Deliberative multi-agent large language models improve clinical reasoning in ophthalmology
यह अध्ययन प्रदर्शित करता है कि कई बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) से बनी संरचित विचार-विमर्श परिषदों से व्यक्तिगत मॉडलों की तुलना में नेत्र संबंधी नैदानिक तर्क में नैदानिक सटीकता में उल्लेखनीय सुधार होता है और हानिकारक त्रुटियों में कमी आती 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 डॉक्टर हैं जो एक पेचीदा आँख की समस्या का निदान करने की कोशिश कर रहे हैं। आपके पास एक शानदार मेडिकल टेक्स्टबुक है, लेकिन कभी-कभी, बेहतरीन टेक्स्टबुक्स भी एक विवरण को मिस कर सकती हैं या ऐसा उपचार सुझा सकती हैं जो पूरी तरह सही नहीं है। अब, केवल एक किताब पर निर्भर रहने के बजाय, कल्पना कीजिए कि आप विशेषज्ञों की एक चार अलग-अलग विशेषज्ञों की टीम को इस मामले पर चर्चा करने के लिए इकट्ठा करते हैं। वे एक ही नोट्स को पढ़ते हैं, अपने स्वयं के विचार लिखते हैं, फिर एक-दूसरे के काम की गुमनाम रूप से समीक्षा करने के लिए कागजात बदलते हैं, और अंत में, एक टीम लीडर उनके सबसे अच्छे विचारों को मिलाकर एक अंतिम, पॉलिश किया हुआ उत्तर तैयार करता है।
यही वह चीज़ है जो इस अध्ययन ने किया, लेकिन इंसानी डॉक्टरों के बजाय आर्टिफिशियल इंटेलिजेंस (AI) के साथ।
यहाँ बताया गया है कि कैसे उन्होंने यह परीक्षण किया कि क्या "AI दिमागों की एक टीम" एक एकल AI दिमाग की तुलना में अधिक सुरक्षित और स्मार्ट है।
सेटअप: सोलो आर्टिस्ट बनाम राउंडटेबल
शोधकर्ताओं ने आंखों की बीमारी के 100 वास्तविक मामलों (जैसे धुंधली दृष्टि या लाल आंख वाला मरीज) को लिया और 12 अलग-अलग AI मॉडल से उन्हें हल करने के लिए कहा।
- सोलो आर्टिस्ट्स (एकल कलाकार): उन्होंने प्रत्येक AI मॉडल को अकेले काम करने दिया, जैसे एक अकेला कलाकार चित्र बना रहा हो।
- राउंडटेबल्स (द काउंसिल): उन्होंने इन मॉडलों को तीन टीमों (काउंसिल) में विभाजित किया:
- "सुपर-ब्रेन" टीम: सबसे शक्तिशाली, महंगी AI मॉडल।
- "स्पीडस्टर्स" टीम: तेज़, कुशल मॉडल।
- "ओपन-सोर्स" टीम: मुफ्त, समुदाय द्वारा निर्मित मॉडल।
प्रत्येक टीम के भीतर, AI मॉडल एक सख्त तीन-चरणीय बैठक प्रक्रिया का पालन करते थे:
- स्वतंत्र विचार: प्रत्येक AI दूसरे के लिखे हुए को देखे बिना अपना स्वयं का निदान (diagnosis) और उपचार योजना लिखता है।
- गुमनाम पीयर रिव्यू (सहकर्मी समीक्षा): वे कागजात बदलते हैं। प्रत्येक AI दूसरों के काम की आलोचना करता है, और यह जाने बिना कि वह काम किसने लिखा है, उन्हें सबसे अच्छे से सबसे खराब के क्रम में रैंक करता है।
- चेयर का संश्लेषण (Synthesis): एक नामित "चेयर" AI सभी मूल उत्तरों और आलोचनाओं को पढ़ता है, और फिर एक अंतिम, एकीकृत उत्तर लिखता है जो समूह की सर्वोत्तम सोच का प्रतिनिधित्व करता है।
परिणाम: क्यों टीम जीती
अध्ययन से पता चला कि राउंडटेबल्स (काउंसिल्स) 'सोलो आर्टिस्ट्स' की तुलना में लगातार बेहतर थे।
1. स्मार्ट निदान (द "नेट" एनालॉजी)
सोचिए कि AI मॉडल सही निदान पकड़ने के लिए जाल फेंकने वाले मछुआरे हैं।
- सोलो आर्टिस्ट्स: कभी-कभी वे मछली को मिस कर देते हैं।
