TSLM: Tree-Structured Language Modeling for Divergent Thinking
यह शोध पत्र ट्री-स्ट्रक्चर्ड लैंग्वेज मॉडलिंग (TSLM) प्रस्तुत करता है, जो एक नवीन दृष्टिकोण है जो विशेष टोकन का उपयोग करके और पूर्ण खोज वृक्षों (search trees) पर प्रशिक्षण देकर शाखाबद्ध खोज पथों को एक एकल पीढ़ी प्रक्रिया (generation process) में समाहित करता है, ताकि बाहरी खोज विधियों की अनावश्यक गणना के बिना कुशल, व्यवस्थित विचलित सोच (divergent thinking) को सक्षम बनाया जा सके।
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 बहुत ही कठिन भूलभुलैया (maze) को सुलझाने की कोशिश कर रहे हैं।
पुराना तरीका (क्रमिक सोच - Sequential Thinking)
वर्तमान के अधिकांश AI मॉडल उस व्यक्ति की तरह हैं जो आँखें बंद करके भूलभुलैया में एक-एक कदम आगे बढ़ रहा है। वे एक रास्ता चुनते हैं, आगे बढ़ते हैं, और यदि वे किसी दीवार से टकरा जाते हैं, तो उन्हें वापस शुरुआत में जाना पड़ता है और दूसरा रास्ता आज़माना पड़ता है। यदि वे शुरुआत में कोई गलती करते हैं, तो वे यह महसूस करने से पहले कि वे गलत रास्ते पर हैं, लंबे समय तक एक ही दिशा में चलते रह सकते हैं। वे एक समय में केवल एक ही रास्ते के बारे में सोच सकते हैं।
नया तरीका (TSLM: ट्री-स्ट्रक्चर्ड लैंग्वेज मॉडलिंग)
यह शोध पत्र एक नई विधि पेश करता है जिसे TSLM कहा जाता है। कल्पना कीजिए कि अकेले भूलभुलैया में चलने के बजाय, आप एक जादुई खोजकर्ता हैं जो जहाँ आप खड़े हैं, वहाँ से निकलने वाले सभी संभावित रास्तों को तुरंत देख सकते हैं।
TSLM AI को इसके लिए विशेष "जादुई निशानों" (tokens) का उपयोग करना सिखाता है। केवल एक वाक्य लिखने के बजाय, AI एक साथ पूरा नक्शा लिखता है:
- वह रास्ता A लिखता है और एक हरा झंडा ([SEP]) लगाता है, जिसका अर्थ है, "यह रास्ता अच्छा लग रहा है, आगे बढ़ो!"
- वह रास्ता B लिखता है और एक लाल झंडा ([FAIL]) लगाता है, जिसका अर्थ है, "यह रास्ता एक बंद गली (dead end) की ओर ले जाता है, यहाँ रुक जाओ।"
- वह रास्ता C लिखता है और एक सुनहरा सितारा ([GOAL]) लगाता है, जिसका अर्थ है, "हमें खजाना मिल गया!"
यह कैसे काम करता है
- प्रशिक्षण (Training): AI को इन पूर्ण मानचित्रों के साथ प्रशिक्षित किया जाता है, जिसमें बंद गलियाँ और जीतने वाले रास्ते भी शामिल होते हैं। यह पूरे जंगल को देखना सीखता है, न कि केवल एक पेड़ को। यह सीखता है कि कभी-कभी आपको यह समझने के लिए एक रास्ता आज़माना पड़ता है कि वह एक बंद गली है, और यह ठीक है।
- सोचना (Thinking): जब AI किसी समस्या को हल करता है, तो वह केवल एक उत्तर का अनुमान नहीं लगाता। वह एक ही बार में संभावनाओं का एक पूरा "पेड़" (tree) तैयार करता है। वह शाखाओं को देखता है, जाँचता है कि कौन सी शाखाएँ बंद गलियाँ हैं, और उन रास्तों का अनुसरण करता है जो आशाजनक दिखते हैं।
यह क्यों एक बड़ी बात है
शोध पत्र अन्य तरीकों की तुलना करने के लिए कुछ मजेदार उपमाओं का उपयोग करता है:
"गेम ऑफ 24" (एक गणितीय पहेली): कल्पना कीजिए कि आपके पास चार संख्याएँ हैं और आपको 24 प्राप्त करने के लिए गणित का उपयोग करना है।
- पुराना AI: एक संयोजन आज़माता है, विफल होता है, फिर दूसरा आज़माता है। यह आसानी से फंस जाता है।
- TSLM: यह एक साथ सभी गणितीय संयोजनों को फैला देता है। इसने परीक्षणों में 100% बार समाधान खोजा, जबकि पुराने तरीके ने इसे केवल 17% बार ही सही पाया।
"ग्रिडवर्ल्ड" (एक नेविगेशन पहेली): कल्पना कीजिए कि एक रोबोट दीवारों और गड्ढों वाले ग्रिड में नेविगेट कर रहा है।
- पुराना AI: जब ग्रिड बड़ा होता है (10x10 से 20x20), तो पुराना AI पूरी तरह से खो जाता है और भ्रमित हो जाता है। यह एक ऐसे व्यक्ति की तरह है जो एक छोटे कमरे को जानता है लेकिन एक बड़े गोदाम में खो जाता है।
- TSLM: भले ही ग्रिड दोगुना बड़ा हो गया, फिर भी TSLM रोबोट ने 91.5% बार अपना रास्ता खोज लिया। उसने केवल विशिष्ट मानचित्र को नहीं, बल्कि नेविगेट करने की रणनीति को सीखा।
"भ्रम" (Hallucination) की समस्या: कभी-कभी, किसी समस्या का कोई समाधान नहीं होता (जैसे 1, 1, 2, और 3 संख्याओं से 24 बनाने की कोशिश करना)।
- पुराना AI: क्योंकि वह उत्तर देने के लिए बेताब है, वह एक नकली गणितीय ट्रिक बना सकता है जो काम नहीं करती।
- TSLM: क्योंकि वह संभावनाओं के पूरे पेड़ को देख सकता है, वह मानचित्र को देख सकता है, देख सकता है कि हर रास्ता एक बंद गली की ओर ले जाता है, और आत्मविश्वास से कह सकता है, "यह असंभव है।" इसने 97% बार असंभव समस्याओं की सही पहचान की।
मुख्य निष्कर्ष
शोध पत्र का तर्क है कि हमें AI को कई बार समानांतर (parallel) चलाने के लिए "अधिक कठिन" सोचने की आवश्यकता नहीं है (जो धीमा और महंगा है)। इसके बजाय, हम AI को इसके प्रशिक्षण के दौरान एक वृक्ष संरचना (tree structure) में सोचना सिखा सकते हैं। पूरे मानचित्र को—गलत मोड़ों सहित—देखना सीखकर, यह एक बहुत बेहतर, तेज़ और अधिक विश्वसनीय समस्या समाधानकर्ता बन जाता है। यह एक ऐसे व्यक्ति के बीच का अंतर है जो केवल सीधी रेखा में चलना जानता है और एक ऐसे व्यक्ति के बीच का अंतर है जो एक मानचित्र देख सकता है, सभी सड़कों को देख सकता है, और सबसे अच्छा रास्ता चुन सकता 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।