Concepts Learned Visually by Infants Can Contribute to Visual Learning and Understanding in AI Models
यह शोध पत्र यह प्रदर्शित करता है कि मानव-समान दृश्य अवधारणाओं, जैसे कि सजीवता (animacy) और लक्ष्य आरोपण (goal attribution), को एआई मॉडलों में शामिल करने से मानक डीप नेटवर्क दृष्टिकोणों की तुलना में भविष्य की घटनाओं की भविष्यवाणी करने में उनकी सीखने की दक्षता, सटीकता और सामान्यीकरण में महत्वपूर्ण वृद्धि होती 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 आप एक रोबोट को दुनिया को समझना सिखाने की कोशिश कर रहे हैं। आपके पास इसे करने के दो अलग तरीके हैं।
तरीका A ("नादान" तरीका): आप रोबोट के सामने ढेर सारा कच्चा वीडियो फुटेज फेंक देते हैं और कहते हैं, "पता लगाओ कि क्या हो रहा है और अंदाज़ा लगाओ कि आगे क्या होगा।" रोबोट को सब कुछ शुरुआत से सीखना पड़ता है: हाथ क्या है, गेंद क्या है, "चाहना" का क्या मतलब है, या चीजें कैसे चलती हैं। यह कार चलाने के बारे में सीखने जैसा है जैसे कि आप इंजन के पुर्जों के ढेर को देखते रहें और इस उम्मीद में रहें कि आपको सहज रूप से समझ आ जाएगा कि स्टीयरिंग व्हील कैसे काम करता है।
तरीका B ("संज्ञानात्मक" तरीका): आप रोबोट को पहले कुछ सरल, बुनियादी नियम देते हैं। आप कहते हैं, "पहले, यह सीखो कि कुछ चीजें अपने आप चलती हैं (जैसे लोग या कुत्ते) और कुछ नहीं (जैसे पत्थर या किताबें)। दूसरी बात, यह सीखो कि जो चीजें अपने आप चलती हैं, उनका आमतौर पर एक लक्ष्य (goal) होता है।" एक बार जब रोबलेट इन बुनियादी अवधारणाओं को समझ लेता है, तो तब आप उसे जटिल वीडियो दिखाते हैं और उससे पूछते हैं कि आगे क्या होने वाला है।
शोधकर्ता शिफ़ी ट्रेगर और शिमोन उलमैन द्वारा लिखा गया यह शोध पत्र तर्क देता है कि तरीका B बहुत बेहतर है। वे दिखाते हैं कि जब AI मॉडल मानव शिशुओं की तरह सीखते हैं—यानी पहले सरल अवधारणाओं में महारत हासिल करके और फिर उन पर निर्माण करके—तो वे अधिक बुद्धिमान, तेज़ और कुशल बन जाते हैं।
यहाँ उनके निष्कर्षों का रोजमर्रा के उदाहरणों के साथ विवरण दिया गया है:
1. "शिशु मस्तिष्क" बनाम "डेटा का ढेर"
मानव शिशु अद्भुत शिक्षार्थी होते हैं। कुछ महीनों के होने तक, वे एक जीवित चीज़ (जैसे हाथ) और एक निर्जीव चीज़ (जैसे खिलौना कार) के बीच अंतर कर सकते हैं। उन्हें यह भी सहज रूप से पता होता है कि एक जीवित चीज़ किसी चीज़ को पाने की कोशिश कर रही है (एक लक्ष्य), जबकि एक निर्जीव चीज़ केवल भौतिकी का पालन करती है (जैसे ढलान से नीचे लुढ़कना)।
शोधकर्ताओं ने इस परीक्षण के लिए दो कंप्यूटर मॉडल बनाए:
- "नादान" मॉडल: यह मानक AI है। यह पूरी जटिल कार्य को (भविष्य की भविष्यवाणी करना) बिना किसी मदद के एक साथ सीखने की कोशिश करता है।
- "संज्ञानात्मक" मॉडल: इस मॉडल को शुरुआती मानवीय अवधारणाओं की एक "चीट शीट" दी गई है। यह पहले "सजीव" (जीवित/अपने आप चलने वाली) बनाम "निर्जीव" वस्तुओं की पहचान करना सीखता है। फिर, यह भविष्य की भविष्यवाणी करने के लिए उस ज्ञान का उपयोग करता है।
परिणाम: "संज्ञानात्मक" मॉडल उस छात्र की तरह था जिसने उपन्यास लिखने से पहले वर्णमाला सीखी थी। इसने कार्य को पूरी तरह से और बहुत तेज़ी से सीखा, भले ही इसे बहुत कम डेटा दिया गया हो। "नादान" मॉडल संघर्ष करता रहा, और हज़ारों उदाहरण देखने के बाद भी अक्सर गलतियाँ करता रहा।
2. "सामान्यीकरण" का जादू
कल्पना कीजिए कि आप एक बच्चे को सिखाते हैं कि एक कुत्ता गेंद का पीछा करता है।
