Neural Fields as World Models
यह शोध पत्र मोटर-गेटेड न्यूरल फील्ड्स पर आधारित "आइसोमोर्फिक वर्ल्ड मॉडल्स" का प्रस्ताव और सत्यापन करता है जो संवेदी टोपोलॉजी को संरक्षित करते हैं, यह प्रदर्शित करते हुए कि एक स्थानिक मानचित्र के भीतर एक्शन-कंडीशनल ज्योमेट्रिक प्रोपेगेशन एक स्थानिक मानचित्र के भीतर बैलिस्टिक प्रेडिक्शन, ऑफलाइन टास्क लर्निंग, और बिना किसी स्पष्ट लेबल के बॉडी-सिलेक्टिव रिप्रेजेंटेशन के उद्भव को सक्षम बनाता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप गेंद पकड़ना सीख रहे हैं। आपके मस्तिष्क को एक साथ दो पहेलियाँ सुलझानी पड़ती हैं: "गेंद कहाँ गिरेगी?" और "मेरा हाथ कहाँ होगा?" आमतौर पर, हम मस्तिष्क को एक सुपर-कंप्यूटर के रूप में देखते हैं जो एक गुप्त, अमूर्त कोड में गणना करता है। लेकिन यह शोध पत्र सुझाव देता है कि मस्तिष्क एक जीवित मानचित्र (living map) की तरह काम कर सकता है।
यहाँ इस शोध की कहानी है, जिसे सरल अवधारणाओं में विभाजित किया गया है।
समस्या: "टेलीपोर्टिंग" कंप्यूटर
अधिकांश आधुनिक AI दुनिया को समझने के लिए एक तस्वीर को संख्याओं की एक छोटी, अदृश्य सूची (एक "लेटेंट वेक्टर") में समेटने की कोशिश करते हैं। यह एक कमरे की फोटो लेने, उसे एक एकल संख्या में बदलने और फिर उस संख्या के आधार पर यह अनुमान लगाने जैसा है कि आगे क्या होगा।
समस्या क्या है? इस अमूर्त सूची में, चीजें टेलीपोर्ट (teleport) हो सकती हैं। यदि AI एक चलती हुई गेंद की भविष्यवाणी करता है, तो वह एक ही क्षण में कमरे के बाईं ओर से दाईं ओर कूद सकती है क्योंकि "संख्याओं" को दूरी की परवाह नहीं होती। वास्तविक दुनिया में, एक गेंद को बीच के स्थान से होकर गुजरना पड़ता है। वह बस गायब होकर कहीं और प्रकट नहीं हो सकती।
समाधान: "जीवित मानचित्र" (न्यूरल फील्ड्स)
लेखक, जोशुआ ननली (Joshua Nunley), एक अलग तरीका प्रस्तावित करते हैं: आइसोमोर्फिक वर्ल्ड मॉडल्स (Isomorphic World Models)।
इसे एक रोशनी के ग्रिड (जैसे एक विशाल LED स्क्रीन) के रूप में सोचें जो आपकी दृष्टि का प्रतिनिधित्व करता है।
- स्थानीय नियम (Local Rules): इस ग्रिड में, एक रोशनी केवल अपने निकटतम पड़ोसियों से बात कर सकती है। यदि गतिविधि का एक "उभार" (जो एक गेंद का प्रतिनिधित्व करता है) चलता है, तो उसे ग्रिड के माध्यम से, चरण-दर-चरण, लहर की तरह गुजरना होगा, ठीक वैसे ही जैसे एक वास्तविक गेंद अंतरिक्ष में चलती है। यह कूदकर दूसरे स्थान पर नहीं जा सकता।
- मोटर गेटिंग (वॉल्यूम नॉब): इस मॉडल में विशेष "वॉल्यूम नॉब्स" भी होते हैं जो आपकी मांसपेशियों द्वारा नियंत्रित होते हैं। जब आप अपना हाथ हिलाने का निर्णय लेते हैं, तो ये नॉब्स ग्रिड के विशिष्ट हिस्सों पर वॉल्यूम बढ़ा देते हैं। यह इस बात की नकल करता है कि कैसे आपका मस्तिष्क यह जोड़ता है कि आप क्या देखते हैं और आप क्या करते हैं।
तीन प्रयोग: उन्होंने क्या पाया?
शोधकर्ताओं ने इस "जीवित मानचित्र" का मानक "टेलीपोर्टिंग कंप्यूटर" (एक VAE-LSTM) के विरुद्ध तीन तरीकों से परीक्षण किया:
1. "अंधा" बॉल टॉस (भौतिकी भविष्यवाणी)
- सेटअप: उन्होंने AI को केवल तीन सेकंड के लिए एक चलती हुई गेंद दिखाई, फिर स्क्रीन को छिपा दिया। उन्होंने AI से पूछा कि गेंद आगे कहाँ जाएगी, बिना देखे।
- परिणाम: मानक AI भ्रमित हो गया; गेंद के पथ की उसकी भविष्यवाणी लड़खड़ाने लगी और कभी-कभी स्क्रीन पर "टेलीपोर्ट" होने लगी। हालाँकि, "जीवित मानचित्र" वाले AI ने गेंद को एक सुचारू, पूर्ण चाप (arc) में चलते हुए बनाए रखा। क्योंकि इसके आंतरिक मानचित्र ने गेंद को हर मध्यवर्ती बिंदु से गुजरने के लिए मजबूर किया, इसलिए यह कूदकर "चीटिंग" नहीं कर सका।
- सीख: स्थानिक संरचना को बनाए रखकर, AI ने भौतिकी के नियमों को स्वाभाविक रूप से सीखा, जैसे पानी में चलती हुई एक लहर।
2. "सपनों का अभ्यास" (ऑफलाइन लर्निंग)
- सेटअप: कल्पना कीजिए कि आप गेंद पकड़ना सीखना चाहते हैं, लेकिन आप वास्तविक गेंद को छू नहीं सकते। आपको अपने दिमाग में अभ्यास करना होगा। शोधकर्ताओं ने "जीवित मानचित्र" को फ्रीज कर दिया (ताकि यह और सीख न सके) और एक नए AI एजेंट को केवल मानचित्र की भविष्यवाणियों को देखकर पकड़ने की नीति (catching policy) सीखने के लिए कहा।
- परिणाम: एजेंट ने "सपने" में गेंद पकड़ना सीखा और फिर वह सीधे वास्तविक दुनिया में गया और सफलतापूर्वक गेंद पकड़ी। मानक AI मॉडल अपने "सपने" के कौशल को वास्तविकता में स्थानांतरित करने में विफल रहा।
- सीख: क्योंकि "जीवित मानचित्र" वास्तविकता का इतनी सटीकता से अनुकरण करता है (कोई टेलीपोर्टिंग नहीं), आप एक रोबोट को पूरी तरह से सिमुलेशन में किसी कार्य के लिए प्रशिक्षित कर सकते हैं, और वह वास्तविक दुनिया में पूरी तरह से काम करेगा। यह अपने मन में किसी खेल का इतना जीवंत अभ्यास करने जैसा है कि आपकी मांसपेशियां चालों को याद रखती हैं।
3. "स्व-खोज" (बॉडी स्कीमा)
- सेटअप: AI को पता नहीं था कि उसके पास एक "हाथ" है। उसे केवल मोटर कमांड दिए गए और पूछा गया कि वह क्या देखेगा।
- परिणाम: समय के साथ, AI के आंतरिक "वॉल्यूम नॉब्स" (मोटर चैनल) विशेष रूप से उस क्षेत्र के ऊपर चमकने लगे जहाँ हाथ था, लेकिन गेंद के ऊपर नहीं। उसने निष्कर्ष निकाला, "जब मैं इस हिस्से को हिलाता हूँ, तो चित्र इस विशिष्ट तरीके से बदलता है।"
- सीख: AI ने बिना कभी यह सुने कि, "यह तुम्हारा हाथ है," अपने स्वयं के शरीर की समझ (एक "बॉडी स्कीमा") विकसित कर ली। उसने यह समझने के लिए कि "मैं" और "दुनिया" के बीच क्या अंतर है, केवल यह देखा कि जब उसने एक कमांड भेजी तो मानचित्र के कौन से हिस्से हिले।
बड़ी तस्वीर
यह शोध पत्र तर्क देता है कि मानव जैसी बुद्धिमत्ता का रहस्य केवल संख्याओं को तेज़ी से क्रंच करना नहीं है; यह मानचित्र को बनाए रखना है।
यदि आप चाहते हैं कि एक AI भौतिकी को समझे, एक शरीर को नियंत्रित करे, या यह जाने कि उसके अपने अंग कहाँ हैं, तो उसे एक ऐसा सिस्टम चाहिए जहाँ सूचना स्थान के माध्यम से, चरण-दर-चरण यात्रा करती है, न कि एक गुप्त कोड में कूदती है। एक ऐसा AI बनाकर जो दुनिया की ज्यामिति का सम्मान करता है, वह स्वाभाविक रूप से भविष्य की भविष्यवाणी करना, अपने "मन" में कार्यों का अभ्यास करना और अपने शरीर को समझना सीख जाता है।
संक्षेप में: दुनिया की भविष्यवाणी करने के लिए, आपको कैलकुलेटर की आवश्यकता नहीं है; आपको एक ऐसे मानचित्र की आवश्यकता है जो चलता हो।
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।