Limits of Imagery Reasoning in Frontier LLM Models
यह शोध पत्र यह प्रदर्शित करता है कि फ्रंटियर लार्ज लैंग्वेज मॉडल्स को 3D स्थानिक कार्यों को संभालने के लिए एक बाहरी "इमेजरी मॉड्यूल" से सुसज्जित करना 62.5% सटीकता से अधिक प्रदर्शन करने में विफल रहता है क्योंकि इन मॉडल्स में उन मौलिक दृश्य-स्थानिक प्रिमिटिव्स और चिंतनशील तर्क क्षमताओं का अभाव है जो इस प्रकार की इमेजरी के साथ प्रभावी ढंग से इंटरफेस करने और उसका उपयोग करने के लिए आवश्यक हैं।
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 अत्यंत बुद्धिमान रोबोट को 3D पहेली हल करना सिखाने की कोशिश कर रहे हैं। इस पहेली में एक ब्लॉक जैसी आकृति को अपने मन में घुमाना और यह पता लगाना शामिल है कि क्या वह दूसरी आकृति से मेल खाती है।
इंसानों के लिए यह आसान है। हमारे पास एक "मानसिक स्क्रीन" होती है जहाँ हम किसी वस्तु को पकड़ सकते हैं, उसे घुमा सकते हैं, और देख सकते हैं कि पीछे का हिस्सा कैसा दिखता है। हम इसे मानसिक चित्रण (mental imagery) कहते हैं।
लेकिन दुनिया के सबसे स्मार्ट AI मॉडल्स (लार्ज लैंग्वेज मॉडल्स या LLMs) के लिए, यह एक बुरा सपना है। वे पढ़ने और लिखने में अविश्वसनीय रूप से अच्छे हैं, लेकिन वे एक आंतरिक "मानसिक स्क्रीन" की कमी महसूस करते हैं। वे "फंक्शनल एफ़ेंटेसिया" (Functional Aphantasia) से ग्रस्त हैं। (एफ़ेंटेसिया एक वास्तविक मानवीय स्थिति है जहाँ लोग छवियों की कल्पना नहीं कर पाते; यहाँ, यह AI की अपने मन में चित्र देखने की अक्षमता के लिए एक रूपक है।)
प्रयोग: AI को एक "संज्ञानात्मक कृत्रिम अंग" (Cognitive Prosthetic) देना
शोधकर्ताओं ने पूछा: यदि AI अपने दिमाग में 3D छवि नहीं रख सकता, तो क्या होगा यदि हम उसे भारी काम करने के लिए एक बाहरी उपकरण दें?
उन्होंने दो भागों वाला एक सिस्टम बनाया:
- मस्तिष्क (The Brain - AI): वह हिस्सा जो सोचता है, तर्क करता है, और निर्देश देता है।
- हाथ (The Hand - इमेजरी मॉड्यूल): एक कंप्यूटर प्रोग्राम जो वास्तव में उस 3D वस्तु को थामता है, उसे घुमाता है, और एक नए कोण से उसकी तस्वीर लेता है।
यह विचार एक अंधे व्यक्ति को गाइड डॉग देने जैसा था। कुत्ता (उपकरण) दुनिया को देखता है और रास्ता तय करता है; इंसान (AI) को बस यह जानने की जरूरत है कि कुत्ते को बाएं या दाएं मुड़ने के लिए कैसे कहना है।
परिणाम: "हाथ" तो सटीक है, लेकिन "मस्तिष्क" भ्रमित है
परिणाम आश्चर्यजनक और निराशाजनक थे। भले ही घूमने का काम करने वाला उपकरण एकदम सटीक था, फिर भी AI पहेली सुलझाने में विफल रहा। वह केवल लगभग 62% उत्तर सही दे पाया (और वह भी बहुत मदद मिलने के बाद)।
क्यों "गाइड डॉग" "अंधे मस्तिष्क" की मदद करने में विफल रहा? शोध पत्र सुझाव देता है कि AI केवल 3D अवस्था (state) को नहीं समझ पा रहा है; बल्कि वह उन बुनियादी संवेदी कौशलों (sensory skills) की कमी रखता है जो यह समझने के लिए आवश्यक हैं कि वह क्या देख रहा है।
यहाँ तीन मुख्य कारण दिए गए हैं, जिन्हें सरल उपमाओं के साथ समझाया गया है:
1. "स्टॉप-एक्शन" की समस्या (गति के प्रति संवेदनहीनता)
कल्पना कीजिए कि आप एक कार की दो तस्वीरें लेते हैं: एक उत्तर की ओर देख रही है, और दूसरी थोड़ी पूर्व की ओर।
