Evaluating the relationship between regularity and learnability in recursive numeral systems using Reinforcement Learning
सुदृढीकरण शिक्षण (reinforcement learning) का उपयोग करते हुए, यह अध्ययन प्रदर्शित करता है कि मानव पुनरावर्ती संख्या प्रणालियों की उच्च नियमितता सीमित डेटा से उनकी सीखने की क्षमता को सुगम बनाती है, जो यह सुझाव देता है कि यह संरचनात्मक विशेषता उनके अंतर-भाषाई प्रसार का एक प्राथमिक चालक 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 रोबोट को गिनती करना सिखाने की कोशिश कर रहे हैं। आपके पास उसे संख्याओं की "भाषा" देने के दो विकल्प हैं:
"नियमित" भाषा (The "regular" language): जैसे अंग्रेजी या मंदारिन। एक बार जब रोबोट यह सीख जाता है कि "दस" और "एक" मिलकर "ग्यारह" होते हैं, और "दस" और "दो" मिलकर "बारह" होते हैं, तो वह बाकी चीज़ों का आसानी से अनुमान लगा सकता है। यह एक कुकबुक की तरह है जहाँ निर्देश सुसंगत हैं: "एक कप मैदा डालें, फिर एक अंडा डालें।"
"अनियमित" भाषा (The "irregular" language): एक मनगढ़ंत प्रणाली जहाँ नियम बेतरतीब ढंग से बदलते हैं। शायद "दस प्लस एक" ग्यारह हो, लेकिन "दस प्लस दो" "केला" हो और "दस प्लस तीन" "बैंगनी" हो। यहाँ कोई पैटर्न नहीं है जिसे दोबारा इस्तेमाल किया जा सके; हर संख्या एक बिल्कुल नया, भ्रमित करने वाला गुप्त कोड है।
यह कार्य एक सरल प्रश्न खड़ा करता है: क्या मनुष्य नियमित संख्या प्रणालियों (जैसे अंग्रेजी) का उपयोग इसलिए करते हैं क्योंकि उन्हें सीखना आसान है?
यह पता लगाने के लिए, शोधकर्ताओं ने मनुष्यों से नहीं पूछा; उन्होंने एक डिजिटल "छात्र" (एक रिइन्फोर्समेंट-लर्निंग एजेंट) बनाया और उसे हजारों अलग-अलग संख्या प्रणालियाँ दीं। उन्होंने यह मापा कि रोबोट कितनी जल्दी उस प्रणाली में महारत हासिल कर सका।
यहाँ उनके निष्कर्ष दिए गए हैं, जिन्हें सरल अवधारणाओं में विभाजित किया गया है:
1. "टेस्ट" सबसे महत्वपूर्ण है
शोधकर्ताओं ने पाया कि उन्होंने रोबोट का परीक्षण कैसे किया, इससे परिणाम बदल गए।
परिदृश्य A ("रियलिटी टेस्ट"): उन्होंने रोबोट को मुख्य रूप से छोटी संख्याओं (1-10) के साथ प्रशिक्षित किया, क्योंकि मनुष्य इनका सबसे अधिक उपयोग करते हैं। फिर उन्होंने इसे 99 तक की सभी संख्याओं पर परखा, जिसमें दुर्लभ, बड़ी संख्याएँ भी शामिल थीं।
- परिणाम: रोबोट ने नियमित प्रणालियों को बहुत तेज़ी से सीखा। क्योंकि नियम सुसंगत थे, रोबोट छोटी संख्याओं के बारे में सीखी गई बातों को (तर्क को लागू करके) बड़ी, दुर्लभ संख्याओं पर भी लागू कर सका। अनियमित प्रणालियाँ एक दुःस्वप्न की तरह थीं; रोबोट को हर एक संख्या को शुरुआत से याद करना पड़ा।
- उपमा: नियमित प्रणालियों को लेगो सेट (Lego set) की तरह समझें। एक बार जब आप जान जाते हैं कि दो ईंटों को कैसे जोड़ना है, तो आप एक टावर, एक कार या एक महल बना सकते हैं। अनियमित प्रणालियाँ रैंडम, अनोखे पहेली के टुकड़ों (puzzle pieces) के डिब्बे की तरह हैं, जहाँ प्रत्येक टुकड़ा केवल एक विशिष्ट स्थान पर फिट होता है। यदि आप एक बड़ी संरचना बनाना चाहते हैं, तो लेगो सेट सीखना बहुत आसान है।
