिक सेवा हेतु क्षेत्र/डोमेन-वार वाक् परीक्षण; तथा ऐतिहासिक हिन्दी पत्रिकाओं का उच्च-गुणवत्ता OCR। मात्रा के लक्ष्य गुणवत्ता और अधिकार के बिना घोषित न हों।

12.2 शिक्षक और विद्यार्थी AI सक्षमता

दूसरा प्रस्ताव तीन-स्तरीय शिक्षक प्रमाणन है: आधारभूत AI साक्षरता; विषय-विशिष्ट शिक्षाशास्त्र; और संस्थागत नेतृत्व/अनुसंधान। प्रशिक्षण हिन्दी सहित माध्यम-भाषाओं में हो, वास्तविक कक्षा-नमूने और जोखिम-परिदृश्य शामिल करे। प्रमाणन किसी उत्पाद विशेष पर निर्भर न हो। शिक्षक समुदाय खुले प्रॉम्प्ट के बजाय सत्यापित गतिविधि-पैकेज साझा करें, जिसमें लक्ष्य, स्रोत, मूल्यांकन और डेटा-सुरक्षा स्पष्ट हो।

विद्यार्थी ढाँचे में मॉडल की सीमा, स्रोत-जाँच, डेटा-अधिकार, संवादात्मक उपयोग, रचनात्मक प्रक्रिया और सामाजिक प्रभाव शामिल हों। कक्षा VIII तक सरल डेटा और नैतिक निर्णय; माध्यमिक स्तर पर मॉडल और पक्षपात; उच्च शिक्षा में विषय-विशिष्ट शोध और कार्यस्थल कौशल। प्रत्येक संस्थान AI उपयोग उद्घोषणा और अपील-नीति बनाए। परीक्षा में प्रक्रिया-आधारित और मौखिक घटक बढ़ें।

12.3 अनुवाद और साहित्य के लिए मानव-प्रमाणित अवसंरचना

तीसरा प्रस्ताव सार्वजनिक महत्व के अनुवाद में गुणवत्ता-स्तर घोषित करना है: मशीन-निर्मित त्वरित सूचना; मानव-समीक्षित सामान्य प्रकाशन; विषय विशेषज्ञ-सत्यापित उच्च-जोखिम अनुवाद; और साहित्यिक/विधिक स्वतंत्र संशोधन। उपयोगकर्ता इंटरफेस पर स्तर दिखे। अनुवादक का नाम, संस्करण और सुधार चैनल उपलब्ध हो। सरकारी पारिभाषिकी को API और खुले मानक में प्रकाशित किया जाए ताकि सभी मॉडल एकरूप स्रोत उपयोग कर सकें।

साहित्य के लिए राष्ट्रीय डिजिटल मानविकी ग्रिड बनाया जा सकता है, जो पुस्तकालयों और विश्वविद्यालयों को OCR, मेटाडेटा, सुरक्षित टेक्स्ट-माइनिंग और दृश्यांकन से जोड़े। कॉपीराइट धारक के साथ गैर-उपभोगात्मक शोध समझौते हों। AI-सहायित साहित्यिक प्रकाशन में लेखक की सहमति, उपयोग उद्घोषणा और मानवीय सम्पादन अनिवार्य हों। जीवित लेखक की शैली-नकल पर स्पष्ट नैतिक और अनुबंधात्मक सीमा बने।

12.4 रोजगार और नवाचार का न्यायसंगत क्षेत्रीय विस्तार

चौथा प्रस्ताव विश्वविद्यालय-आधारित ‘भाषा–AI क्लिनिक’ हैं, जहाँ छात्र स्थानीय विद्यालय, नगरपालिका, संग्रहालय, छोटे व्यवसाय और नागरिक समूह की बहुभाषी समस्या हल करें। इससे पाठ्यक्रम, शोध और रोजगार एक साथ जुड़ेंगे। छोटे शहरों में कंप्यूट क्रेडिट, मेंटर और सार्वजनिक डेटासेट की पहुँच हो। महिला और वंचित समूहों के लिए सशुल्क प्रशिक्षुता तथा दूरस्थ कार्य की सुरक्षा सुनिश्चित की जाए।

