A Learning-based approach for bias elimination in low cost gyroscopes
यह शोध पत्र एक अद्वितीय कनवल्शनल न्यूरल नेटवर्क का उपयोग करने वाले लर्निंग-आधारित दृष्टिकोण का प्रस्ताव करता है ताकि कम लागत वाले जायरोस्कोप में पूर्वाग्रह (bias) को कुशलतापूर्वक समाप्त किया जा सके, जो वास्तविक पूर्वाग्रह से बैकग्राउंड शोर को प्रभावी ढंग से अलग करके पारंपरिक विश्लेषणात्मक विधियों की तुलना में परिचालन समय को काफी कम कर देता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपके पास एक सस्ता, जेब में आ जाने वाला कंपास (एक जायरोस्कोप) है जो एक रोबोट या फोन को यह जानने में मदद करता है कि ऊपर की दिशा कौन सी है। समस्या यह है कि ये सस्ते सेंसर थोड़े "नशे में" होते हैं। यहाँ तक कि जब वे मेज पर बिल्कुल स्थिर बैठे होते हैं, तब भी वे "शून्य" नहीं पढ़ते। इसके बजाय, वे एक छोटा सा, गलत नंबर फुसफुसाते हैं। इसे बायस (bias) कहा जाता है।
यदि आप इस "नशे में" वाली रीडिंग को ठीक नहीं करते हैं, और रोबोट इन गलत नंबरों को समय के साथ जोड़कर अपना रास्ता निकालने की कोशिश करता है, तो रोबोट जल्दी ही खुद को ऐसी जगह समझने लगेगा जहाँ वह वास्तव में नहीं है।
पुराना तरीका: "इंतज़ार करो और देखो" विधि
पारंपरिक रूप से, इस नशे में धुत सेंसर को ठीक करने के लिए, इंजीनियरों को एक ऐसे तरीके का उपयोग करना पड़ता था जो शोर भरे कमरे में एक फुसफुसाहट को सुनने जैसा था। वे सेंसर को बिल्कुल स्थिर रहने के लिए कहते थे और बस इंतज़ार करते थे। वे सेंसर के "नशे वाले" शोर को लंबे समय तक (जैसे 60 सेकंड) रिकॉर्ड करते थे और फिर उनका औसत निकालते थे।
इसे ऐसे समझें जैसे किसी कमरे के वास्तविक तापमान का अनुमान लगाने के लिए 600 त्वरित अनुमान लेने और उनका औसत निकालने की कोशिश करना। आप जितने अधिक अनुमान लेंगे, आप सत्य के उतने ही करीब पहुँचेंगे, लेकिन इसमें बहुत समय लगता है। पेपर इसे "औसत समय" (averaging time) कहता है, और यह एक बड़ी बाधा है क्योंकि यह समय बर्बाद करता है और इसके लिए एक पूरी तरह से शांत, निर्द席 वातावरण की आवश्यकता होती है।
नया तरीका: "स्मार्ट डिटेक्टिव" (चतुर जासूस)
इस पेपर के लेखकों, डैनियल एंगल्समैन और इटज़िक क्लाइन ने पूछा: क्या हम कंप्यूटर को यह सिखा सकते हैं कि वह एक घंटे इंतज़ार किए बिना तुरंत "नशे वाली" रीडिंग को कैसे पहचाने?
उन्होंने एक लर्निंग-बेस्ड अप्रोच बनाया जिसमें आर्टिफिशियल इंटेलिजेंस का एक विशेष प्रकार जिसे कन्वोल्यूशनल न्यूरल नेटवर्क (CNN) कहा जाता है, का उपयोग किया गया।
यहाँ बताया गया है कि उन्होंने इसे कैसे किया, एक सरल उपमा का उपयोग करते हुए:
- ट्रेनिंग कैंप: उन्होंने पाँच सस्ते सेंसर लिए और उन्हें एक मिनट के लिए स्थिर छोड़ दिया। उन्होंने "नशे वाले" शोर को रिकॉर्ड किया।
- शिक्षक: उन्होंने 60-सेकंड के औसत का उपयोग "सही उत्तर" (ग्राउंड ट्रुथ) के रूप में किया। यह शिक्षक द्वारा AI को यह बताने जैसा है कि, "यह वह है जो सेंसर वास्तव में सोचता है, भले ही यह शोर भरा हो।"
- छात्र (AI): उन्होंने AI को डेटा के छोटे, शोर भरे अंश (जैसे 6 सेकंड या यहाँ तक कि 1 सेकंड) दिए और उससे "वास्तविक" बायस का अनुमान लगाने को कहा।
- अभ्यास: उन्होंने AI को लाखों बार अभ्यास कराया, उसे शोर भरा डेटा और सही उत्तर दिखाया। AI ने पृष्ठभूमि के शोर के बीच "नशे वाले" सेंसर के पैटर्न को पहचानना सीख लिया, ठीक वैसे ही जैसे एक जासूस भीड़ भरी, अराजक सड़क में एक विशिष्ट अपराधी को पहचानना सीखता है।
परिणाम: गति बनाम सटीकता
पेपर ने इस "स्मार्ट डिटेक्टिव" का पुराने "इंतज़ार करो और देखो" तरीके के मुकाबले परीक्षण किया।
- पुराना तरीका: एक अच्छा उत्तर पाने के लिए, आपको 60 सेकंड तक इंतज़ार करना पड़ता था।
- नया तरीका: AI केवल 10 सेकंड के डेटा को देखकर एक ऐसा उत्तर दे सकता था जो 60-सेकंड के इंतज़ार के लगभग बराबर ही सटीक था। यहाँ तक कि केवल 6 सेकंड के साथ भी, यह काफी सटीक था।
लेखकों ने पाया कि उनका AI सेंसर को कैलिब्रेट करने के लिए लगने वाले समय को दस गुना (एक ऑर्डर ऑफ मैग्नीट्यूड) कम कर सकता है। एक मिनट इंतज़ार करने के बजाय, आप कुछ ही सेकंड में एक विश्वसनीय समाधान प्राप्त कर सकते हैं।
यह क्यों महत्वपूर्ण है (पेपर के अनुसार)
पेपर का दावा है कि यह विधि एक "समय बचाने वाला विकल्प" है। यह कम लागत वाले सेंसरों को बहुत तेज़ी से कैलिब्रेट करने की अनुमति देती है। इसे काम करने के लिए किसी आदर्श, निर्द席 कमरे की आवश्यकता नहीं है; AI इतना स्मार्ट है कि वह बैकग्राउंड शोर को फ़िल्टर कर सके और तेज़ी से वास्तविक बायस को खोज सके।
संक्षेप में: सेंसर के शांत होने और अपनी गलतियों का औसत निकालने का इंतज़ार करने के बजाय, लेखकों ने एक कंप्यूटर को उन गलतियों को तुरंत पहचानने और उन्हें ठीक करने के लिए सिखाया, जिससे इस प्रक्रिया में बहुत समय की बचत हुई।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।