🤖 AI

BRAIN: Bias-Mitigation Continual Learning Approach to Vision-Brain Understanding

यह शोध पत्र BRAIN को प्रस्तुत करता है, जो एक नवीन निरंतर शिक्षण (continual learning) ढांचा है जो विजन-ब्रेन अंडरस्टैंडिंग में सिग्नल असंगतता और मेमोरी क्षय को संबोधित करने के लिए डी-बायस कॉन्ट्रास्टिव लर्निंग और एंगुलर-आधारित फॉरगेटिंग मिटिगेशन का उपयोग करता है, जिससे विभिन्न बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।

मूल लेखक: Xuan-Bac Nguyen, Thanh-Dat Truong, Pawan Sinha, Khoa Luu

प्रकाशित 2026-04-15

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Xuan-Bac Nguyen, Thanh-Dat Truong, Pawan Sinha, Khoa Luu

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 आपका मस्तिष्क एक उच्च श्रेणी के कैमरे की तरह है जो दुनिया की तस्वीरें लेता है, लेकिन जेपीईजी (JPEG) को एसडी कार्ड पर स्टोर करने के बजाय, यह "विचारों" को विद्युत संकेतों (electrical signals) के रूप में संग्रहीत करता है। वैज्ञानिक एक ऐसी मशीन बनाने की कोशिश कर रहे हैं जो इन विद्युत संकेतों को देख सके और कह सके, "आह, आप एक गोल्डन रिट्रीवर के बारे में सोच रहे थे!" या "आप एक सूर्यास्त को देख रहे थे!"

इसे विज़न-ब्रेन अंडरस्टैंडिंग (Vision-Brain Understanding) कहा जाता है। लेकिन एक समस्या है।

समस्या: "धुंधली याददाश्त" का ग्लिच (The "Fading Memory" Glitch)

सोचिए कि आप पिछले हफ्ते देखी गई फिल्म को आज से दस साल पहले देखी गई फिल्म की तुलना में कैसे याद रखते हैं। जो पिछले हफ्ते देखी थी, वह स्पष्ट, साफ़ और विवरणों से भरी है। जो दस साल पहले देखी थी? वह धुंधली है। आपको मुख्य पात्र तो याद होगा, लेकिन रंग फीके हैं, और आप कहानी के उतार-चढ़ाव के बारे में 100% निश्चित नहीं हैं।

इस शोध पत्र के लेखकों ने महसूस किया कि मानव स्मृति (memory) मस्तिष्क के स्कैन के साथ भी इसी तरह काम करती है।

अपने प्रयोगों में, उन्होंने कई महीनों तक लोगों के मस्तिष्क का स्कैन किया। शुरुआत में, जब लोग एक तस्वीर देखते थे, तो उनके मस्तिष्क उत्साहित और आत्मविश्वासी होते थे। संकेत मजबूत और स्पष्ट थे। लेकिन जैसे-जैसे सप्ताह बीतते गए, और प्रतिभागियों ने एक ही तस्वीर को बार-बार देखा, उनके मस्तिष्क थकने लगे। उनकी तस्वीर की स्मृति धुंधली होने लगी।

परिणाम: बाद के महीनों में रिकॉर्ड किए गए मस्तिष्क के संकेत "शोर" (noisy) और अनिश्चित हो गए। यह एक रेडियो स्टेशन को सुनने जैसा था जो धीरे-धीरे सिग्नल की ताकत खो देता है।
गलती: पिछले कंप्यूटर मॉडल हर मस्तिष्क संकेत को ऐसे मानते थे जैसे कि वे समान रूप से पूर्ण हों। उन्हें यह समझ नहीं आया कि "थके हुए" सत्रों के संकेत वास्तव में कमजोर और कम विश्वसनीय थे। इससे एआई (AI) भ्रमित हो गया, जैसे कोई छात्र गणित सीखने के लिए उस पाठ्यपुस्तक का अध्ययन कर रहा हो जिसके आधे पन्ने कॉफी के दागों से धुंधले हो गए हैं।

समाधान: BRAIN (एक स्मार्ट ट्यूटर)

