GPT-4o reads the mind in the eyes
यह अध्ययन प्रकट करता है कि GPT-4o सीधे चेहरों से मानसिक अवस्थाओं का अनुमान लगाने में मनुष्यों से बेहतर प्रदर्शन करता है लेकिन उल्टे चेहरों पर कम प्रदर्शन करता है और नस्लीय पूर्वाग्रह प्रदर्शित करता है, जो मानव अनुभूति की तुलना में मानव-समान संज्ञानात्मक हस्ताक्षरों और विशिष्ट, व्यवस्थित प्रसंस्करण अंतरों के एक जटिल मिश्रण को दर्शाता 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
मुख्य विचार: क्या एक AI किसी के मन की बात "पढ़" सकता है?
कल्पना कीजिए कि आप एक पार्टी में हैं। आप किसी की आँखों को देखते हैं और तुरंत जान जाते हैं कि वे ऊब रहे हैं, घबराए हुए हैं, या मन ही मन मुस्कुरा रहे हैं। इंसान इसमें माहिर होते हैं; हम सिर्फ आँखों को देखकर "मन की बात पढ़" सकते हैं।
यह शोध पत्र एक सरल प्रश्न पूछता है: क्या एक सुपर-स्मार्ट कंप्यूटर (GPT-4o) भी ऐसा कर सकता है?
शोधकर्ताओं ने केवल AI से अनुमान लगाने के लिए नहीं कहा; उन्होंने इसे "रीडिंग द माइंड इन द आइज़ टेस्ट" (Reading the Mind in the Eyes Test) नामक एक कठोर परीक्षण से गुजारा। उन्होंने AI और मनुष्यों के एक समूह को आँखों की तस्वीरें दिखाईं और पूछा, "यह व्यक्ति क्या महसूस कर रहा है?" उत्तर चार शब्दों की एक सूची में से चुने जाने थे (जैसे, चिंतित, आत्मविश्वासी, व्यंग्यात्मक, ऊबना)।
प्रयोग: उल्टा करने वाला पैंतरा (The Upside-Down Trick)
यह देखने के लिए कि AI और इंसान कैसे सोच रहे थे, शोधकर्ताओं ने एक क्लासिक ट्रिक का उपयोग किया: उन्होंने तस्वीरों को उल्टा दिखाया।
- मानवीय प्रतिक्रिया: जब इंसान किसी चेहरे को उल्टा देखते हैं, तो यह वैसा ही होता है जैसे किसी ऐसी विदेशी भाषा में लिखी किताब को पढ़ने की कोशिश करना जिसे आप बहुत कम जानते हैं। यह कठिन होता है, और हम अधिक गलतियाँ करते हैं। लेकिन हम भावना का अनुमान लगाने के लिए अभी भी उसी "मानसिक शब्दकोश" का उपयोग करते हैं।
- AI की प्रतिक्रिया: जब चेहरे सीधे थे, तो AI आँखों को पढ़ने में इंसानों से बेहतर था। हालाँकि, जब चेहरों को उल्टा कर दिया गया, तो AI केवल थोड़ा भ्रमित नहीं हुआ; वह पूरी तरह से रास्ता भटक गया। इसकी सटीकता तेजी से गिर गई, जो कि एक रैंडम अनुमान (random guessing) से भी कम थी।
उपमा (Analogy): कल्पना कीजिए कि एक इंसान और एक रोबोट एक पहेली सुलझाने की कोशिश कर रहे हैं।
- सीधा होने पर: रोबोट एक जीनियस है, जो इंसान की तुलना में अधिक तेज़ी से और सटीक रूप से पहेली सुलझा रहा है।
- उल्टा होने पर: इंसान बस पहेली को अपने हाथों में घुमाता है और कोशिश जारी रखता है। हालाँकि, रोबोट ऐसा व्यवहार करता है जैसे वह पूरी तरह से भूल गया हो कि पहेलियाँ कैसे सुलझाई जाती हैं और पहेली के टुकड़ों को दीवार पर फेंकने लगता है।
"बायस" (पक्षपात) की समस्या: वही देखना जिसकी आप अपेक्षा करते हैं
शोधकर्ताओं ने अलग-अलग नस्लों (श्वेत और गैर-श्वेत) के चेहरों के साथ भी AI का परीक्षण किया।
- इंसान: इस अध्ययन में, लोग सभी नस्लीय पृष्ठभूमि के लोगों की आँखों को पढ़ने में समान रूप से सक्षम थे।
- AI: AI श्वेत चेहरों को पढ़ने में गैर-श्वेत चेहरों की तुलना में बहुत बेहतर था। ऐसा लगता है जैसे AI का एक "पसंदीदा" समूह है जिसे वह बेहतर समझता है, संभवतः इसलिए क्योंकि इसे उन चेहरों वाले अधिक डेटा पर प्रशिक्षित किया गया था।
