Classification of integers based on residue classes via modern deep learning algorithms
यह शोध पत्र यह प्रदर्शित करता है कि अभाज्य अवशेषों (prime residues) द्वारा पूर्णांकों को वर्गीकृत करने की स्पष्ट सरलता के बावजूद, उपयुक्त फीचर इंजीनियरिंग के बिना डीप लर्निंग मॉडल, ऑटोएमएल (AutoML) प्लेटफॉर्म और लार्ज लैंग्वेज मॉडल्स विफल हो जाते हैं, जबकि फूरियर सीरीज़ बेस वेक्टर्स (Fourier series basis vectors) पर लीनियर रिग्रेशन का उपयोग करने वाली एक विधि सफल होती है, जो आधुनिक मशीन लर्निंग में फीचर इंजीनियरिंग के निरंतर महत्वपूर्ण महत्व को रेखांकित करती 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
संख्याओं का जादू और मशीनों की सीमाएँ
कल्पना कीजिए कि आप एक खेल खेल रहे हैं जहाँ आपको नंबरों वाले पत्थरों के एक विशाल ढेर को छाँटना है। कुछ पत्थर "सम" (even) हैं (जिन्हें दो बराबर हिस्सों में बाँटा जा सकता है) और कुछ "विषम" (odd) हैं (एक पत्थर बच जाता है)। इंसानों के लिए यह बहुत आसान है; हम बस आखिरी अंक देखते हैं। यदि वह 2, 4, 6, 8 या 0 है, तो हम जानते हैं कि वह सम है। लेकिन क्या होगा अगर खेल थोड़ा कठिन हो जाए? क्या होगा अगर आपको पत्थरों को इस आधार पर छाँटना हो कि वे 3, 7 या अन्य अभाज्य संख्याओं (prime numbers) से विभाजित हो सकते हैं या नहीं? इंसानों के पास इसके लिए विशेष तरकीबें होती हैं, जैसे कि किसी संख्या के सभी अंकों को जोड़कर यह देखना कि कुल योग 3 से विभाज्य है या नहीं। यह एक गुप्त कोड की तरह है जो हमने प्राथमिक विद्यालय में सीखा था।
अब, इस पत्थर छाँटने वाले खेल को एक सुपर-स्मार्ट रोबोट को सौंपने की कल्पना करें। आप सोच सकते हैं, "यदि रोबोट कविता लिखने या कार चलाने के लिए पर्याप्त स्मार्ट है, तो उसे नंबरों के नियमों के आधार पर पत्थर छाँटने में सक्षम होना चाहिए, है ना?" यही वह बड़ा सवाल है जो वैज्ञानिक मशीन लर्निंग (Machine Learning) के क्षेत्र में पूछ रहे हैं। मशीन लर्निंग ऐसी है जैसे कंप्यूटर को लाखों उदाहरण दिखाकर सिखाना, न कि उसे नियम पुस्तिका देना। कंप्यूटर अपने आप पैटर्न खोजता है। वहाँ "ऑटोएमएल" (AutoML) उपकरण भी हैं, जो जादू के बक्सों की तरह हैं जो काम के लिए सबसे अच्छा रोबोट मस्तिष्क स्वचालित रूप से चुनते हैं, और "लार्ज लैंग्वेज मॉडल्स" (LLMs) हैं, जो दुनिया के लगभग सभी टेक्स्ट पर प्रशिक्षित कंप्यूटर हैं, जिससे वे ऐसा दिखाते हैं जैसे वे सब कुछ जानते हों। लेकिन यहाँ एक पेंच है: सिर्फ इसलिए कि एक कंप्यूटर बड़ा और स्मार्ट है, इसका मतलब यह नहीं है कि वह संख्याओं के तर्क (logic) को उसी तरह समझता है जैसे हम समझते हैं। वह केवल उत्तर याद कर रहा हो सकता है या अनुमान लगा रहा हो सकता है।
महान संख्या छँटाई प्रयोग