लेखकों ने BRAIN (Bias-Mitigation Continual Learning Approach to Vision-Brain Understanding) नामक एक नया सिस्टम बनाया है। BRAIN को एक बहुत ही स्मार्ट, धैर्यवान ट्यूटर के रूप में समझें जो यह जानता है कि उस छात्र को कैसे संभालना है जिसका ध्यान केंद्रित करने का समय (attention span) समय के साथ बदलता रहता है।

यहाँ बताया गया है कि BRAIN दो चतुर तरीकों का उपयोग करके इस समस्या को कैसे ठीक करता है:

1. "कॉन्फिडेंस स्कोर" (De-bias Contrastive Learning)

कल्पना कीजिए कि आप एक छात्र के होमवर्क को ग्रेड दे रहे हैं।

पुराना तरीका: आप हर उत्तर को समान महत्व देते हैं, चाहे छात्र सुबह 9:00 बजे पूरी तरह जाग रहा हो या रात के 9:00 बजे आधा सोया हुआ हो।
BRAIN का तरीका: BRAIN छात्र के "आत्मविश्वास" (confidence) को देखता है। यदि छात्र कहता है, "मुझे 100% यकीन है कि यह एक बिल्ली है," तो BRAIN उस पर पूरा ध्यान देता है। यदि छात्र हिचकिचाता है और कहता है, "मुझे लगता है कि यह एक बिल्ली है, लेकिन मैं पक्का नहीं हूँ," तो BRAIN जानता है कि उसे अधिक सावधान रहना चाहिए और उस उत्तर को कम महत्व देना चाहिए।

तकनीकी शब्दों में, BRAIN एक विशेष गणितीय सूत्र का उपयोग करता है जो कहता है: "यदि प्रतिभागी अनिश्चित है (कम रिस्पॉन्स सटीकता), तो हम उनके मस्तिष्क के संकेत पर कम भरोसा करते हैं। यदि वे आत्मविश्वासी हैं, तो हम उन पर अधिक भरोसा करते हैं।" यह एआई को "धुंधली" यादों से सीखने से रोकता है।

2. "एंकर" (Angular-based Forgetting Mitigation)

अब, कल्पना कीजिए कि आप एक कुत्ते को नए करतब सिखा रहे हैं। हर बार जब आप उसे एक नया करतब (जैसे "बैठना") सिखाते हैं, तो वह गलती से एक पुराना करतब (जैसे "हाथ मिलाना") भूल सकता है। इसे कैटास्ट्रोफिक फॉरगेटिंग (Catastrophic Forgetting) कहा जाता है।

पुराना तरीका: जब एआई नया डेटा सीखता है, तो वह अपने मस्तिष्क को पूरी तरह से फिर से लिख देता है, जिससे कल सीखी गई चीजें अनजाने में मिट जाती हैं।
BRAIN का तरीका: BRAIN "एंगुलर फॉरगेटिंग मिटिगेशन" नामक एक विधि का उपयोग करता है। कल्पना कीजिए कि एआई का ज्ञान अलग-अलग दिशाओं में इशारा करने वाले तीरों (arrows) का एक सेट है।
- कुछ नया सीखते समय, एआई को तीरों की लंबाई (सिग्नल की ताकत) बदलने की अनुमति है।
- लेकिन, उसे तीरों की दिशा को बहुत अधिक बदलने से मना किया गया है।

दिशा को लॉक करके, BRAIN यह सुनिश्चित करता है कि उसने कल जो सीखा था उसका "सार" (spirit) बरकरार रहे, भले ही वह आज नई चीजें सीख रहा हो। यह एक घर में नए कमरे जोड़ते समय उसके आधार (foundation) को मजबूत रखने जैसा है।

परिणाम: एक स्पष्ट तस्वीर

जब शोधकर्ताओं ने BRAIN का परीक्षण किया, तो इसने जादू की तरह काम किया।

BRAIN के बिना: सत्रों के आगे बढ़ने के साथ एआई का प्रदर्शन तेजी से गिरा, ठीक वैसे ही जैसे एक छात्र थक जाता है और अधिक गलतियाँ करने लगता है।
BRAIN के साथ: एआई तेज बना रहा। इसने शुरुआती, मजबूत संकेतों से सीखा और बाद के कमजोर संकेतों से भ्रमित नहीं हुआ। इसने नई चीजें सीखते समय पुराने करतबों को भी याद रखा।