भाषा-डेटा कार्य के लिए न्यूनतम मानक बनें: लिखित अनुबंध, कार्य-प्रति अपेक्षित समय, त्रुटि-अपीलीय प्रक्रिया, संवेदनशील सामग्री सहायता, डेटा सुरक्षा और योगदान का श्रेय। सरकारी खरीद में केवल न्यूनतम मूल्य नहीं, भाषा-विशेषज्ञता, श्रम-मानक और स्वतंत्र गुणवत्ता ऑडिट अंकित हों। सार्वजनिक निवेश से बने स्टार्टअप को खुले बेंचमार्क और भारतीय भाषा कवरेज रिपोर्ट करनी चाहिए।

12.5 पारदर्शी मापन और लोकतांत्रिक शासन

पाँचवाँ प्रस्ताव वार्षिक ‘भारतीय भाषा AI स्थिति रिपोर्ट’ है। इसमें भाषा-वार मॉडल क्षमता, सार्वजनिक सेवा उपयोग, त्रुटि और शिकायत, शिक्षा परिणाम, रोजगार गुणवत्ता, डेटासेट प्रतिनिधित्व, सुगम्यता और पर्यावरणीय संकेत प्रकाशित हों। केवल सर्वश्रेष्ठ बेंचमार्क न दिखाया जाए; ज्ञात विफलता और सुधार भी दर्ज हों। स्वतंत्र अकादमिक तथा नागरिक समाज समिति पद्धति की समीक्षा करे।

उच्च-प्रभाव सार्वजनिक AI के लिए एल्गोरिद्मिक प्रभाव आकलन, सार्वजनिक परामर्श और मानव अपील अनिवार्य हो। नागरिक को सरल हिन्दी में पता हो कि AI कहाँ उपयोग हुआ, कौन-सा डेटा लिया गया और निर्णय चुनौती कैसे दें। मॉडल खरीद और तैनाती के अनुबंध में ऑडिट अधिकार, डेटा निर्यात, सेवा समाप्ति और सुरक्षा घटना की शर्तें हों। लोकतांत्रिक नियंत्रण तकनीकी प्रगति का विरोध नहीं; दीर्घकालिक विश्वास की शर्त है।

2030 लक्ष्य	प्रमुख कार्रवाई	मापनीय संकेतक	नेतृत्व/भागीदार
गुणवत्तापूर्ण सार्वजनिक भाषा डेटा	न्यास, डेटाशीट, समुदाय-सहमति, सुरक्षित अभिगम	विधा/बोली कवरेज; लाइसेंस; audit पास	MeitY, शिक्षा मंत्रालय, विश्वविद्यालय, समुदाय
AI-सक्षम लेकिन मानव-केंद्रित शिक्षा	तीन-स्तरीय शिक्षक प्रशिक्षण; AI उद्घोषणा	प्रशिक्षित शिक्षक; सीखने का परिणाम; appeal data	NCERT/CBSE/राज्य बोर्ड/HEI
विश्वसनीय बहुभाषी सार्वजनिक सेवा	BHASHINI domain testing और human handoff	भाषा/बोली त्रुटि-दर; समाधान समय	DIBD, मंत्रालय, राज्य और स्थानीय निकाय
गरिमापूर्ण भाषा रोजगार	डेटा-वर्क मानक; paid apprenticeships; regional clinics	वेतन, स्थायित्व, क्षेत्र/लिंग वितरण	श्रम मंत्रालय, उद्योग, HEI, स्टार्टअप
डिजिटल साहित्यिक विरासत	OCR ग्रिड; सुरक्षित text mining; metadata	सत्यापित पृष्ठ, संग्रह, शोध आउटपुट	पुस्तकालय, अकादमी, प्रकाशक, शोध परिषद
जवाबदेह AI शासन	वार्षिक स्थिति रिपोर्ट; impact assessment; audit	घटना/शिकायत, audit, सुधार और public disclosure	IndiaAI, नियामक, स्वतंत्र विशेषज्ञ, नागरिक समाज

तालिका 8. ‘हिन्दी–AI 2030’—लेखकों द्वारा प्रस्तावित, मापनीय और बहु-हितधारक कार्ययोजना; इसे सरकारी प्रतिबद्धता न माना जाए।

