New York Smells: A Large Multimodal Dataset for Olfaction

एक ऐसी दुनिया की कल्पना करें जहाँ कंप्यूटर एक गुलाब की तस्वीर देखकर तुरंत जान सके कि उसकी खुशबू मीठी है। दशकों से, मशीनें दृष्टि, ध्वनि और यहाँ तक कि स्पर्श में भी महारत हासिल कर चुकी हैं, वे तस्वीरों और ऑडियो क्लिप्स में पैटर्न को अविश्वसनीय गति से पहचानना सीख रही हैं। लेकिन एक इंद्रिय ऐसी है जो उनके लिए एक रहस्य बनी हुई है: गंध। जबकि कुत्ते जैसे जानवर दुनिया को समझने, भोजन खोजने और खतरे का पता लगाने के लिए अपनी नाक का उपयोग करते हैं, मशीनें कुछ भी "सूँघने" के लिए संघर्ष करती रही हैं। मुख्य कारण यह नहीं है कि तकनीक असंभव है, बल्कि यह है कि डेटा गायब है। कंप्यूटर को सूंघना सिखाने के लिए, आपको उदाहरणों का एक विशाल पुस्तकालय चाहिए जहाँ एक विशिष्ट गंध को ठीक उसी चीज़ के साथ जोड़ा गया हो जो उसे पैदा कर रही है। अब तक, अधिकांश गंध डेटा को प्रयोगशालाओं के शांत और निर्जीव वातावरण में एकल वस्तुओं के साथ एकत्र किया गया था, जो वास्तविक दुनिया की अव्यवस्थपूर्ण और जटिल वास्तविकता को नहीं दर्शाता है।

यह शोध पत्र "न्यू यॉर्क स्मेल्स" (New York Smells) नामक एक बड़े नए कदम का परिचय देता है। शोधकर्ता, जो कोलंबिया यूनिवर्सिटी, कॉर्नेल और ऑस्मो लैब्स की एक टीम है, वास्तव में बाहर की दुनिया में निकले—शाब्दिक रूप से न्यूयॉर्क शहर के पार्कों, पुस्तकालयों, जिमों और शहर की सड़कों पर टहलते हुए। उन्होंने एक विशेष बैकपैक रिग बनाया जिसमें एक हाई-डेफिनिशन कैमरा एक इलेक्ट्रॉनिक नाक (एक ऐसा उपकरण जो हवा में रसायनों का पता लगाता है) के ठीक बगल में रखा गया था। जैसे-जैसे वे चलते गए, उन्होंने हजारों चित्र और गंधों के जोड़े रिकॉर्ड किए, जिसमें पिज्जा के एक टुकड़े से लेकर काई के एक पैच, एक लकड़ी के बेंच और एक प्लास्टिक की थैली तक सब कुछ शामिल था। उन्होंने केवल एक स्नैपशॉट नहीं लिया; उन्होंने समय के साथ गंध को रिकॉर्ड किया, यह पकड़ा कि हवा के घूमने के साथ किसी वस्तु की सुगंध कैसे बदलती है। इन वास्तविक दुनिया की गंधों को दृश्य डेटा के साथ जोड़कर, उन्होंने 7,000 अद्वितीय गंध-चित्र जोड़ों के साथ एक डेटासेट बनाया, जो 3,500 विभिन्न वस्तुओं को कवर करता है। यह पिछले किसी भी गंध डेटासेट से लगभग 70 गुना बड़ा है।

टीम ने इस नए पुस्तकालय का उपयोग कंप्यूटर को गंध समझने के तरीके सिखाने के लिए किया। उन्होंने "कॉन्ट्रास्टिव लर्निंग" (contrastive learning) नामक एक विधि का परीक्षण किया, जो एक विशाल मिलान खेल (matching game) खेलने जैसा है। कंप्यूटर को एक ही समय में एक किताब की तस्वीर और एक किताब की गंध दिखाई जाती है, और वह दोनों को आपस में जोड़ने के लिए सीखता है। फिर, इसका परीक्षण यह देखने के लिए किया जाता है कि क्या वह एक नई गंध को देख सकता है और मिलान वाला चित्र ढूंढ सकता है, या एक चित्र को देखकर गंध का अनुमान लगा सकता है। परिणाम आश्चर्यजनक और उत्साहजनक थे। कंप्यूटर ने सीखा कि कच्चा, अनप्रोसेस्ड गंध डेटा (सेंसर से मिलने वाले अव्यवस्थित, वास्तविक समय के संकेत) उस "साफ-सुथरे" सारांश की तुलना में सीखने के लिए बहुत बेहतर था जिसे वैज्ञानिक आमतौर पर उपयोग करते हैं। वास्तव में, कंप्यूटर ने केवल गंध से ही वस्तुओं और सामग्रियों को पहचानना सीख लिया, लेकिन यह केवल इसलिए हुआ क्योंकि उसने प्रशिक्षण के दौरान दृश्य संकेतों को एक 'सुपरवाइजर' के रूप में उपयोग किया था। वह पार्क में अगल-बगल उगने वाली घास के दो बहुत समान प्रकारों के बीच भी अंतर कर सकता था।

शोध पत्र सुझाव देता है कि मशीनों को एक दृश्य "शिक्षक" देकर, हम उन्हें केवल लैब में ही नहीं, बल्कि वास्तविक दुनिया में सूंघना सीखने में मदद कर सकते हैं। शोधकर्ताओं ने पाया कि जब कंप्यूटर ने सीखने के लिए चित्रों का उपयोग किया, तो उसमें गंध डेटा से अकेले सीखने की तुलना में बहुत अधिक तीव्र गंध की समझ विकसित हुई। इसका मतलब यह नहीं है कि कंप्यूटर अभी कुत्ते की तरह सूंघ सकता है, लेकिन यह साबित करता है कि दृष्टि और गंध को जोड़ना मशीनों को रासायनिक दुनिया के बारे में सिखाने का एक शक्तिशाली तरीका है। टीम सावधानीपूर्वक यह नोट करती है कि उनका डेटा एक शहर से आता है और उनके सेंसर हर रसायन का पता नहीं लगा सकते, लेकिन उन्होंने एक द्वार खोल दिया है। उन्होंने दिखाया है कि यदि हम मशीनों को गंध और दृष्टि का एक विविध, वास्तविक दुनिया का पुस्तकालय दें, तो वे हमारे आसपास की अदृश्य दुनिया की अपनी समझ बनाना शुरू कर सकते हैं।