विश्व में लाखों रंग हैं। हम केवल कुछ का नाम क्यों लेते हैं?

मानक दृष्टि वाले लोग लाखों अलग-अलग रंगों को देख सकते हैं। लेकिन मानव भाषा इन्हें शब्दों के एक छोटे समूह में वर्गीकृत करती है। एक औद्योगिक संस्कृति में, ज्यादातर लोग 11 रंग शब्दों के साथ मिलते हैं: काले, सफेद, लाल, हरे, पीले, नीले, भूरे, नारंगी, गुलाबी, बैंगनी और ग्रे। यही हमारे पास अमेरिकी अंग्रेजी में है।

हो सकता है कि यदि आप एक कलाकार या इंटीरियर डिजाइनर हैं, तो आप रंगों के लिए 50 या 100 अलग-अलग शब्दों के लिए विशिष्ट अर्थ जानते हैं - जैसे फ़िरोज़ा, एम्बर, इंडिगो या ट्यूप। लेकिन यह अभी भी रंगों का एक छोटा अंश है जिसे हम अलग कर सकते हैं।

दिलचस्प है, जिस तरह से भाषाएं रंग को वर्गीकृत करती हैं वे व्यापक रूप से भिन्न होती हैं। गैर-औद्योगीकृत संस्कृतियों में आमतौर पर औद्योगिक संस्कृतियों की तुलना में रंगों के लिए बहुत कम शब्द हैं। इसलिए जबकि अंग्रेजी में 11 शब्द हैं जो हर कोई जानता है, पापुआ-न्यू गिनी भाषा बेरिनमो में केवल पांच हैं, और बोलिवियाई अमेजोनियन भाषा त्सिमने 'में केवल तीन शब्द हैं जो हर कोई जानता है, जो काले, सफेद और लाल रंग के हैं।

हमारी परियोजना का लक्ष्य यह समझना था कि संस्कृतियां अपने रंग शब्द के उपयोग में इतनी भिन्न क्यों हैं।

**********

मतभेदों के लिए सबसे व्यापक रूप से स्वीकार किए गए स्पष्टीकरण दो भाषाविदों, ब्रेंट बर्लिन और पॉल काई को वापस जाता है। 1960 के दशक के अपने शुरुआती काम में, उन्होंने 20 भाषाओं के रंग-नामकरण डेटा एकत्र किए। उन्होंने भाषाओं में रंग की शर्तों के बीच कुछ समानताएं देखीं: यदि किसी भाषा में केवल दो शब्द थे, तो वे हमेशा काले और सफेद होते थे; अगर कोई तीसरा था, तो वह लाल था; चौथा और पांचवा हमेशा हरा और पीला होता था (किसी भी क्रम में); छठा नीला था; सातवाँ भूरा था; और इसी तरह।

इस आदेश के आधार पर, बर्लिन और काई ने तर्क दिया कि कुछ रंग अधिक नमकीन थे। उन्होंने सुझाव दिया कि संस्कृतियां सबसे अधिक सल्तनत रंगों के नामकरण से शुरू होती हैं, एक समय में नए शब्दों को क्रम में लाती हैं। तो काले और सफेद सबसे अधिक नमकीन हैं, फिर लाल, और इसी तरह।

जबकि यह दृष्टिकोण आशाजनक लग रहा था, इस सहज दृष्टि-आधारित सिद्धांत के साथ कई समस्याएं हैं।

बर्लिन, के और उनके सहयोगियों ने 110 गैर-औद्योगिक भाषाओं से बहुत बड़ा डेटा सेट इकट्ठा किया। इस बड़े डेटा सेट में उनका मूल सामान्यीकरण उतना स्पष्ट नहीं है: कई अपवाद हैं, जिन्हें Kay और उनके सहयोगियों ने अधिक जटिल दृष्टि-आधारित सिद्धांत में समझाने की कोशिश की है।

क्या अधिक है, यह नेटिविस्ट सिद्धांत यह नहीं बताता है कि औद्योगीकरण, जिसने बड़े पैमाने पर विश्वसनीय, स्थिर और मानकीकृत रंगों को पेश किया, और अधिक रंग शब्दों को पेश किया जाता है। संस्कृतियों में लोगों के दृश्य सिस्टम समान हैं: इस मॉडल में, औद्योगिकीकरण को रंग वर्गीकरण पर कोई फर्क नहीं पड़ना चाहिए, जो स्पष्ट रूप से ऐसा नहीं था।

**********

इसलिए हमारे अनुसंधान समूहों ने एक पूरी तरह से अलग विचार का पता लगाया: शायद कुशल संचार के लिए रंग शब्द विकसित किए गए हैं। रंगों के कुछ सेट से बस एक रंग चिप के नामकरण के कार्य पर विचार करें। हमारे अध्ययन में, हमने 80 रंग के चिप्स का उपयोग किया, मुंसेल रंगों से चुना गया जो समान रूप से रंग ग्रिड में फैला हो। पड़ोसी रंगों की प्रत्येक जोड़ी समान दूरी के अलावा कितनी अलग दिखाई देती है। स्पीकर का कार्य केवल एक शब्द के साथ रंग को लेबल करना है ("लाल, " "नीला" और इसी तरह)।