बड़ी तस्वीर (The Big Picture)

यह शोध पत्र इसलिए एक बड़ी उपलब्धि है क्योंकि यह एक सरल सत्य को स्वीकार करता है: इंसान रोबोट नहीं हैं। हम थकते हैं, हम भूलते हैं, और हमारे संकेत समय के साथ बदलते हैं। पिछले एआई मॉडल मानव मस्तिष्क को एक कठोर, पूर्ण बॉक्स में फिट करने की कोशिश करते थे। BRAIN पहला ऐसा मॉडल है जो कहता है, "ठीक है, मुझे पता है कि आपकी याददाश्त धुंधली हो रही है, इसलिए मैं अपनी सीखने की शैली को आपके अनुरूप समायोजित करूँगा।"

यह एक ऐसे शिक्षक के बीच का अंतर है जो चिल्लाता है, "बस इसे याद करो!" और एक ऐसे शिक्षक के बीच जो कहता है, "मैं देख रहा हूँ कि आज आप थके हुए हैं, चलिए बुनियादी बातों को दोहराते हैं और धीरे-धीरे चलते हैं।" और उसी के कारण, एआई अंततः समझ पाता है कि हम वास्तव में क्या सोच रहे हैं।

यहाँ शोध पत्र "BRAIN: Bias-Mitigation Continual Learning Approach to Vision-Brain Understanding" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र विज़न-ब्रेन अंडरस्टैंडिंग (VBU) में एक महत्वपूर्ण और पहले अनदेखी की गई समस्या को संबोधित करता है: समय के साथ मानव स्मृति क्षय (memory decay) के कारण मस्तिष्क संकेतों (brain signals) में विसंगति और पूर्वाग्रह (bias)।

संदर्भ: VBU मॉडल आमतौर पर दृश्य उद्दीपनों (visual stimuli) को पुनर्गठित या पुनर्प्राप्त करने के लिए fMRI डेटा का उपयोग करते हैं। बड़े पैमाने के डेटासेट (जैसे, नेचुरल सीन्स डेटासेट - NSD) महीनों या वर्षों में एकत्र किए जाते हैं।
मुख्य मुद्दा: जैसे-जैसे प्रतिभागी कई सत्रों (sessions) में बार-बार दृश्य उद्दीपनों के संपर्क में आते हैं, उनकी विजुअल वर्किंग मेमोरी क्षय होने लगती है। इसके परिणामस्वरूप:
- पहले देखे गए चित्रों को पहचानने में आत्मविश्वास और सटीकता में कमी आती है।
- शुरुआती सत्रों की तुलना में बाद के सत्रों में fMRI संकेत कमजोर और अनिश्चित हो जाते हैं।
- वितरण बदलाव (Distribution Shift): मस्तिष्क संकेतों का सांख्यिकीय वितरण ( $p_t(x)$ ) समय ( $t$ ) के साथ बदलता है, जिससे एक ऐसा पूर्वाग्रह उत्पन्न होता है जहाँ बाद के डेटा बिंदु कम प्रभावी दृश्य संदर्भ (visual context) रखते हैं।
मौजूदा मॉडलों पर प्रभाव: पारंपरिक VBU विधियाँ सभी डेटा बिंदुओं को समान मानती हैं और पूरे डेटासेट पर एक साथ प्रशिक्षण देती हैं (स्टैटिक ट्रेनिंग) या इस अस्थायी बदलाव (temporal drift) पर ध्यान दिए बिना सत्रों को मिला देती हैं। इससे निम्नलिखित समस्याएं होती हैं:
- प्रतिनिधित्व पूर्वाग्रह (Representation Bias): मॉडल असंगत डेटा से सीखता है, जिससे फीचर वितरण बिखर जाता है।
- विनाशकारी विस्मृति (Catastrophic Forgetting): जब मॉडलों को वृद्धिशील रूप से अपडेट किया जाता है (कंटीन्यूअल लर्निंग), तो वे शोर वाले और पूर्वाग्रही बाद के सत्रों के संपर्क में आने पर शुरुआती उच्च-गुणवत्ता वाले सत्रों के ज्ञान को भूलने लगते हैं।
- प्रदर्शन में गिरावट: अनुभवजन्य विश्लेषण (empirical analysis) दिखाता है कि जैसे-जैसे प्रशिक्षण बाद के सत्रों के माध्यम से आगे बढ़ता है, मॉडल की सटीकता काफी कम हो जाती है।