13. निष्कर्ष

कृत्रिम बुद्धिमत्ता हिन्दी के लिए अभूतपूर्व विस्तार का माध्यम बन सकती है। यह विद्यार्थी को वैयक्तिक अभ्यास, शिक्षक को बहुस्तरीय सामग्री, अनुवादक को गति और शब्दावली, शोधकर्ता को विशाल कॉर्पस, नागरिक को अपनी भाषा में सेवा तथा साहित्य को नए पाठक और विश्लेषण दे सकती है। IndiaAI Mission, BHASHINI, BharatGen, AI उत्कृष्टता केन्द्र, CBSE पाठ्यक्रम और डिजिटल शिक्षा मंच इस दिशा में महत्वपूर्ण सार्वजनिक आधार बनाते हैं। विश्व के अनुभव बताते हैं कि साझा भाषा-डेटा, सार्वजनिक खरीद, समुदाय नेतृत्व, सुरक्षित शोध और मानव–मशीन सहयोग छोटे और बड़े दोनों भाषा समुदायों के लिए आवश्यक हैं।

पर तकनीकी उपलब्धता स्वयं भाषायी न्याय नहीं बनाती। यदि मॉडल का डेटा संकीर्ण है, शिक्षक तैयार नहीं, अनुवाद बिना समीक्षा है, छात्र का डेटा असुरक्षित है, या भाषा-श्रम अदृश्य और कम भुगतान वाला है, तो AI पुरानी असमानता को अधिक तेज कर देगा। गैर-अंग्रेज़ी लेखकों पर डिटेक्टर-पक्षपात, बोलियों की उपेक्षा और सांस्कृतिक समतलीकरण चेतावनी हैं कि प्रवाह और पैमाना गुणवत्ता के पर्याप्त माप नहीं। मानव पर्यवेक्षण को केवल अन्तिम proofreading नहीं, उद्देश्य, डेटा, मूल्यांकन, निर्णय और अपील के प्रत्येक चरण में रखना होगा।

हिन्दी का डिजिटल भविष्य ‘मनुष्य बनाम मशीन’ का चुनाव नहीं, संस्थागत डिजाइन का प्रश्न है। सबसे उपयोगी सूत्र है: AI प्रारूप, विस्तार और पैटर्न के लिए; मनुष्य अर्थ, नैतिकता, उत्तरदायित्व और रचनात्मक निर्णय के लिए। शिक्षक, भाषावैज्ञानिक, अनुवादक और साहित्यकार तकनीक के निष्क्रिय उपभोक्ता नहीं, उसके सह-निर्माता होने चाहिए। समुदाय को अपने भाषा-डेटा पर आवाज़, लाभ और सुधार का अधिकार मिलना चाहिए।

2030 तक सफलता का प्रमाण कोई एक विशाल हिन्दी मॉडल नहीं होगा। प्रमाण होगा—ग्रामीण छात्र को विश्वसनीय हिन्दी विज्ञान सहायता; दिव्यांग नागरिक को सुगम सार्वजनिक सेवा; अनुवादक को सम्मानजनक मानव–AI कार्य; बोली समुदाय को डेटा-संप्रभुता; पुस्तकालय को खोजयोग्य विरासत; और नागरिक को गलत AI निर्णय चुनौती देने का मार्ग। ऐसी व्यवस्था शिक्षा, रोजगार और साहित्य को जोड़ते हुए हिन्दी को डिजिटल आधुनिकता में केवल जीवित नहीं, निर्णायक और सृजनशील भाषा बना सकती है।

घोषणाएँ

लेखकीय योगदान

दोनों लेखकों ने विषय-परिकल्पना, स्रोत-चयन, विश्लेषण, नीतिगत संश्लेषण और लेख के बौद्धिक ढाँचे में संयुक्त योगदान दिया है। अंतिम प्रस्तुत संस्करण की तथ्यात्मक जाँच, संस्थागत विवरण और प्रकाशन-अनुमोदन दोनों लेखक करेंगे।

हित-संघर्ष और वित्तपोषण

लेखकों ने किसी वाणिज्यिक AI उपकरण का समर्थन नहीं किया है। इस समीक्षा के लिए कोई विशिष्ट बाहरी वित्तपोषण घोषित नहीं है।

AI उपयोग पारदर्शिता

लेख की दृश्य प्रस्तुति और प्रारूप-सहायता में AI-सहायित उपकरणों का उपयोग किया गया है। विषय-चित्र प्रतिनिधि है, वास्तविक घटना का दस्तावेज़ नहीं। उद्धृत दावों के लिए मूल/आधिकारिक स्रोत सूचीबद्ध हैं; अंतिम शैक्षणिक उत्तरदायित्व लेखकों का है।