इस अध्ययन में, पेन्सिलवेनिया विश्वविद्यालय और चिल्ड्रन्स हॉस्पिटल ऑफ फिलाडेल्फिया की एक टीम के शोधकर्ताओं ने इन हाई-टेक रोबोट्स को परखने का निर्णय लिया। वे देखना चाहते थे कि क्या आधुनिक डीप लर्निंग एल्गोरिदम, स्वचालित उपकरण, और यहाँ तक कि दुनिया के सबसे प्रसिद्ध चैटबॉट्स भी बिना बताए नियमों को समझ सकते हैं कि छोटी अभाज्य संख्याओं (जैसे 2, 3 और 7) से संख्याओं को कैसे विभाजित किया जाए।
सेटअप: रोबोट्स को एक नई भाषा देना
शोधकर्ताओं ने अलग-अलग प्रकार के कंप्यूटर मस्तिष्क को नंबर खिलाना शुरू किया। लेकिन यहाँ एक मोड़ था: उन्होंने नंबरों को अलग-तुलना "भाषाओं" या प्रारूपों (formats) में खिलाने की कोशिश की।
- कच्चे नंबर (Raw Numbers): केवल संख्या स्वयं (जैसे 123)।
- बाइनरी (Binary): कंप्यूटर की मूल भाषा 0 और 1 (जैसे एक लाइट स्विच का चालू या बंद होना)।
- अंकों की सूची (Digit Lists): संख्या को उसके व्यक्तिगत भागों में तोड़ना (1, 2, 3)।
- अंकों का योग (Digit Sums): अंकों को आपस में जोड़ना (1+2+3 = 6)।
उन्होंने इन इनपुट्स का तीन प्रकार के सिस्टम पर परीक्षण किया:
- डीप न्यूरल नेटवर्क (Deep Neural Networks): गणित की जटिल परतें जो मानव मस्तिष्क की नकल करने की कोशिश करती हैं।
- ऑटोएमएल प्लेटफॉर्म (AutoML Platforms): बड़ी तकनीकी कंपनियों (Amazon, Google, Microsoft) के स्वचालित सिस्टम जो स्वचालित रूप से सबसे अच्छा समाधान खोजने के लिए बनाए गए हैं।
- लार्ज लैंग्वेज मॉडल्स (LLMs): प्रसिद्ध AI चैटबॉट्स जैसे GPT-4, LLaMA और Falcon, जो "सब कुछ" जानने के लिए प्रशिक्षित हैं।
चौंकाने वाले परिणाम: रोबोट फंस गए
परिणाम "वाह" और "ओह" का मिश्रण थे।
जब शोधकर्ताओं ने रोबोट्स को उनके कच्चे रूप (सिर्फ संख्या 123) में नंबर दिए, तो डीप लर्निंग मॉडल और AutoML टूल्स बहुत खराब रहे। उन्होंने रैंडम अंदाज़े लगाए, सम/विषम संख्याओं के लिए लगभग 50% सही और 3 से विभाजन के लिए केवल 33% सही। ऐसा लग रहा था जैसे रोबोट आँखों पर पट्टी बाँधकर तीर चला रहे हों। "जादू के बक्से" (AutoML) पूरी तरह विफल रहे क्योंकि उन्हें यह नहीं पता था कि नंबरों को किस तरह से देखा जाए जिससे पैटर्न प्रकट हो सके।
हालाँकि, जब शोधकर्ताओं ने फीचर इंजीनियरिंग (feature engineering) का उपयोग किया—जो कि एक फैंसी तरीका है यह कहने का कि "रोबोट को एक बेहतर संकेत दें"—तो रोबोट अचानक जीनियस बन गए।
- जब उन्होंने नंबरों को बाइनरी (0 और 1) में बदला, तो रोबोट्स ने तुरंत सम/विषम नियम को 100% सटीकता के साथ समझ लिया। यह सच है कि बाइनरी में आखिरी अंक ही उत्तर होता है।
- जब उन्होंने रोबोट्स को अंकों का योग दिया (वह ट्रिक जो इंसान 3 से भाग देने के लिए उपयोग करते हैं), तो रोबोट्स ने भी 100% सटीकता प्राप्त की।
लेकिन यहाँ सबसे दिलचस्प बात है: रोबोटों ने नियम खुद से "सीखा" नहीं था। वे केवल इसलिए सफल हुए क्योंकि इंसानों ने उन्हें एक अलग प्रारूप में उत्तर दे दिया था। अध्ययन ने दिखाया कि सावधानीपूर्वक तैयार किए गए संकेतों के बिना, सबसे शक्तिशाली न्यूरल नेटवर्क भी पैटर्न को नहीं समझ सके, चाहे वे कितने भी बड़े या जटिल क्यों न हों।
फूरियर सीरीज़ (The Fourier Series): एक गणितीय शॉर्टकट
शोधकर्ताओं ने एक अलग दृष्टिकोण भी आजमाया जो डीप लर्निंग पर निर्भर नहीं था। उन्होंने फूरियर सीरीज़ रिग्रेशन (Fourier series regression) नामक विधि का उपयोग किया। इसे एक विशेष वेव-पैटर्न टूल के रूप में समझें जो नंबरों में लय खोजने का काम करता है। चूंकि 3 या 7 से भाग देना एक दोहराव वाला पैटर्न बनाता है (जैसे एक गाना जो हर 3 या 7 नोटों के बाद लूप होता है), यह गणितीय टूल बहुत कम उदाहरणों के साथ सटीक भविष्यवाणी कर सकता था। यह तेज़, सरल और परीक्षण किए गए मामलों (mod 3 और mod 7) के लिए 100% सटीक था, जिससे साबित हुआ कि कभी-कभी एक साधारण, पुराने ज़माने की गणितीय ट्रिक एक विशाल, जटिल AI से बेहतर काम करती है।
चैटबॉट्स: स्मार्ट लेकिन अनभिज्ञ
अंत में, टीम ने प्रसिद्ध चैटबॉट्स (जैसे ChatGPT और ओपन-सोर्स मॉडल) से नियमों को समझाने के लिए कहा।
- 2 या 3 जैसे छोटे नंबरों के लिए, चैटबॉट्स कभी-कभी सही उत्तर दे सकते थे।
- लेकिन जैसे ही शोधकर्ताओं ने बड़ी अभाज्य संख्याओं (जैसे 7, 11, या 23) के बारे में पूछा, चैटबॉट्स "हैलुसिनेट" (hallucinate) करने लगे। वे लगातार गलत और गैर-सूचनात्मक उत्तर देते रहे, गलत नियम बनाना, गलत गणित देना, या बस यह कहना कि, "मॉड्यूलो ऑपरेटर का उपयोग करें" (जो कि कंप्यूटर को वही गणित करने के लिए कहना है जिसे उसे खुद समझना था था)।
- यहाँ तक कि नवीनतम GPT-4 भी, जब इसे इस समस्या को हल करने के लिए एक कंप्यूटर प्रोग्राम डिजाइन करने के लिए कहा गया, तो यह एक कुशल समाधान बनाने में विफल रहा। यह सही "फीचर इंजीनियरिंग" या सबसे अच्छे एल्गोरिदम को समझने में असमर्थ रहा।
मुख्य निष्कर्ष
इस पेपर का मुख्य सबक यह है कि एक सुपर-स्मार्ट कंप्यूटर होना काफी नहीं है; आपको इसे यह सिखाना होगा कि समस्या को कैसे देखना है।
शोधकर्ताओं ने पाया कि "फीचर इंजीनियरिंग"—कच्चे डेटा को ऐसे प्रारूप में अनुवादित करने का मानवीय कार्य जो छिपे हुए पैटर्न को प्रकट करता है—अभी भी सबसे महत्वपूर्ण कदम है। इस युग में भी जहाँ हमारे पास "AutoML" (मशीनें जो हमारे लिए मॉडल चुनती हैं) और "LLMs" (मशीनें जो दुनिया के लगभग सभी शब्द जानती हैं) मौजूद हैं, ये उपकरण जादू से अपने आप गणित के नियमों को नहीं खोज सकते। उन्हें एक इंसान की ज़रूरत होती है जो कहे, "हे, अंकों को देखो, या बाइनरी को देखो, या उन्हें जोड़ो।"
इस मानवीय मार्गदर्शन के बिना, दुनिया का सबसे उन्नत AI उस छात्र की तरह है जिसने डिक्शनरी तो रट ली है लेकिन उसे अंकगणित करना नहीं आता। अध्ययन निष्कर्ष निकालता है कि हालांकि AI शक्तिशाली है, फिर भी यह कच्चे डेटा को एक हल करने योग्य पहेली में बदलने के लिए मानवीय अंतर्दृष्टि पर बहुत अधिक निर्भर करता है। रोबोट तेज़ हैं, लेकिन उन्हें अभी भी टॉर्च पकड़ने के लिए हमारी ज़रूरत है।
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।