2. कार्यप्रणाली: BRAIN दृष्टिकोण (Methodology: The BRAIN Approach)

लेखक BRAIN (Bias-Mitigation Continual Learning) का प्रस्ताव करते हैं, जो एक ढांचा है जिसे पूर्वाग्रह को कम करने और विस्मृति को रोकने के लिए मस्तिष्क संकेतों से वृद्धिशील रूप से सीखने के लिए डिज़ाइन किया गया है। यह विधि तीन मुख्य घटकों से बनी है:

A. समस्या का निरूपण (Problem Formulation)

कार्य को कंटीन्यूअल विज़न-ब्रेन अंडरस्टैंडिंग (CVBU) के रूप में परिभाषित किया गया है। मॉडल $F$ डेटासेट्स के एक अनुक्रम $\mathcal{D} = \{\mathcal{D}_1, \dots, \mathcal{D}_T\}$ को सीखता है, जहाँ प्रत्येक $\mathcal{D}_t$ एक विशिष्ट डेटा संग्रह सत्र के अनुरूप है। लक्ष्य fMRI फीचर्स ( $z_t$ ) को विजुअल सेंट्रोइड्स ( $c_t$ ) के साथ संरेखित करना है जबकि बदलते वितरण $p_t(x)$ को प्रबंधित करना है।

B. डी-बायस कॉन्ट्रास्टिव लर्निंग (De-bias Contrastive Learning - DCL)

मेमोरी डिके के कारण होने वाले वितरण बदलाव को संबोधित करने के लिए, लेखक एक भारित (weighted) कॉन्ट्रास्टिव लॉस पेश करते हैं।

पूर्वाग्रह मॉडलिंग (Bias Modeling): वे देखते हैं कि पूर्वाग्रह कारक $w_t$ , उस सत्र में प्रतिभागी की प्रतिक्रिया सटीकता ( $r(t)$ ) के साथ सह-संबंधित है। जैसे-जैसे सटीकता गिरती है, अनिश्चितता बढ़ती है, और सिग्नल अधिक शोर वाला हो जाता है।
वेटिंग मैकेनिज्म (Weighting Mechanism): वे एक पूर्वाग्रह भार $w_t = e^{1-r(t)}$ $w_{t} = e^{1 - r (t)}$ को परिभाषित करते हैं।
- यदि $r(t)$ कम है (उच्च अनिश्चितता), तो $w_t$ बढ़ जाता है, जिससे उस सैंपल के लॉस के लिए उच्च दंड (penalty) निर्धारित होता है ताकि मॉडल को पूर्वाग्रह पर ध्यान देने के लिए मजबूर किया जा सके।
- यदि $r(t)$ उच्च है, तो $w_t$ कम होता है।
लॉस फंक्शन: मानक कॉन्ट्रास्टिव लॉस को इस भार को शामिल करने के लिए संशोधित किया गया है:
$\mathcal{L}_C = -\log \frac{\exp(z_t \cdot c_t)}{\sum_{z'} \exp(z' \cdot c_t) \cdot e^{1-r(t)}}$
यह प्रभावी रूप से ग्रेडिएंट अपडेट को री-वेट करता है ताकि बाद के, कम विश्वसनीय सत्रों द्वारा उत्पन्न पूर्वाग्रह का मुकाबला किया जा सके।

C. एंगुलर-आधारित फॉरगेटिंग मिटिगेशन (Angular-based Forgetting Mitigation - AFM)

कठोर वेट रेगुलराइजेशन (जो अनुकूलन क्षमता को बाधित कर सकता है) या बड़े रिप्ले बफ़र्स (जो गोपनीयता संबंधी चिंताएं पैदा करते हैं) पर निर्भर किए बिना विनाशकारी विस्मृति को रोकने के लिए, लेखक कोणीय दूरी (angular distance) पर आधारित एक नॉलेज डिस्टिलेशन रणनीति प्रस्तावित करते हैं।

यूक्लिडियन दूरी ( $L_2$ ) की सीमा: मानक डिस्टिलेशन पुराने और नए फीचर वेक्टर्स के बीच की दूरी को कम करने के लिए $L_2$ नॉर्म का उपयोग करता है। हालाँकि, $L_2$ परिमाण परिवर्तन (scale changes) के प्रति संवेदनशील है, जो मॉडल के नए डेटा वितरण के अनुकूल होने के दौरान स्वाभाविक रूप से हो सकते हैं।
कोणीय मीट्रिक (Angular Metric): लेखक पुराने फीचर प्रतिनिधित्व ( $z_{t-1}$ ) और नए ( $z_t$ ) के बीच विचलन को उनके बीच के कोण का उपयोग करके मापते हैं, न कि उनकी यूक्लिडियन दूरी का उपयोग करके।
$\mathcal{D}_f(z_{t-1}, z_t) = \left\| 1 - \frac{z_{t-1}}{\|z_{t-1}\|} \cdot \frac{z_t}{\|z_t\|} \right\|_2^2$
लाभ: यह मीट्रिक स्केल विविधताओं और शोर के प्रति मजबूत है। यह सुनिश्चित करता है कि मॉडल पिछले सत्रों में सीखे गए फीचर्स के दिशा (अर्थ संबंधी अर्थ/semantic meaning) को बनाए रखता है जबकि परिमाण (magnitude) को नए डेटा के अनुकूल होने की अनुमति देता है।

D. कुल उद्देश्य (Total Objective)

अंतिम प्रशिक्षण उद्देश्य डी-बायस कॉन्ट्रास्टिव लॉस और एंगुलर-आधारित फॉरगेटिंग मिटिगेशन लॉस को जोड़ता है:
$\mathcal{L} = \mathcal{L}_C + \lambda_{CL} \mathcal{L}_{CL}$

3. प्रमुख योगदान (Key Contributions)

सिग्नल बायस की खोज: यह शोध पत्र सांख्यिकीय और प्रयोगात्मक रूप से यह प्रदर्शित करने वाले पहले अध्ययनों में से एक है कि मानव स्मृति क्षय सत्रों के माध्यम से fMRI सिग्नल्स में एक व्यवस्थित पूर्वाग्रह पैदा करता है, जो VBU मॉडलों को नकारात्मक रूप से प्रभावित करता है।
नया कंटीन्यूअल लर्निंग फ्रेमवर्क: BRAIN को पेश किया गया, जो मस्तिष्क संकेतों के लिए विशेष रूप से तैयार किया गया एक कंटीन्यूअल लर्निंग दृष्टिकोण है, जो पूर्ण डेटासेट संग्रह की प्रतीक्षा किए बिना वृद्धिशील अपडेट की अनुमति देता है।
डी-बायस कॉन्ट्रास्टिव लर्निंग (DCL): एक नया लॉस फंक्शन जो शोर वाले, पूर्वाग्रही डेटा के प्रभाव को कम करने के लिए प्रतिभागी की प्रतिक्रिया सटीकता के आधार पर नमूनों को गतिशील रूप से भारित करता है।
एंगुलर-आधारित फॉरगेटिंग मिटिगेशन (AFM): एक नवीन डिस्टिलेशन लॉस जो ज्ञान को संरक्षित करने के लिए यूक्लिडियन दूरी के बजाय कोणीय दूरी का उपयोग करता है, जो फीचर स्केल शिफ्ट के प्रति अधिक मजबूत सिद्ध हुआ है।
स्टेट-ऑफ-द-आर्ट प्रदर्शन: यह प्रदर्शित किया गया कि प्रस्तावित विधि मौजूदा नॉन-कंटीन्यूअल और कंटीन्यूअल लर्निंग बेसलाइन्स से बेहतर प्रदर्शन करती है।

4. प्रयोगात्मक परिणाम (Experimental Results)

