MEVER: Multi-Modal and Explainable Claim Verification with Graph-based Evidence Retrieval
MEVER एक नवीन मल्टी-मोडल फ्रेमवर्क है जो एक दो-परत वाले मल्टी-मोडल ग्राफ और फ्यूजन-इन-डिकोडर आर्किटेक्चर का उपयोग करके संयुक्त साक्ष्य पुनर्प्राप्ति (joint evidence retrieval), दावा सत्यापन (claim verification) और स्पष्टीकरण निर्माण (explanation generation) करता है, जिसे AIChartClaim नामक एक नए पेश किए गए वैज्ञानिक डेटासेट द्वारा समर्थित किया गया 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 हाई-स्टेक्स कोर्टरूम में एक जज हैं, लेकिन केवल गवाहों को बोलते हुए सुनने के बजाय, आपको यह तय करने के लिए जटिल चार्ट, ग्राफ और वैज्ञानिक आरेख (डायग्राम) भी देखने पड़ते हैं कि कोई व्यक्ति सच बोल रहा है या नहीं।
समस्या यह है कि आज के अधिकांश "AI जज" थोड़े 'नज़दीक की दृष्टि' (नियरसाइटेड) वाले हैं। वे लिखित गवाही (टेक्स्ट) तो पढ़ सकते हैं, लेकिन वे चित्रों में दिखाए गए साक्ष्यों (विजुअल्स) के प्रति अक्सर "अंधे" होते हैं। इससे भी बुरा यह है कि जब वे कोई निर्णय लेते हैं, तो वे अक्सर यह स्पष्ट नहीं कर पाते कि वे उस निष्कर्ष तक कैसे पहुँचे, जिससे कोर्टरूम में मौजूद सभी लोग भ्रमित रह जाते हैं।
यह पेपर MEVER पेश करता है, जो एक नए प्रकार का AI जज है जिसे मल्टी-मोडल (यह देख और पढ़ दोनों सकता है) और एक्सप्लेनेबल (यह अपने तर्क बता सकता है) होने के लिए डिज़ाइन किया गया है।
MEVER कैसे काम करता है, इसे तीन सरल चरणों में यहाँ दिया गया है:
1. सुपर-पावर्ड लाइब्रेरियन (एविडेंस रिट्रीवल - साक्ष्य प्राप्ति)
ट्रायल शुरू होने से पहले, एक जज को सही फाइलें ढूँढनी पड़ती हैं। अधिकांश AI मॉडल केवल टेक्स्ट फाइलों को खोजते हैं। हालाँकि, MEVER एक "टू-लेयर मल्टी-मोडल ग्राफ" का उपयोग करता है।
उपमा: एक ऐसी लाइब्रेरी की कल्पना करें जहाँ किताबें केवल शीर्षक से ही नहीं, बल्कि पन्नों पर लिखे शब्दों के साथ उनके अंदर के चित्रों के संबंध से भी व्यवस्थित होती हैं। यदि आप "बढ़ते तापमान" के बारे में सबूत मांगते हैं, तो MEVER केवल "तापमान" शब्द नहीं खोजता; यह उन किताबों को खोजता है जो गर्मी का जिक्र करती हैं और उन किताबों को भी खोजता है जिनमें ऊपर की ओर रुझान दिखाने वाले लाइन ग्राफ शामिल हैं। यह जो कहा गया है और जो दिखाया गया है, उनके बीच के कड़ियों को जोड़ता है, जिससे यह सुनिश्चित होता है कि सबसे प्रासंगिक साक्ष्य मिले।
2. मास्टर डिटेक्टिव (क्लेम वेरिफिकेशन - दावे का सत्यापन)
एक बार जब सबूत मेज पर आ जाते हैं, तो AI को "दावे" (जो व्यक्ति ने कहा) की "साक्ष्य" (टेक्स्ट और चार्ट) के साथ तुलना करनी होती है।
उपमा: इसे एक जासूस की तरह समझें जो एक ही समय में दो अलग-अलग चीजों पर आवर्धक लेंस (मैग्निफाइंग ग्लास) का उपयोग कर रहा है। टेक्स्ट को अलग से देखने और फिर चार्ट को अलग से देखने के बजाय, MEVER "टोकन-एंड-एविडेंस-लेवल फ्यूजन" करता है। यह एक ऐसे जासूस की तरह है जो चार्ट के डेटा की एक पारदर्शी शीट को सीधे लिखित वाक्य के ऊपर रख सकता है। टेक्स्ट के ऊपर विजुअल डेटा को "स्टैक" करके, AI सूक्ष्म विसंगतियों को पकड़ सकता—जैसे कि यदि एक वाक्य कहता है "बिक्री दोगुनी हो गई" लेकिन बार चार्ट केवल एक मामूली वृद्धि दिखाता है।
3. एलोकेंट लॉयर (एक्सप्लेनेशन जनरेशन - स्पष्टीकरण निर्माण)
एक जज जो बिना कारण बताए "दोषी!" कहता है, वह एक बुरा जज है। MEVER अपने तर्क को लिखने के लिए "फ्यूजन-इन-डिकोडर" नामक एक विशेष मॉड्यूल का उपयोग करता है।
उपमा: एक ऐसे वकील की कल्पना करें जो केवल फैसला नहीं सुनाता, बल्कि सबूतों के माध्यम से जूरी को सावधानीपूर्वक ले जाता है: "मैं इस दावे का खंडन इसलिए कर रहा हूँ क्योंकि जबकि टेक्स्ट X कहता है, आकृति 1 में नीली रेखा स्पष्ट रूप से Y दिखाती है।" यह सुनिश्चित करने के लिए कि वकील गलती से खुद का खंडन न कर दे, शोधकर्ताओं ने एक "कंसिस्टेंसी रेगुलराइज़र" जोड़ा है—जो मूल रूप से एक "सेनिटी चेक" (तर्कसंगतता जांच) है जो यह सुनिश्चित करता है कि लिखित स्पष्टीकरण वास्तव में अंतिम फैसले से मेल खाता है।
यह क्यों मायने रखता है? (AIChartClaim डेटासेट)
शोधकर्ताओं ने महसूस किया कि अधिकांश AI ट्रेनिंग "सामान्य" चीजों (जैसे समाचार या सोशल मीडिया) पर की जाती है। लेकिन विज्ञान अलग है! अपने AI का परीक्षण करने के लिए, उन्होंने एक नया "टेक्स्टबुक" AIChartClaim बनाया है। यह AI रिसर्च पेपर्स से जटिल वैज्ञानिक चार्टों से भरा है। यह AI को साधारण "तथ्य-जांच" से आगे बढ़कर उच्च-स्तरीय वैज्ञानिक तर्क के क्षेत्र में जाने के लिए मजबूर करता है।
निचोड़ (द बॉटम लाइन)
MEVER AI को एक साधारण "टेक्स्ट-रीडर" से बदलकर एक "मल्टी-सेंसरी थिंकर" (बहु-संवेदी विचारक) बना रहा है। यह आपको केवल यह नहीं बताता कि कोई दावा सच है या झूठ; यह सही प्रमाण ढूँढता है, चित्रों को देखता है, और अपने तर्क को इस तरह समझाता है जिसे इंसान वास्तव में भरोसा कर सकें।
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।