प्रतिभागियों को रंग ग्रिड में से 80 रंग चिप विकल्पों में से एक को संवाद करना था। (रिचर्ड फ्यूटरेल और एडवर्ड गिब्सन, सीसी बाय)

संचार-आधारित विचार का मूल्यांकन करने के लिए, हमें सरल संचार शब्दों में रंग-नामकरण के बारे में सोचना होगा, जिसे सूचना सिद्धांत द्वारा औपचारिक रूप दिया जा सकता है। मान लीजिए कि मैं यादृच्छिक पर रंग का चयन करता है N4। मैं उस रंग को लेबल करने के लिए एक शब्द चुनता हूं जिसे मैंने चुना था। हो सकता है कि मेरे द्वारा चुना गया शब्द "नीला" हो। अगर मैंने A3 को चुना था, तो मैंने कभी भी "नीला" नहीं कहा होगा और अगर मैंने M3 को चुना था, तो शायद मैंने "नीला" कहा होगा, शायद "हरा" या कुछ और।

अब इस विचार प्रयोग में, आप एक श्रोता के रूप में अनुमान लगाने की कोशिश कर रहे हैं कि मेरा कौन सा शारीरिक रंग है। आप रंग चिप्स का एक पूरा सेट चुन सकते हैं जो आपको लगता है कि मेरे रंग से मेल खाता है "नीला।" हो सकता है कि आप कॉलम M, N और O के सभी लोगों के अनुरूप 12 रंग के चिप्स का एक सेट चुनें। मैं कहता हूं कि हां, क्योंकि मेरी चिप अंदर है वास्तव में उनमें से एक है। फिर आप अपने सेट को आधे हिस्से में विभाजित करें और फिर से अनुमान लगाएं।

अनुमानों की संख्या यह आदर्श श्रोता को मेरे रंग चिप पर शून्य पर ले जाती है, मेरे द्वारा उपयोग किए गए रंग शब्द के आधार पर चिप के लिए एक सरल स्कोर है। हम इस स्कोर की गणना कर सकते हैं - अनुमानों की संख्या या "बिट्स" - जिस तरह से कई लोग सरल रंग-लेबलिंग कार्य में रंगों को लेबल करते हैं, उसी तरह से कुछ सरल गणित का उपयोग करते हैं। इन अंकों का उपयोग करके, हम अब ग्रिड पर रंगों को किसी भी भाषा में रैंक कर सकते हैं।

अंग्रेजी में, यह पता चला है कि लोग गर्म रंगों - रेड्स, संतरे और येलो - को शांत रंगों - ब्लूज़ और ग्रीन्स की तुलना में अधिक कुशलता से (कम अनुमान के साथ) बता सकते हैं। आप इसे रंग ग्रिड में देख सकते हैं: "लाल", "नारंगी" या "पीला" लेबल किए जाने के लिए बहुत कम प्रतियोगी हैं, ऐसे रंग हैं जिन्हें "नीला" या "हरा" लेबल किया जाएगा। यह इसके बावजूद सच है। इस तथ्य के कारण कि ग्रिड स्वयं अवधारणात्मक रूप से अधिक या कम समान है: रंगों को पूरी तरह से मुनसेल रंग अंतरिक्ष के सबसे संतृप्त रंगों को कवर करने के लिए चुना गया था, और पड़ोसी रंगों के प्रत्येक जोड़े समान रूप से करीब दिखते हैं, चाहे वे ग्रिड पर कोई भी हो।

हमने पाया कि यह सामान्यीकरण पूरे विश्व रंग सर्वेक्षण (110 भाषाओं) में हर भाषा में सच है और तीन और में हमने इस पर विस्तृत प्रयोग किए: अंग्रेजी, स्पेनिश और त्सिमने '।

प्रत्येक पंक्ति एक भाषा के लिए रंगीन चिप्स का आदेश देती है: बाईं ओर के रंग संवाद करने में आसान होते हैं, दाईं ओर के उन लोगों को संवाद करना कठिन होता है। (रिचर्ड फ्यूट्रेल, सीसी बाय)

यह एक दृश्य प्रतिनिधित्व में स्पष्ट है, जहां प्रत्येक पंक्ति एक विशेष भाषा के लिए रंग चिप्स का एक क्रम है। बाएं से दाएं क्रम को कम्यूनिकेट करना सबसे आसान से संवाद है (कम से कम अनुमान सही रंग पाने के लिए) सबसे कठिन संवाद करने के लिए।

