Relational Visual Similarity
यह शोध पत्र एक नए ढांचे और एक अनाम 114k इमेज-कैप्शन डेटासेट को पेश करके मौजूदा विजुअल समानता मेट्रिक्स में मौजूद महत्वपूर्ण अंतर को संबोधित करता है ताकि एक विजन-लैंग्वेज मॉडल को प्रशिक्षित किया जा सके जो रिलेशनल सिमिलरिटी (संबंधात्मक समानता) को मापने में सक्षम हो—अर्थात छवियों को केवल उनके सतही दृश्य गुणों के बजाय उनके आंतरिक संरचनात्मक तर्क के आधार पर मिलाना।
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 केले की तस्वीर देख रहे हैं जो धीरे-धीरे भूरा होकर सड़ रहा है। अब, एक माचिस की तीली की तस्वीर की कल्पना करें जो धीरे-धीरे जलकर राख हो रही है।
यदि आप एक मानक कंप्यूटर प्रोग्राम (जैसे गूगल इमेजेस या सोशल मीडिया एल्गोरिदम में उपयोग किए जाने वाले प्रोग्राम) से पूछते हैं कि क्या ये दोनों तस्वीरें समान हैं, तो वह कहेगा "नहीं।"
ऐसा इसलिए है क्योंकि कंप्यूटर केवल सतही विवरणों (surface details) को देख रहा है:
- एक पीला और घुमावदार है; दूसरा पतला और लकड़ी का है।
- एक भोजन है; दूसरा एक उपकरण है।
- वे रंग, आकार या "श्रेणी" में समान नहीं हैं।
लेकिन यदि आप एक इंसान से पूछते हैं, तो हम कह सकते हैं, "हाँ, वे बहुत समान हैं!"
क्यों? क्योंकि हम एक छिपी हुई कहानी देखते हैं जो उन्हें जोड़ती है। दोनों एक समय के साथ होने वाले परिवर्तन (transformation over time) से गुजर रहे हैं। दोनों "पूर्ण" से "समाप्त" होने की ओर बढ़ रहे हैं। हम केवल उनके लुक्स की तुलना नहीं कर रहे हैं; हम उनके तर्क (logic) की तुलना कर रहे हैं।
यह शोध पत्र कंप्यूटर को दुनिया को देखने का एक नया तरीका सिखाता है, न कि केवल इस आधार पर कि चीजें कैसी दिखती हैं, बल्कि इस आधार पर कि वे कैसे काम करती हैं।
मुख्य विचार: "संबंधात्मक दृश्य समानता" (Relational Visual Similarity)
वे इसे "रिलेशनल विजुअल सिमिलरिटी" कहते हैं।
इसे इस तरह समझें:
- विशेषण समानता (Attribute Similarity - पुराना तरीका): "ये दो चीजें इसलिए समान हैं क्योंकि दोनों लाल और गोल हैं।" (जैसे सेब की तुलना आड़ू से करना)।
- संबंधात्मक समानता (Relational Similarity - नया तरीका): "ये दो चीजें इसलिए समान हैं क्योंकि दोनों एक ही कहानी सुनाती हैं।" (जैसे पृथ्वी की परतों की तुलना आड़ू की परतों से करना: त्वचा/क्रस्ट, गूदा/मेंटल, गुठली/कोर)।
यह पेपर तर्क देता है कि वर्तमान AI पहले प्रकार में तो बेहतरीन है लेकिन दूसरे प्रकार में बहुत खराब है। यह मानवीय रचनात्मकता और तर्क के "अहा!" (aha!) क्षणों को चूक जाता है।
उन्होंने कंप्यूटर को कैसे सिखाया?