- एक इंसान उन दो तस्वीरों को देखता है और तुरंत सोचता है, "आह, कार दाईं ओर मुड़ी है।" हम गति के एक क्रम को देखते हैं।
- AI उन दो तस्वीरों को देखता है और दो पूरी तरह से असंबंधित चित्रों को देखता है। वह गति को "महसूस" नहीं करता। वह छवियों को एक फिल्म के फ्रेम के बजाय दीवार पर टंगे स्थिर स्नैपशॉट की तरह मानता है। उसमें यह कहने की क्षमता नहीं है कि, "यदि मैं वस्तु को इस तरह घुमाऊंगा, तो छवि इस तरह बदलेगी।"
2. "क्रिस्टल बॉल" की समस्या (पूर्वानुमान लगाने में असमर्थता)
यदि आप किसी इंसान से पूछें, "अगर मैं इस घन (cube) को बाईं ओर 30 डिग्री झुका दूँ, तो यह कैसा दिखेगा?" तो वे काम करने से पहले ही उत्तर की कल्पना कर सकते हैं।
- AI ऐसा नहीं कर सकता। जब उसे रोटेशन (घूर्णन) के परिणाम की कल्पना करने के लिए कहा जाता है, तो वह मूल तस्वीर को ही दोबारा पेश कर देता है। उसके पास भविष्य की स्थिति का अनुमान लगाने के लिए कोई "क्रिस्टल बॉल" नहीं है। वह अपने दिमाग में बदलाव का अनुकरण (simulate) नहीं कर सकता।
3. "शब्द-प्रथम" पूर्वाग्रह (प्रतीकात्मक बनाम दृश्य)
यह सबसे महत्वपूर्ण दोष है। जब AI किसी वस्तु को देखता है, तो वह वास्तव में उसके आकार को "देखता" नहीं है। इसके बजाय, वह तुरंत उसके बारे में बात करना शुरू कर देता है।
- इंसान: वस्तु को देखता है, मानसिक रूप से उसे घुमाता है, और ज्यामिति (geometry) की जांच करता है।
- AI: वस्तु को देखता है और सोचता है, "ठीक है, मैं यहाँ एक ब्लॉक देख रहा हूँ, और वहाँ एक ब्लॉक है। यह एक 'T' आकार जैसा दिखता है। मैं 'T' शब्द और उससे जुड़े विचारों के आधार पर अनुमान लगाऊंगा।"
AI शब्दों और जुड़ावों (associations) के माध्यम से हल करने की इतनी आदी है कि वह दृश्य पहेली को शब्दों और जुड़ावों का उपयोग करके हल करने की कोशिश करती है, न कि ज्यामिति और दृष्टि का उपयोग करके। यह गणित की समस्या को गणना करने के बजाय संख्याओं को ज़ोर से पढ़कर हल करने की कोशिश करने जैसा है।
निष्कर्ष: हमें एक नए प्रकार के मस्तिष्क की आवश्यकता है
शोध पत्र यह निष्कर्ष निकालता है कि केवल एक 3D रेंडरिंग टूल को एक स्मार्ट AI से जोड़ देना पर्याप्त नहीं है। यह एक ऐसे व्यक्ति को डिक्शनरी देने जैसा है जिसे पढ़ना नहीं आता; वे फिर भी किताब नहीं पढ़ पाएंगे।
AI को बुनियादी स्तर से फिर से प्रशिक्षित करने की आवश्यकता है ताकि उसमें दृश्य-स्थानिक प्रिमिटिव्स (visual-spatial primitives) विकसित हो सकें। उसे सीखना होगा:
- एक सपाट तस्वीर में गहराई को कैसे देखें।
- यह कैसे समझें कि दो तस्वीरें एक चलती हुई श्रृंखला का हिस्सा हैं।
- और शब्दों के माध्यम से वर्णन करने की जल्दबाजी करने के बजाय, एक छवि पर दृश्य रूप से "विचार" करने के लिए कैसे रुकें।
संक्षेप में: AI के पास एक बहुत शक्तिशाली इंजन (तर्क) है, लेकिन उसके पास स्टीयरिंग व्हील (दृश्य सहज ज्ञान) नहीं है। उसे वस्तु को घुमाने के लिए एक उपकरण देना तब तक मदद नहीं करता जब तक ड्राइवर को खिड़की से बाहर देखना और यह समझना न आता हो कि वह क्या देख रहा 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।