आरेख से पता चलता है कि सभी भाषाओं में लगभग एक ही क्रम है, बाईं ओर गर्म रंगों (संवाद करने में आसान) और दाईं ओर शांत वाले (कठिन संवाद करने के लिए) हैं। यह सामान्यीकरण इस तथ्य के बावजूद होता है कि आंकड़े के नीचे की भाषाओं के पास कुछ शब्द हैं जो लोग लगातार उपयोग करते हैं, जबकि शीर्ष (जैसे अंग्रेजी और स्पेनिश) के पास की भाषाओं में कई शब्द हैं जो ज्यादातर लोग लगातार उपयोग करते हैं।

**********

भाषाओं में इस उल्लेखनीय सार्वभौमिक की खोज के अलावा, हम यह भी पता लगाना चाहते थे कि इसके कारण क्या हैं। स्मरण करो कि हमारा विचार यह है कि शायद हम शब्दों को किसी भाषा में पेश करते हैं जब कोई ऐसी चीज होती है जिसके बारे में हम बात करना चाहते हैं। तो शायद यह प्रभाव पैदा होता है क्योंकि वस्तुओं - जिन चीजों के बारे में हम बात करना चाहते हैं - वे गर्म-रंगीन हो जाती हैं।

हमने इस परिकल्पना का मूल्यांकन 20, 000 वस्तुओं की एक डेटाबेस में किया है कि Microsoft के लोगों ने पृष्ठभूमि से अलग के रूप में निहित वस्तुओं का फैसला किया था। (यह डेटा सेट कंप्यूटर विज़न सिस्टम को प्रशिक्षित करने और परीक्षण करने के लिए उपलब्ध है जो वस्तुओं की पहचान करने के लिए सीखने की कोशिश कर रहे हैं।) हमारे सहयोगियों ने तब प्रत्येक छवि में ऑब्जेक्ट की विशिष्ट सीमाओं को निर्धारित किया था और जहां पृष्ठभूमि थी।

हमने रंगों के स्थान पर 80 रंगों के हमारे सेट पर छवियों में रंगों को मैप किया। यह पता चला कि वास्तव में वस्तुएं गर्म-रंग की होने की संभावना है, जबकि पृष्ठभूमि शांत-रंग की हैं। यदि एक छवि का पिक्सेल किसी वस्तु के भीतर गिर गया, तो यह उस रंग के अनुरूप होने की अधिक संभावना थी जो संवाद करना आसान था। संचार दक्षता के हमारे क्रमबद्ध क्रम में बाईं ओर गिरने के लिए वस्तुओं का रंग और अधिक गिर गया।

जब आप इसके बारे में सोचते हैं, तो यह बिल्कुल आश्चर्यजनक नहीं लगता है। पृष्ठभूमि आकाश, पानी, घास, पेड़ हैं: सभी शांत रंग के हैं। जिन वस्तुओं के बारे में हम बात करना चाहते हैं, वे गर्म रंग की हैं: लोग, जानवर, जामुन, फल ​​और इतने पर।

हमारी परिकल्पना भी आसानी से बताती है कि औद्योगीकरण के साथ भाषा में अधिक रंग शब्द क्यों आते हैं। प्रौद्योगिकी में वृद्धि के साथ पिगमेंट को शुद्ध करने और नए बनाने के तरीकों में सुधार होता है, साथ ही साथ नए रंग भी प्रदर्शित होते हैं। इसलिए हम उन वस्तुओं को बना सकते हैं जो केवल रंग के आधार पर भिन्न होती हैं - उदाहरण के लिए, नया iPhone "गुलाब गोल्ड" और "गोल्ड" में आता है - जो रंग-नामकरण को और भी अधिक उपयोगी बनाता है।

तो पहले के नटविस्ट विज़ुअल सलेंस परिकल्पना के विपरीत, संचार परिकल्पना ने एक सच्चे क्रॉस-भाषाई सार्वभौमिक की पहचान करने में मदद की - गर्म रंगों को शांत लोगों की तुलना में संवाद करना आसान है - और यह आसानी से रंग के संदर्भ में क्रॉस-सांस्कृतिक अंतर की व्याख्या करता है। यह यह भी बताता है कि रंग शब्द अक्सर भाषा में रंग शब्दों के रूप में नहीं बल्कि वस्तु या पदार्थ लेबल के रूप में आते हैं। उदाहरण के लिए, "नारंगी" फल से आता है; "लाल" संस्कृत से रक्त के लिए आता है। संक्षेप में, हम उन चीजों को लेबल करते हैं जिनके बारे में हम बात करना चाहते हैं।

यह आलेख मूल रूप से वार्तालाप पर प्रकाशित हुआ था।

जूलिया लियोनार्ड, पीएच.डी. छात्र मस्तिष्क और संज्ञानात्मक विज्ञान में, मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी