Interactive Mars Image Content-Based Search with Interpretable Machine Learning
यह शोध पत्र नासा के प्लैनेटरी डेटा सिस्टम के मार्स साइंस de प्रयोगशाला (Mars Science Laboratory) डेटासेट के लिए एक व्याख्यात्मक, प्रोटोटाइप-आधारित कंटेंट-बेस्ड इमेज सर्च सिस्टम प्रस्तुत करता है, जिसे गैर-व्याख्यात्मक मॉडलों को बदलने के लिए डिज़ाइन किया गया है ताकि उपयोगकर्ता अंतर्निहित साक्ष्यों की विविधता और शुद्धता सुनिश्चित करते हुए वर्गीकरण के पीछे के साक्ष्यों को समझ सकें और उन्हें सत्यापित कर सकें।
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 नासा के पास मंगल ग्रह की लाखों तस्वीरों का एक विशाल डिजिटल पुस्तकालय है, जो कई वर्षों में क्यूरियोसिटी (Curiosity) रोवर द्वारा ली गई तस्वीरों का है। यह एक विशाल फोटो एल्बम की तरह है जो हर दिन बढ़ता जा रहा है। समस्या क्या है? यदि आप किसी विशेष प्रकार के पत्थर या रोवर के पहिये की तस्वीर ढूँढना चाहते हैं, तो आप लाखों छवियों को एक-एक करके देखने की कोशिश नहीं कर सकते। आपको एक स्मार्ट सर्च इंजन की आवश्यकता है।
लंबे समय तक, वैज्ञानिकों ने इस खोज को करने के लिए "ब्लैक बॉक्स" एआई (AI) का उपयोग किया। यह एक ऐसे लाइब्रेरियन को काम पर रखने जैसा था जो तुरंत सही फोटो ढूँढ सकता था लेकिन यह नहीं बता सकता था कि उसने वही फोटो क्यों चुनी। वह बस तस्वीर की ओर इशारा करता और कहता, "यह वही है।" लेकिन वैज्ञानिकों और जिज्ञासु खोजकर्ताओं के लिए, यह जानना उतना ही महत्वपूर्ण है जितना कि उत्तर ढूँढना कि वह क्यों सही है।
यह शोध पत्र एक नए, "पारदर्शी" लाइब्रेरियन से परिचय कराता है जिसे Proto-MSLNet कहा जाता है। यह कैसे काम करता है, इसके लिए सरल उपमाओं का उपयोग किया गया है:
1. "मुझे सबूत दिखाओ" वाला लाइब्रेरियन
सिर्फ अनुमान लगाने के बजाय, यह नया सिस्टम एक जासूस की तरह काम करता है जो आपको अपने सुराग दिखाता है। यह प्रोटोटाइप-आधारित लर्निंग (Prototype-Based Learning) नामक पद्धति का उपयोग करता है।
- उपमा: कल्पना कीजिए कि आप एक बच्चे को सिखाने की कोशिश कर रहे हैं कि "सूर्य" कैसा दिखता है। आप केवल यह नहीं कहते कि "यह एक तारा है।" आप अपने फोटो एल्बम से सूर्य के कुछ विशिष्ट, आदर्श उदाहरण उन्हें दिखाते हैं और कहते हैं, "इन आकारों और रंगों को याद रखो? यदि तुम्हें कुछ ऐसा दिखे जो इन प्रोटोटाइप्स जैसा दिखता है, तो यह शायद सूर्य है।"
- एआई कैसे करता है: एआई हर श्रेणी (जैसे "पहिया", "पत्थर", या "सूर्य") के लिए प्रोटोटाइप्स (आदर्श उदाहरण पैच) का एक सेट सीखता है। जब वह एक नई फोटो देखता है, तो वह केवल अनुमान नहीं लगाता; वह फोटो के उन हिस्सों को ढूँढता है जो उसके संग्रहीत "प्रोटोटाइप्स" से सबसे अधिक मिलते-जुलते हैं और उन्हें हाइलाइट करता है। वह वास्तव में सबूत के चारों ओर एक बॉक्स बनाता है और कहता है, "मुझे लगता है कि यह एक पहिया है क्योंकि यह हिस्सा मेरे 'पहिया' प्रोटोटाइप जैसा दिखता है।"
2. सुरागों को विविध बनाना
शोधकर्ताओं ने इस "जासूस" के मूल संस्करण में एक समस्या देखी। कभी-कभी, एआई हर पाए गए पहिये को समझाने के लिए अपने प्रशिक्षण पुस्तकालय से बिल्कुल एक ही फोटो चुन लेता था। यह एक ऐसे जासूस की तरह था जिसके पास केवल एक संदर्भ फोटो थी और वह हर मामले के लिए उसी का उपयोग करता था, भले ही पहिये थोड़े अलग दिखते हों।