परिदृश्य B ("फ्रीक्वेंसी टेस्ट"): उन्होंने रोबोट को उसी झुकी हुई वितरण (मुख्य रूप से छोटी संख्याएं, बड़ी संख्याएं लगभग कभी नहीं) के तहत प्रशिक्षित और परीक्षित किया।
- परिणाम: इस विशिष्ट मामले में, रोबोट के लिए यह मायने नहीं रखता था कि प्रणाली नियमित है या नहीं। चूंकि उसका परीक्षण शायद ही कभी बड़ी संख्याओं पर किया गया था, इसलिए उसे सामान्यीकरण (generalize) करने की आवश्यकता नहीं थी। उसने बस उन छोटी संख्याओं को याद कर लिया जो उसने अक्सर देखी थीं।
- अंतर्दृष्टि: नियमितता तभी मदद करती है जब आपको बाद में नए या दुर्लभ स्थितियों को संभालने की आवश्यकता हो।
2. "बहुत अजीब" ज़ोन (The "Too Strange" Zone)
शोधकर्ताओं ने अत्यंत अराजक और अनियमित प्रणालियों का भी परीक्षण किया।
- परिणाम: इन "बेहद अजीब" प्रणालियों के साथ, नियमितता की लगभग कोई भूमिका नहीं थी। इसके बजाय, मुख्य समस्या लंबाई थी। यदि संख्याओं के शब्द बोलने में बहुत लंबे और जटिल थे, तो रोबोट को उन्हें सीखने में कठिनाई हुई, चाहे उनमें कोई पैटर्न हो या न हो।
- उपमा: यदि आप रैंडम शब्दों की सूची याद करने की कोशिश कर रहे हैं, तो इससे कोई फर्क नहीं पड़ता कि वे तुकबंदी (rhyme) करते हैं या नहीं। यदि शब्द बहुत लंबे और बोलने में कठिन हैं, तो आप उन्हें वैसे भी भूल जाएंगे। लेकिन यदि शब्द छोटे हैं, तो एक तुकबंदी वाली योजना (नियमितता) उन्हें याद रखने में बहुत आसान बना देती है।
3. "स्थानीय" पैटर्न (The "Local" Pattern)
शोधकर्ताओं ने पाया कि कोई प्रणाली कुल मिलाकर अराजक दिख सकती है, लेकिन उसमें व्यवस्था के छोटे पॉकेट हो सकते हैं।
- परिणाम: रोबोट तब सबसे अच्छा सीखता था जब नियम स्थानीय रूप से सुसंगत होते थे। उदाहरण के लिए, यदि 30-39 के लिए नियम सुसंगत थे, भले ही 40-49 के लिए नियम अलग हों, तो भी रोबोट इसे अच्छी तरह से सीख सकता था।
- उपमा: एक ऐसे शहर की कल्पना करें जहाँ "उत्तरी जिले" की हर सड़क ग्रिड (grid) का पालन करती है, लेकिन "दक्षिणी जिला" एक भूलभुलैया है। आप अभी भी शहर में आसानी से घूम सकते हैं यदि आप केवल उत्तरी जिले में रहते हैं। आपको पूरे शहर के ग्रिड होने की आवश्यकता नहीं है; आपको केवल कुछ स्थानीय निरंतरता की आवश्यकता है।
बड़ा निष्कर्ष
यह कार्य निष्कर्ष निकालता है कि मानव संख्या प्रणालियाँ संभवतः केवल बोलने में कुशल होने के कारण नियमित नहीं हैं, बल्कि इसलिए हैं क्योंकि नियमितता उन्हें सीखना और अगली पीढ़ी तक पहुँचाना आसान बनाती है।
यदि किसी भाषा की संख्या प्रणाली बहुत अराजक है, तो बच्चे (या रोबोट) के लिए हर एक संख्या को स्पष्ट रूप से सिखाए बिना बड़ी संख्याओं के नियमों को समझना कठिन होता है। नियमितता एक सुरक्षा जाल (safety net) की तरह काम करती है, जो शिक्षार्थियों को कुछ उदाहरण लेने और बाकी का सही अनुमान लगाने की अनुमति देती है। यही "सीखने का दबाव" (learning pressure) है जिसके कारण दुनिया भर की मानव संस्कृतियाँ स्वाभाविक रूप से नियमित, पैटर्न-आधारित संख्या प्रणालियों का उपयोग करती हैं।
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।