- द काउंसिल: जब वे मिलकर मछली पकड़ते हैं, तो वे अधिक मछलियाँ पकड़ते हैं। भले ही एक AI निदान को मिस कर दे, दूसरा उसे पकड़ सकता है। "चेयर" फिर यह सुनिश्चित करता है कि अंतिम उत्तर में वह पकड़ शामिल हो।
- परिणाम: टीमों ने व्यक्तियों के औसत की तुलना में अधिक सही उत्तर प्राप्त किए। "स्पीडस्टर" और "ओपन-सोर्स" टीमों में सबसे अधिक सुधार हुआ, जिससे पता चलता है कि कम शक्तिशाली मॉडल भी सहयोग करने पर स्मार्ट हो जाते हैं।
2. सुरक्षित उत्तर (द "गार्डरेल" एनालॉजी)
यह सबसे महत्वपूर्ण हिस्सा है। कभी-कभी, AI खतरनाक रूप से गलत हो सकता है—ऐसी सर्जरी का सुझाव देना जिसकी आवश्यकता नहीं है (एक "कमीशन" त्रुटि) या किसी महत्वपूर्ण चेतावनी संकेत को भूल जाना (एक "ओमिशन" त्रुटि)।
- सोलो आर्टिस्ट्स: उनमें खतरनाक गलतियों की दर अधिक थी।
- द काउंसिल: एक गार्डरेल (सुरक्षा घेरे) की तरह काम किया। जब एक AI ने खतरनाक उपचार का सुझाव दिया, तो समूह के अन्य सदस्यों ने समीक्षा चरण के दौरान इसे अक्सर पकड़ लिया। अंतिम "चेयर" उत्तर बहुत अधिक सुरक्षित था।
- बदलाव: दिलचस्प बात यह है कि टीमों ने खतरनाक गलतियाँ कम कीं (जैसे गलत दवा का सुझाव देना), लेकिन कभी-कभी वे बहुत अधिक सतर्क हो गए, जिससे कुछ मामूली विवरण छूट गए। चिकित्सा में, खतरनाक रूप से गलत होने की तुलना में थोड़ा अधिक सतर्क होना अक्सर सुरक्षित होता है।
3. बेहतर स्पष्टीकरण
टीमों ने न केवल बेहतर उत्तर दिए; उन्होंने संभावनाओं की बेहतर सूचियाँ भी दीं। यदि सही निदान नंबर 1 अनुमान नहीं था, तो टीमों के पास इसकी संभावना नंबर 2 या 3 के रूप में होने की बहुत अधिक संभावना थी, जबकि एकल मॉडल अक्सर सही उत्तर को सूची में बहुत नीचे दबा देते थे। उन्होंने अधिक पूर्ण उपचार योजनाएं भी लिखीं।
"सीलिंग" प्रभाव (The Ceiling Effect)
इसमें एक दिलचस्प मोड़ था। सबसे बेहतरीन, सबसे शक्तिशाली AI मॉडल (सुपर-ब्रेन) पहले से ही अकेले काम करने में इतने अच्छे थे कि उन्हें टीम में रखने से उन्हें ज्यादा मदद नहीं मिली। वास्तव में, कभी-कभी टीम का उत्तर एकल सर्वश्रेष्ठ AI के उत्तर से थोड़ा खराब था।
- एनालॉजी: यदि आपके पास एक विश्व स्तरीय शतरंज खिलाड़ी है, तो मेज पर तीन औसत खिलाड़ियों को जोड़ने से वास्तव में उनकी गति धीमी हो सकती है या उनकी प्रतिभा कम हो सकती है।
- टेकअवे: "टीम" दृष्टिकोण उन तेज़, सस्ते या ओपन-सोर्स मॉडलों के लिए सबसे अधिक मूल्यवान है जो अच्छे तो हैं लेकिन पूर्ण नहीं हैं। यह उन्हें उस स्तर तक ऊपर उठाता है जहाँ वे वास्तविक दुनिया के उपयोग के लिए सुरक्षित हो जाते हैं।
निष्कर्ष
यह अध्ययन बताता है कि AI को केवल एक "लोन वुल्फ" (अकेला भेड़िया) नहीं होना चाहिए। एक "ट्यूमर बोर्ड" (एक वास्तविक जीवन की चिकित्सा बैठक जहाँ विशेषज्ञ किसी मामले पर बहस करते हैं) का अनुकरण करके, हम AI को सुरक्षित और अधिक विश्वसनीय बना सकते हैं।
- भविष्य के लिए: यदि हम डॉक्टरों की मदद करने के लिए AI का उपयोग करना चाहते हैं, तो हमें केवल एक AI से उत्तर नहीं पूछना चाहिए। हमें एक AI की काउंसिल से बहस करने, आलोचना करने और सर्वोत्तम मार्ग पर सहमत होने के लिए कहना चाहिए। यह सरल बदलाव एक संभावित जोखिम भरे उपकरण को स्वास्थ्य सेवा में एक बहुत अधिक भरोसेमंद साथी में बदल देता 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।