- समाधान: टीम ने एआई के प्रशिक्षण में एक विशेष नियम ("डाइवर्सिटी कॉस्ट") जोड़ा। इस नियम ने एआई को अपने सुरागों के लिए अलग-अलग उदाहरण खोजने के लिए मजबूर किया। अब, केवल एक फोटो पर निर्भर रहने के बजाय, वह पहियों के पाँच अलग-अलग उदाहरणों का उपयोग कर सकता है। यह एआई को स्मार्ट और अधिक विश्वसनीय बनाता है, यह सुनिश्चित करता है कि वह केवल एक विशिष्ट तस्वीर को रट नहीं रहा है।
3. ट्रेड-ऑफ: थोड़ा धीमा, लेकिन बहुत स्पष्ट
यह पेपर स्वीकार करता है कि यह नया, पारदर्शी सिस्टम पुराने ब्लैक-बॉक्स सिस्टम की तुलना में अनुमान लगाने में थोड़ा कम "परफेक्ट" है।
- संख्याएँ: पुराने सिस्टम ने बहुत अधिक आत्मविश्वास के साथ लगभग 86% उत्तर सही दिए। नया, व्याख्या योग्य (explainable) सिस्टम लगभग 83% सही रहा।
- कैच (Catch): हालाँकि, नया सिस्टम यह जानने में बहुत बेहतर है कि उसे क्या नहीं पता है। यह पुराने सिस्टम की तरह गलत अनुमान लगाने के बजाय, अधिक बार (लगभग 24% समय) कहेगा, "मुझे यकीन नहीं है।" लेखक तर्क देते हैं कि यह एक अच्छा ट्रेड-ऑफ है क्योंकि विज्ञान में, आत्मविश्वास से गलत होने के बजाय अनिश्चितता के बारे में ईमानदार होना बेहतर है।
4. "फोटो एल्बम" में गलतियाँ ढूँढना
चूंकि एआई अपना काम दिखाता है, इसलिए शोधकर्ता उन त्रुटियों को पकड़ सके जो वे अन्यथा नहीं देख पाते।
- खोज: उन्होंने पाया कि एआई कभी-कभी कैमरा एंगल के कारण "व्हील जॉइंट्स" (पहिये के जोड़) और "पहियों" के बीच भ्रमित हो जाता था क्योंकि वे दिखने में बहुत समान थे। उन्होंने यह भी पाया कि प्रशिक्षण सेट में कुछ तस्वीरें गलत लेबल वाली थीं (जैसे, एक फोटो जिसे "सूर्य" लेबल किया गया था, वास्तव में "रात का आकाश" थी)।
- लाभ: क्योंकि एआई यह दिखाता है कि उसने किस प्रोटोटाइप का उपयोग किया, मानव इन गलतियों को पहचान सकते हैं। यदि एआई यह समझाने के लिए "रात के आकाश" के पैच को हाइलाइट करता है कि कोई छवि "सूर्य" है, तो मानव कह सकता है, "रुको, यह गलत है," और डेटा को ठीक कर सकता है।
5. भविष्य: एक दो-तरफा बातचीत
यह पेपर वास्तविक नासा फोटो संग्रह (PDS इमेज एटलस) में इस सिस्टम को डालने की योजना को रेखांकित करता है।
- लक्ष्य: वे चाहते हैं कि उपयोगकर्ता (वैज्ञानिक और जनता) एआई के साथ बातचीत करें। यदि कोई उपयोगकर्ता देखता है कि एआई किसी छवि के गलत हिस्से को हाइलाइट कर रहा है, तो वे यह कहने के लिए बटन दबा सकते हैं, "यह एक गलती है।"
- लूप: यह एक फीडबैक लूप बनाता है। एआई मानवीय सुधारों से सीखता है, और मनुष्य यह सीखते हैं कि एआई कैसे सोचता है। यह खोज को एक-तरफा कमांड से बदलकर एक बातचीत में बदल देता है।
सारांश:
यह शोध पत्र मंगल की तस्वीरों को खोजने का एक नया तरीका प्रस्तुत करता है जहाँ कंप्यूटर केवल आपको उत्तर नहीं देता; वह आपको सबूत दिखाता है। यह अनुमान लगाने में पुराने तरीके की तुलना में थोड़ा कम सटीक है, लेकिन यह बहुत अधिक ईमानदार है, अपना काम दिखाता है, और मनुष्यों को अपनी गलतियाँ सुधारने की अनुमति देता है, जिससे यह पूरा सिस्टम सभी के लिए बेहतर बनता 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।