इस दृष्टिकोण का मूल्यांकन नेचुरल सीन्स डेटासेट (NSD) पर किया गया जिसमें 8 प्रतिभागी और 73,000 से अधिक fMRI ट्रायल्स शामिल थे।

बेंचमार्क्स: विभिन्न कंटीन्यूअल लर्निंग सेटिंग्स (जैसे, 20 सत्रों पर प्रशिक्षण, हर 2, 5, या 10 सत्रों के बाद अपडेट) में दो कार्यों पर मूल्यांकन किया गया: ब्रेन-टू-इमेज रिट्रीवल और इमेज-टू-ब्रेन रिट्रीवल।
प्रदर्शन लाभ:
- Non-CL के मुकाबले: BRAIN दृष्टिकोण मानक प्रशिक्षण (W/o CL) की तुलना में काफी बेहतर रहा, जो विस्मृति के कारण गंभीर प्रदर्शन गिरावट (जैसे, सटीकता में 43% की गिरावट) से ग्रस्त था।
- SOTA CL विधियों के मुकाबले: इसने LwF (Learning without Forgetting) और PLOP जैसे स्थापित कंटीन्यूअल लर्निंग बेसलाइन्स को पीछे छोड़ दिया।
- विशिष्ट मेट्रिक्स: ब्रेन-टू-इमेज रिट्रीवल के लिए (20, 2) सेटिंग में, BRAIN ने 57.97% सटीकता प्राप्त की, जबकि Non-CL के लिए यह 18.06% और LwF के लिए 54.7% थी।
एब्लेशन स्टडीज (Ablation Studies):
- DCL को हटाने से प्रदर्शन में 1-4% की गिरावट आई, जो पूर्वाग्रह शमन (bias mitigation) की आवश्यकता की पुष्टि करता है।
- AFM को $L_2$ रेगुलराइजेशन से बदलने पर 1-3% की गिरावट आई, जो कोणीय मीट्रिक की श्रेष्ठता को प्रमाणित करता है।
- रिहर्सल बनाम नो रिहर्सल: रिहर्सल-मुक्त दृष्टिकोण (AFM का उपयोग करके) रिहर्सल-आधारित विधियों की तुलना में बेहतर प्रदर्शन करता है, जो बताता है कि केवल 10% डेटा को स्टोर करना इस विशिष्ट कार्य के लिए अपर्याप्त है।
SOTA के साथ तुलना: MindEye मॉडल (समान आर्किटेक्चर लेकिन अलग लॉस का उपयोग करने वाला) के साथ तुलना करने पर, BRAIN ने उच्च रिट्रीवल स्कोर (ब्रेन-टू-इमेज के लिए 95.3% बनाम 90.1%) प्राप्त किया।

5. महत्व (Significance)

जैविक संभाव्यता (Biological Plausibility): यह विधि मानव सीखने की जैविक वास्तविकता के साथ बेहतर तालमेल बिठाती है, जहाँ स्मृति और धारणा समय के साथ विकसित होती है, न कि स्थिर डेटा वितरण मानती है।
दक्षता और गोपनीयता: रिप्ले बफ़र्स (रिहर्सल) के उपयोग से बचकर, यह विधि fMRI डेटा से जुड़ी डेटा गोपनीयता चिंताओं को संबोधित करती है और कंप्यूटेशनल रूप से कुशल रहती है।
सामान्यीकरण (Generalizability): मानव कारकों (मेमोरी डिके) के कारण वितरण बदलाव और डिस्टिलेशन के लिए कोणीय मीट्रिक के उपयोग के संबंध में अंतर्दृष्टि अन्य 'ह्यूमन-इन-द-लूप' मशीन लर्निंग कार्यों के लिए भी मूल्यवान सबक प्रदान करती है।
Neuro-AI में प्रगति: यह कार्य न्यूरोसाइंस (मेमोरी डिके को समझना) और AI (मजबूत कंटीन्यूअल लर्निंग एल्गोरिदम डिजाइन करना) के बीच के अंतर को पाटता है, जो मस्तिष्क गतिविधि को डिकोड करने की संभावनाओं की सीमाओं को बढ़ाता है।