कंप्यूटर को सोचने का यह नया तरीका सिखाने के लिए, शोधकर्ताओं को उसके लिए एक विशेष "स्कूल" बनाना पड़ा। उन्होंने इसे इस प्रकार किया:
1. "दिलचस्प" फ़िल्टर (The "Interesting" Filter)
उन्होंने लाखों रैंडम इंटरनेट फोटो की एक विशाल लाइब्रेरी (LAION-2B) से शुरुआत की। इनमें से अधिकांश तस्वीरें उबाऊ होती हैं (जैसे सिर्फ एक कुर्सी की तस्वीर)। शोधकर्ताओं ने एक स्मार्ट AI को एक लाइब्रेरियन के रूप में प्रशिक्षित किया, जो लाइब्रेरी को स्कैन करता है और केवल "दिलचस्प" तस्वीरें चुनता है—वे जो पैटर्न, रूपांतरण या चतुर कनेक्शन दिखाती हैं (जैसे केला और माचिस)।
2. "गुमनाम" अनुवादक (The "Anonymous" Translator)
यही सबसे चतुर हिस्सा है। आमतौर पर, जब हम किसी फोटो का वर्णन करते हैं, तो हम कहते हैं, "एक केला जो भूरा हो रहा है।"
लेकिन शोधकर्ता चाहते थे कि AI केले को अनदेखा करे और कहानी पर ध्यान केंद्रित करे। इसलिए, उन्होंने एक AI को "गुमनाम कैप्शन" (Anonymous Captions) लिखने के लिए प्रशिक्षित किया।
"एक केला जो भूरा हो रहा है" कहने के बजाय, AI ने सीखा:
"एक {विषय} जो समय के साथ एक {रूपांतरण} से गुजर रहा है।"
विशिष्ट वस्तुओं को प्लेसहोल्डर्स (जैसे {Subject}) से बदलकर, AI ने "पोशाक" को हटाकर इमेज के "प्लॉट" को देखना सीख लिया।
3. मैचमेकर (The Matchmaker)
एक बार जब उनके पास इन "प्लॉट सारांशों" के साथ हजारों तस्वीरें आ गईं, तो उन्होंने एक नए मॉडल (जिसे RelSim कहा जाता है) को उनकी पोशाक के बजाय उनके प्लॉट के आधार पर मिलान करना सिखाया।
- यदि इमेज A का प्लॉट "समय के साथ रूपांतरण" है, और इमेज B का प्लॉट "समय के साथ रूपांतरण" है, तो मॉडल कहता है, "यह एक मेल है!" भले ही एक केला हो और दूसरा जलती हुई माचिस।
यह क्यों मायने रखता है?
यह पेपर दिखाता है कि यह नया मॉडल वह काम कर सकता है जो पुराने मॉडल नहीं कर सकते:
- बेहतर खोज (Better Search): कल्पना कीजिए कि आप एक कलाकार हैं जो प्रेरणा की तलाश में हैं। आप एक ऐसी छवि ढूंढना चाहते हैं जो "पिंजरे में उड़ते पक्षी" जैसी महसूस होती हो। पुराने सर्च इंजन आपको केवल पक्षियों और पिंजरों की तस्वीरें दिखाएंगे। नया मॉडल एक ऐसी तस्वीर ढूंढ सकता है जो "जाल में तैरती मछली" या "जाल में फंसते व्यक्ति" की हो, क्योंकि वे एक ही संबंधात्मक तर्क (relational logic) साझा करते हैं।
- रचनात्मक पीढ़ी (Creative Generation): यदि आप AI से कहें कि "इस एक के समान विचार के साथ एक नई छवि बनाएं," तो पुराना AI केवल रंगों को बदल देगा। नया AI अवधारणा (concept) को समझता है। यदि इनपुट एक विजुअल पन (visual pun) है (जैसे पिघलती बर्फ से बना शब्द "Ice-cream"), तो नया AI एक अलग विजुअल पन बना सकता है (जैसे जलती हुई लकड़ी से बना शब्द "Fire") क्योंकि वह केवल पिक्सल को नहीं, बल्कि अंतर्निहित मजाक को समझता है।
निचोड़ (The Bottom Line)
वर्तमान AI एक ऐसे बच्चे की तरह है जो चीजों को केवल उनके रंग और आकार से पहचानता है।
यह नया शोध AI को एक दार्शनिक बनना सिखाता है। यह सतह के पार देखना और उन अदृश्य संबंधों, कहानियों और पैटर्न को समझना सीखता है जो दो पूरी तरह से अलग चीजों को ऐसा महसूस कराते हैं जैसे वे एक-दूसरे से जुड़ी हुई हों।
यह "यह क्या है?" पूछने से लेकर "यहाँ क्या हो रहा है?" पूछने तक का एक बड़ा कदम 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।