"त्रुटि" (Error) का पता लगाना: वे गलत कैसे हुए
इस अध्ययन का सबसे दिलचस्प हिस्सा यह नहीं था कि कौन सही उत्तर दे रहा था, बल्कि यह था कि वे गलत उत्तर कैसे दे रहे थे।
गलतियों को बर्फ में पदचिह्नों (footprints) की तरह समझें।
- मानवीय पदचिह्न: जब इंसान गलती करते हैं, तो उनके पदचिह्न थोड़े बिखरे हुए होते हैं। यदि वे "डरे हुए" के बजाय "गुस्से में" का अनुमान लगाते हैं, तो वे अगली बार "खुश" का अनुमान लगा सकते हैं। उनकी गलतियाँ कुछ हद तक रैंडम होती हैं और स्थिति के अनुसार बदलती रहती हैं।
- AI के पदचिह्न: AI के पदचिह्न अविश्वसनीय रूप से सुसंगत (consistent) थे। यदि वह कोई गलती करने वाला था, तो वह हर बार वही सटीक गलती करता था।
- ट्विस्ट: जब चेहरे उल्टे थे, तो AI ने केवल रैंडम पदचिह्न नहीं छोड़े। उसने एक पूरी तरह से नया, कठोर पैटर्न बनाया जो सीधे चेहरों के साथ की गई गलतियों से बिल्कुल अलग था।
निष्कर्ष (Takeaway): इंसान कठिन होने पर अपनी कार्यक्षमता (efficiency) बदलते हैं (उल्टा होने पर), लेकिन वे उसी तर्क का उपयोग करते हैं। हालाँकि, AI कठिन होने पर पूरी तरह से अलग, टूटे हुए तर्क पर स्विच हो जाता है।
गलतियों में छिपी "जानकारी"
शोधकर्ताओं ने इन गलतियों का विश्लेषण करने के लिए "सूचना सिद्धांत" (Information Theory) नामक गणितीय अवधारणा का उपयोग किया। उन्होंने पाया कि AI की गलतियों में मानव की गलतियों की तुलना में अधिक जानकारी थी।
उपमा:
- मानवीय गलती: एक छात्र की तरह जो परीक्षा में रैंडम अंदाज़े लगा रहा है। उनके गलत उत्तर आपको यह नहीं बताते कि वे क्या सोच रहे थे।
- AI की गलती: एक ऐसे छात्र की तरह जो लगातार "बिल्ली" को "कुत्ते" के साथ भ्रमित करता है लेकिन "बिल्ली" को "कार" के साथ कभी भ्रमित नहीं करता। भले ही वह गलत है, लेकिन उसका पैटर्न आपको बताता है कि उसका मस्तिष्क (या कोड) विचारों को कैसे जोड़ रहा है। AI केवल अनुमान नहीं लगा रहा था; वह लगातार एक विशिष्ट, भले ही गलत, नियम पुस्तिका (rulebook) लागू कर रहा था।
निष्कर्षों का सारांश
- सुपरह्यूमन (लेकिन नाजुक): GPT-4o आँखों से भावनाओं को पढ़ने में अविश्वसनीय रूप से अच्छा है, अक्सर इंसानों को पीछे छोड़ देता है। लेकिन यह बहुत नाजुक है।
- इनवर्जन इफेक्ट (Inversion Effect): जब चेहरे उल्टे होते हैं, तो AI इंसानों की तुलना में बहुत अधिक बुरी तरह से टूट जाता है।
- नस्लीय पक्षपात (Racial Bias): AI गैर-श्वेत चेहरों की तुलना में श्वेत चेहरों को पढ़ने में बेहतर है, जबकि इस अध्ययन में मनुष्यों ने ऐसा कोई अंतर नहीं दिखाया।
- व्यवस्थित त्रुटियाँ (Systematic Errors): AI रैंडम गलतियाँ नहीं करता। वह अत्यधिक सुसंगत, संरचित गलतियाँ करता है जो सूचना प्रसंस्करण के एक विशिष्ट तरीके को प्रकट करती हैं—जो मानव प्रसंस्करण से मौलिक रूप से भिन्न है, विशेष रूप से तब जब इनपुट कठिन हो (जैसे उल्टे चेहरे)।
संक्षेप में, AI एक प्रतिभाशाली लेकिन कठोर छात्र है। उसने अपने प्रशिक्षण डेटा से चेहरों को पढ़ने का "सही" तरीका रट लिया है, लेकिन जब परीक्षण अजीब (उल्टा) हो जाता है या चेहरे अलग दिखते हैं (अलग नस्ल), तो वह इंसान की तरह अनुकूलित नहीं होता; वह बस एक टूटे हुए स्क्रिप्ट का पालन करता 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।