डेटा उपलब्धता

यह कथात्मक समीक्षा है; कोई नया व्यक्तिगत अथवा प्रयोगात्मक डेटासेट उत्पन्न नहीं किया गया। प्रयुक्त सार्वजनिक स्रोत क्रमांकित सन्दर्भ-सूची में उपलब्ध हैं।

सन्दर्भ

[1] UNESCO, Guidance for Generative AI in Education and Research. Paris: UNESCO, 2023. स्रोत/DOI

[2] Miao, F. and Cukurova, M., AI Competency Framework for Teachers. Paris: UNESCO, 2024. doi:10.54675/ZJTE2084. स्रोत/DOI

[3] Miao, F., Shiohira, K. and Lao, N., AI Competency Framework for Students. Paris: UNESCO, 2024. स्रोत/DOI

[4] UNESCO, State of the Education Report for India 2022: Artificial Intelligence in Education. New Delhi: UNESCO, 2022. स्रोत/DOI

[5] Ministry of Education, Government of India, National Education Policy 2020. New Delhi, 2020. स्रोत/DOI

[6] Kasneci, E. et al., ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences 103 (2023): 102274. स्रोत/DOI

[7] Kohnke, L., Moorhouse, B. L. and Zou, D., ChatGPT for Language Teaching and Learning. RELC Journal 54.2 (2023): 537–550. स्रोत/DOI

[8] Godwin-Jones, R., Distributed agency in second language learning and teaching through generative AI. Language Learning & Technology 28.2 (2024): 5–31. स्रोत/DOI

[9] Mizumoto, A. and Eguchi, M., Exploring the potential of using an AI language model for automated essay scoring. Research Methods in Applied Linguistics 2.2 (2023): 100050. स्रोत/DOI

[10] Liang, W. et al., GPT detectors are biased against non-native English writers. Patterns 4.7 (2023): 100779. स्रोत/DOI

[11] Tabassi, E., Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST AI 100-1, 2023. स्रोत/DOI

[12] Autio, C. et al., Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. NIST AI 600-1, 2024. स्रोत/DOI

[13] Kakwani, D. et al., IndicNLPSuite: Monolingual Corpora, Evaluation Benchmarks and Pre-trained Multilingual Language Models for Indian Languages. Findings of EMNLP 2020: 4948–4961. स्रोत/DOI

[14] Khanuja, S. et al., MuRIL: Multilingual Representations for Indian Languages. arXiv:2103.10730, 2021. स्रोत/DOI

[15] Gala, J. et al., IndicTrans2: Towards High-Quality and Accessible Machine Translation Models for all 22 Scheduled Indian Languages. Transactions on Machine Learning Research, 2023. स्रोत/DOI

[16] Singh, H. et al., IndicGenBench: A Multilingual Benchmark to Evaluate Generation Capabilities of LLMs on Indic Languages. Proceedings of ACL 2024: 11047–11073. स्रोत/DOI

[17] AI4Bharat, Large Language Models for Indian Languages. Indian Institute of Technology Madras; accessed 27 August 2026. स्रोत/DOI

[18] Nekoto, W. et al., Participatory Research for Low-resourced Machine Translation: A Case Study in African Languages. Findings of EMNLP 2020: 2144–2160. स्रोत/DOI

[19] UNESCO, Global Roadmap for Multilingualism in the Digital Era. Paris: UNESCO, 2025. स्रोत/DOI

[20] European Commission, European Language Data Space. Official portal; accessed 27 August 2026. स्रोत/DOI

[21] Welsh Government, Welsh Language Technology Action Plan. Cardiff, 2018–2024. स्रोत/DOI

[22] World Economic Forum, Future of Jobs Report 2025. Geneva: WEF, 2025. स्रोत/DOI

[23] Gmyrek, P. et al., Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140, Geneva: ILO, 2025. स्रोत/DOI

[24] Press Information Bureau, Government of India, Cabinet approves comprehensive national-level IndiaAI Mission. 7 March 2024, PRID 2012355. स्रोत/DOI

[25] IndiaAI, Ministry of Electronics and Information Technology, IndiaAI Mission: Seven Pillars. Official portal; accessed 27 August 2026. स्रोत/DOI

[26] Press Information Bureau, Government of India, IndiaAI Mission: compute, foundational models and applications—implementation update. February 2026, PRID 2227612. स्रोत/DOI