- नादान मॉडल उस बच्चे की तरह है जो याद कर लेता है कि उस विशिष्ट कुत्ते ने उस विशिष्ट गेंद का पीछा किया। यदि आप गेंद को फ्रिसबी से बदल देते हैं, या कुत्ते को बिल्ली से, तो बच्चा भ्रमित हो जाता है।
- संज्ञानात्मक मॉडल उस बच्चे की तरह है जो "पीछा करने" की अवधारणा को समझता है। यदि आप उन्हें बिल्ली को फ्रिसबी का पीछा करते हुए दिखाते हैं, तो वे तुरंत समझ जाते हैं।
शोधकर्ताओं ने दृश्यों को बदलकर इसका परीक्षण किया। जब उन्होंने नए पात्र (जैसे कि एक नया प्रकार का जानवर) या नई वस्तुएं पेश कीं, तो "संज्ञानात्मक" मॉडल ने तुरंत अनुकूलन कर लिया। "नादान" मॉडल वहीं अटक गया। ऐसा लग रहा था जैसे नादान मॉडल एक अकेले शहर का नक्शा याद करने की कोशिश कर रहा था, जबकि संज्ञानात्मक मॉडल ने किसी भी शहर में रास्ता खोजने के लिए नेविगेशन के नियम सीख लिए थे।
3. "लक्ष्य" की समस्या
शोधकर्ताओं ने "वुडवर्ड टास्क" नामक एक विशिष्ट पहेली का परीक्षण किया।
- दृश्य: एक व्यक्ति एक खिलौने की ओर हाथ बढ़ाता है। फिर, खिलौने अपनी जगह बदल लेते हैं।
- प्रश्न: व्यक्ति अगली बार कहाँ हाथ बढ़ाएगा?
- यदि यह एक व्यक्ति (सजीव) है, तो वह खिलौने (लक्ष्य) की ओर हाथ बढ़ाएगा, भले ही वह हिल गया हो।
- यदि यह एक लुढ़कता हुआ सूटकेस (निर्जीव) है, तो वह बस उसी जगह पर जाएगा जहाँ वह पहले रुका था, चाहे वहाँ कुछ भी हो।
चौंकाने वाली खोज: शोधकर्ताओं ने इस कार्य पर दुनिया के सबसे उन्नत AI मॉडल (जैसे GPT, Gemini और Claude के नवीनतम संस्करण) का परीक्षण किया।
- इंसान: लगभग हर बार सही रहे।
- AI मॉडल: उनमें से कई गलत हुए! भले ही ये मॉडल कविता और कोड लिख सकते हैं, वे इस सरल अंतर को समझने में विफल रहे कि "मैं वह खिलौना चाहता हूँ" और "मैं बस उस स्थान की ओर लुढ़क रहा हूँ" के बीच क्या अंतर है।
AI मॉडल दृश्य पैटर्न पर इतने केंद्रित थे कि उन्होंने गति के पीछे के अर्थ को मिस कर दिया। उनके पास मार्गदर्शन के लिए "लक्ष्य" की वह "प्रारंभिक अवधारणा" नहीं थी।
4. यह क्यों मायने रखता है
यह शोध पत्र सुझाव देता है कि हम AI पर अधिक डेटा फेंककर (जैसे बच्चे को ढेर सारा भोजन खिलाकर) उसे बनाने की कोशिश कर रहे हैं, लेकिन हम उसे इसे संसाधित करने के लिए सही "पाचन तंत्र" नहीं दे रहे हैं।
समाधान: AI को बड़ा बनाने के बजाय, हमें इसे स्मार्ट बनाना चाहिए, पहले इसे मानवीय दृष्टि के "ABC" सिखाकर।
- AI को सजीवता (क्या अपने आप चलता है) पहचानना सिखाएं।
- इसे लक्ष्य निर्धारण (चीजें क्या करने की कोशिश कर रही हैं) सिखाएं।
- इसे जटिल समस्याओं को हल करने के लिए उन सरल उपकरणों का उपयोग करने दें।
मुख्य निष्कर्ष (Big Picture Takeaway)
सीखने को घर बनाने की तरह समझें।
- वर्तमान AI आधार डालने से पहले ही छत बनाने की कोशिश कर रहा है। यह डगमगाता हुआ, अक्षम और हवा चलने पर (नए डेटा के आने पर) ढह जाने के प्रति संवेदनशील है।
- "संज्ञानात्मक" दृष्टिकोण कहता है: "आइए पहले 'सजीवता' और 'लक्ष्य' की ईंटें बिछाएं।" एक बार जब यह नींव ठोस हो जाती है, तो बाकी का घर (जटिल समझ) तेज़ी से ऊपर जाता है, मजबूती से खड़ा रहता है और तूफानों का सामना कर सकता है।
लेखकों का निष्कर्ष है कि यदि हम चाहते हैं कि AI वास्तव में मनुष्यों की तरह दुनिया को समझे, तो हमें इसे एक खाली स्लेट (blank slate) की तरह मानना बंद करना होगा और इसे वही सरल, शुरुआती सबक सिखाना शुरू करना होगा जो मानव शिशु स्वाभाविक रूप से सीखते हैं।
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।