Multimodal Language Models Cannot Spot Spatial Inconsistencies
यह शोध पत्र स्थानिक रूप से असंगत (spatially inconsistent) छवि युग्मों को उत्पन्न करके मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स (MLLMs) में 3D मोशन निरंतरता का मूल्यांकन करने के लिए एक नवीन बेंचमार्क प्रस्तुत करता है, जो यह प्रकट करता है कि वर्तमान अत्याधुनिक मॉडल मनुष्यों की तुलना में काफी खराब प्रदर्शन करते हैं और उनमें 3D भौतिक संरचना की मजबूत समझ का अभाव 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 लिविंग रूम की फोटो देख रहे हैं। फिर, कोई व्यक्ति आपको उसी कमरे की दूसरी फोटो थमाता है, जिसे थोड़े अलग कोण (angle) से लिया गया है।
यदि आप एक इंसान हैं, तो आपका मस्तिष्क तुरंत जान जाता है कि कुछ "गलत" है। शायद दूसरी फोटो में एक कुर्सी हवा में तैर रही है, या एक लैंप अजीब कोण पर झुका हुआ है जो गुरुत्वाकर्षण को चुनौती दे रहा है। आपको भौतिक विज्ञानी होने की आवश्यकता नहीं है यह जानने के लिए कि कुछ तो गड़बड़ है।
यह शोध पत्र इस बारे में है कि कंप्यूटर को भौतिक दुनिया के बारे में वैसा ही "अंतर्ज्ञान" (gut feeling) कैसे सिखाया जाए।
समस्या: कंप्यूटर वर्णन करने में माहिर हैं, लेकिन "महसूस" करने में कच्चे हैं
वर्तमान एआई मॉडल (जिन्हें मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स कहा जाता है) अविश्वसनीय रूप से प्रतिभाशाली कला समीक्षकों की तरह हैं। आप उन्हें एक तस्वीर दिखाते हैं, और वे बता सकते हैं, "वह एक नीली मेज के बगल में लाल कुर्सी है।" वे जो देखते हैं उसका वर्णन करने में वे अद्भुत हैं।
लेकिन इस शोध पत्र के लेखकों को संदेह था कि ये एआई वास्तव में यह नहीं समझते कि 3D स्पेस में दुनिया कैसे काम करती है। उन्हें लगा कि एआई केवल शब्दों और पिक्सेल के पैटर्न को याद कर रहा है, न कि यह एक मानसिक मॉडल बना रहा है कि वस्तुएं वास्तविकता में कैसे बैठती हैं, चलती हैं और परस्पर क्रिया करती हैं।
प्रयोग: "चीटिंग पकड़ो" खेल
इसकी जांच करने के लिए, शोधकर्ताओं ने एक खेल बनाया।
- सेटअप: उन्होंने कमरों की वास्तविक तस्वीरें लीं और "नकली" विसंगतियां (inconsistencies) बनाने के लिए एक चतुर तकनीक का उपयोग किया। कल्पना कीजिए कि आपने एक कमरे की फोटो ली, फिर डिजिटल रूप से एक कुर्सी को काटकर निकाला और उसे एक अलग कैमरा एंगल से वापस चिपका दिया।
- परिणाम: अब वह कुर्सी हवा में तैरती हुई या मुड़ी हुई दिख रही है जो भौतिक रूप से असंभव है। यह "मैट्रिक्स में एक ग्लिच" जैसा है।
- परीक्षण: उन्होंने इन फोटो के जोड़ों को इंसानों और शीर्ष स्तर के एआई मॉडल्स को दिखाया और पूछा: "दूसरी फोटो में कौन सी वस्तु भौतिकी के नियमों को तोड़ रही है?"