[27] Digital India BHASHINI Division, BHASHINI: National Language Translation Mission. Official portal; accessed 27 August 2026. स्रोत/DOI

[28] Press Information Bureau, Government of India, BHASHINI expands India’s multilingual digital infrastructure. August 2026, PRID 2298335. स्रोत/DOI

[29] Press Information Bureau, Government of India, Launch of BharatGen, sovereign multilingual and multimodal AI initiative. 2 June 2025. स्रोत/DOI

[30] Press Information Bureau, Government of India, Government support for BharatGen. November 2025, PRID 2194204. स्रोत/DOI

[31] Press Information Bureau, Government of India, Budget 2025–26: Centre of Excellence in AI for Education with ₹500 crore outlay. 1 February 2025, PRID 2098805. स्रोत/DOI

[32] Central Board of Secondary Education, Artificial Intelligence, Subject Code 417, Class IX: Curriculum 2026–27. New Delhi: CBSE, 2026. स्रोत/DOI

[33] Central Board of Secondary Education, Computational Thinking and Artificial Intelligence Curriculum, Classes III–VIII, 2026–27. New Delhi: CBSE, 2026. स्रोत/DOI

[34] Ministry of Education, Government of India, PM e-VIDYA: A comprehensive initiative for multi-mode access to digital/online education. Official portal; accessed 27 August 2026. स्रोत/DOI

[35] Digital India Corporation, DIKSHA: National Digital Infrastructure for Knowledge Sharing. Official portal; accessed 27 August 2026. स्रोत/DOI

[36] Ministry of Education, Government of India, SWAYAM: Study Webs of Active-learning for Young Aspiring Minds. Official portal; accessed 27 August 2026. स्रोत/DOI

[37] Government of India, Digital Personal Data Protection Act, 2023. The Gazette of India, Act No. 22 of 2023. स्रोत/DOI

[38] Ministry of Electronics and Information Technology, Digital Personal Data Protection Rules, 2025. Gazette notification, November 2025. स्रोत/DOI

[39] ISO, ISO 18587:2017—Translation services: Post-editing of machine translation output—Requirements. Geneva: International Organization for Standardization, 2017. स्रोत/DOI

[40] ISO, ISO 17100:2015—Translation services—Requirements for translation services. Geneva: International Organization for Standardization, 2015. स्रोत/DOI

[41] Directorate-General for Translation, European Commission, eTranslation: Secure machine translation for European public administrations. Official service page; accessed 27 August 2026. स्रोत/DOI

[42] National Research Council Canada, Indigenous Languages Technology Project. Official project page; accessed 27 August 2026. स्रोत/DOI

[43] The Alan Turing Institute, Living with Machines. Research project; accessed 27 August 2026. स्रोत/DOI

[44] Transkribus, AI-powered text recognition for historical documents. Official platform; accessed 27 August 2026. स्रोत/DOI

[45] HathiTrust Research Center, Tools and Datasets for Computational Analysis of the HathiTrust Digital Library. Official portal; accessed 27 August 2026. स्रोत/DOI

[46] Stanford Literary Lab, Computational Criticism and Digital Literary Studies. Stanford University; accessed 27 August 2026. स्रोत/DOI

[47] OpenAI, ChatGPT: Voice and language-learning capabilities. Official product information; accessed 27 August 2026. स्रोत/DOI

[48] Google, Google Translate: Gemini-powered translation and language-learning updates. Official blog, 12 December 2025. स्रोत/DOI

[49] DeepL, Supported languages and Translator features. Official help centre; accessed 27 August 2026. स्रोत/DOI

[50] Microsoft, Microsoft Translator for Education. Official service page; accessed 27 August 2026. स्रोत/DOI

[51] Duolingo, Duolingo Max Uses AI for Roleplay and Explain My Answer. Official blog, 14 March 2023. स्रोत/DOI

[52] ELSA Speak, AI-powered English speaking, pronunciation and fluency practice. Official website; accessed 27 August 2026. स्रोत/DOI

[53] LanguageTool, Multilingual grammar, spelling and style checker. Official website; accessed 27 August 2026. स्रोत/DOI

[54] Grammarly, Multilingual writing and translation features. Official product page; accessed 27 August 2026. स्रोत/DOI

[55] Google, NotebookLM: source-grounded AI research and learning assistant. Official product page; accessed 27 August 2026. स्रोत/DOI