परिणाम: इंसान जीत गए, एआई लड़खड़ा गया
परिणाम आश्चर्यजनक और एआई के भविष्य के लिए थोड़े चिंताजनक थे:
- इंसान: वे जासूसों की तरह थे। उन्होंने लगभग 85% बार नकली कुर्सी को पकड़ लिया। उन्हें यह तुरंत "अजीब" महसूस हुआ।
- एआई मॉडल्स: यहाँ तक कि सबसे स्मार्ट, सबसे महंगे एआई मॉडल (जैसे GPT-5 या Gemini) भी संघर्ष कर रहे थे। वे केवल 30-34% सही थे। यह रैंडम अनुमान लगाने से भी थोड़ा बेहतर है।
उपमा (Analogy): इसे एक जादू के खेल की तरह समझें। एक इंसान जादूगर के हाथ की हरकत देखता है और जानता है, "वह कार्ड छिपा रहा है।" एआई हाथ की हरकत देखता है और कहता है, "वह एक हाथ है। वह हिल रहा है। वह लाल है।" एआई हिस्सों को देखता है, लेकिन पूरी तस्वीर को नहीं समझ पाता।
एआई क्यों विफल होता है?
शोधकर्ताओं ने गहराई से जांच की और उन्हें कुछ अजीब पैटर्न मिले:
- "सोचने" का जाल: आप सोच सकते हैं कि, "यदि एआई अधिक गहराई से सोचेगा, तो वह बेहतर होगा।" लेकिन अध्ययन में पाया गया कि जब उन्होंने एआई को इस समस्या को हल करने के लिए अधिक "कंप्यूटिंग पावर" का उपयोग करने के लिए मजबूर किया, तो वह वास्तव में बदतर हो गया या वैसा ही रहा। यह एक ऐसे छात्र की तरह है जो एक साधारण गणित की समस्या का बहुत अधिक विश्लेषण करता है और अंत में खुद को भ्रमित कर लेता है।
- भंगुर दिमाग (Brittle Brains): एआई का प्रदर्शन बहुत उतार-चढ़ाव वाला था। वह किचन में तैरती हुई कुर्सी को पहचानने में बेहतरीन हो सकता है, लेकिन बेडरूम में तैरते हुए लैंप को नोटिस करने में पूरी तरह विफल हो सकता है। इंसान सुसंगत होते हैं; एआई अप्रत्याशित है।
- केवल "ग्लिच" की खोज नहीं: शोधकर्ताओं को डर था कि एआई शायद कंप्यूटर प्रोग्राम द्वारा छोड़े गए डिजिटल "खरोंच" या संपादन त्रुटियों (artifacts) को पहचान रहा होगा। उन्होंने छवियों में नकली खरोंचें जोड़कर इसका परीक्षण किया। एआई इन खरोंचों से धोखा नहीं खाया; वह वास्तव में 3D ज्यामिति (geometry) से भ्रमित था।
मुख्य निष्कर्ष
यह शोध पत्र एक चेतावनी है। यह दिखाता है कि भले ही एआई सुंदर कविता लिख सकता है और सूर्यास्त का वर्णन कर सकता है, लेकिन इसके पास अभी भी इस बात की मौलिक समझ की कमी है कि भौतिक दुनिया कैसे बनी है।
यह एक रोबोट को लाखों कारों की तस्वीरें दिखाकर कार चलाना सिखाने जैसा है, लेकिन उसे कभी स्टीयरिंग व्हील को महसूस करने या यह समझने का मौका नहीं दिया गया कि यदि आप पहिए को बाईं ओर घुमाते हैं, तो कार बाईं ओर जाती है। जब तक एआई 3D दुनिया को "महसूस" नहीं कर सकता और यह नहीं पहचान सकता कि क्या भौतिक रूप से असंभव है, तब तक वह नाजुक रहेगा और वास्तविक दुनिया में मूर्खतापूर्ण गलतियाँ करने के प्रति संवेदनशील रहेगा।
संक्षेप में: एआई एक बेहतरीन फोटोग्राफर है, लेकिन एक बुरा इंजीनियर है। उसे भाषा के नियमों के साथ-साथ भौतिकी के नियमों को सीखने की आवश्यकता 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।