Ambivalence/Hesitancy Recognition in Videos for Personalized Digital Health Interventions
यह शोध पत्र व्यक्तिगत डिजिटल स्वास्थ्य हस्तक्षेपों को सक्षम करने के लिए वीडियो में द्वंद्व (ambivalence) और हिचकिचाहट (hesitancy) को पहचानने हेतु सुपरवाइज्ड लर्निंग, अनसुपरवाइज्ड डोमेन अडैप्टेशन और एलएलएम (LLMs) के माध्यम से जीरो-शॉट इन्फरेंस सहित डीप लर्निंग मॉडल्स के अनुप्रयोग की जांच करता है, लेकिन यह पाता है कि वर्तमान विधियाँ बीएएच (BAH) डेटासेट पर सीमित प्रदर्शन देती हैं, जो अधिक उन्नत स्पैटियो-टेम्पोरल और मल्टीमॉडल फ्यूजन तकनीकों की आवश्यकता को रेखांकित करती 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 अपने एक दोस्त को व्यायाम शुरू करने के लिए प्रेरित करने की कोशिश कर रहे हैं। आप उन्हें एक दोस्ताना संदेश भेजते हैं: "हे, चलो दौड़ने चलते हैं!"
यदि वे जवाब देते हैं, "हाँ! मैं बहुत उत्साहित हूँ!" तो आप जानते हैं कि वे तैयार हैं।
यदि वे जवाब देते हैं, "बिल्कुल नहीं, मुझे दौड़ना पसंद नहीं है," तो आप जानते हैं कि वे तैयार नहीं हैं।
लेकिन क्या होगा अगर वे जवाब देते हैं, "मुझे जाना चाहिए... लेकिन आज मैं बहुत थका हुआ हूँ"? या क्या होगा अगर वे एक ऐसी आवाज़ में "हाँ" कहते हैं जो अनिश्चित लग रही है और चेहरा जो चिंतित दिख रहा है? वे बीच में फंसे हुए हैं। वे स्वस्थ रहना चाहते हैं, लेकिन वे डरे हुए या आलसी भी हैं। मनोविज्ञान में, इस भ्रमित, मिले-जुले अहसास को एम्बीवलेंस (Ambivalence - दो मन होना) या हिचकिचाहट (Hesitancy) कहा जाता है।
यह शोध पत्र कंप्यूटर को वीडियो में उस विशिष्ट "मैं करना चाहता हूँ, लेकिन नहीं कर पा रहा हूँ" वाली भावना को पहचानने के लिए सिखाने के बारे में है, ताकि हम बेहतर डिजिटल स्वास्थ्य ऐप बना सकें।
समस्या: मशीन में "भूत" (The "Ghost" in the Machine)
वर्तमान में, स्वास्थ्य ऐप कठोर रोबोटों की तरह हैं। वे सभी को एक ही सामान्य सलाह भेजते हैं: "पानी पिएं!" या "10,000 कदम चलें!"
लेकिन वास्तविक लोग जटिल होते हैं। जब कोई हिचकिचा रहा होता है, तो वे केवल "ना" नहीं कहते। वे कहते समय मुस्कुरा सकते हैं, या उनकी आवाज़ संदेह से लड़खड़ा सकती है। यह एक संघर्ष (Conflict) है। उनके शब्द एक चीज़ कहते हैं, लेकिन उनका चेहरा या आवाज़ दूसरी चीज़ कहती है।
एक वास्तविक डॉक्टर के क्लिनिक में, एक मानव चिकित्सक इन सूक्ष्म संकेतों को पकड़ने में माहिर होता है। वे हिचकिचाहट को देख सकते हैं और कह सकते हैं, "हे, आप अनिश्चित लग रहे हैं। चलिए बात करते हैं कि आपको क्या रोक रहा है।"
लेकिन डिजिटल स्वास्थ्य ऐप (जैसे फोन ऐप) आमतौर पर इन संकेतों के प्रति "अंधे" होते हैं। वे हिचकिचाहट को नहीं देख पाते, इसलिए वे वही सलाह देते रहते हैं, जिससे अक्सर उपयोगकर्ता हार मान लेता है।
समाधान: AI को "मिश्रित संकेतों" को पढ़ना सिखाना
शोधकर्ताओं ने आर्टिफिशियल इंटेलिजेंस (AI) को एक अत्यंत observant (बारीक नज़र रखने वाले) थेरेपिस्ट बनने के लिए प्रशिक्षित करने की कोशिश की। वे चाहते थे कि AI किसी व्यक्ति का वीडियो देखे और कहे, "आह, यह व्यक्ति हिचकिचा रहा है!"
ऐसा करने के लिए, उन्होंने BAH (Behavioral Ambivalence/Hesitancy) नामक एक विशेष डेटासेट का उपयोग किया। इस डेटासेट को 1,427 वीडियो क्लिप्स के पुस्तकालय के रूप में समझें जहाँ लोगों से ऐसे प्रश्न पूछे गए थे जिन्हें उन्हें "मैं करना चाहता हूँ, लेकिन नहीं कर पा रहा हूँ" वाली भावना महसूस कराने के लिए डिज़ाइन किया गया था। इन वीडियो में जानकारी की तीन परतें हैं:
- विजुअल (दृश्य): उनका चेहरा और शरीर कैसा दिखता है।
- ऑडियो (ध्वनि): उनकी आवाज़ कैसी सुनाई देती है (टोन, गति)।
- टेक्स्ट (पाठ): उन्होंने वास्तव में क्या कहा।
प्रयोग: अलग-अलग उपकरणों का परीक्षण
टीम ने AI को सिखाने के लिए तीन अलग-अलग तरीके आजमाए, जैसे ताले लगे दरवाजे को खोलने के लिए तीन अलग-अलग चाबियों को आजमाना:
1. "सुपरवाइज्ड" दृष्टिकोण (छात्र)
उन्होंने AI को हजारों उदाहरण दिखाए और कहा, "यह हिचकिचाहट है, और यह नहीं है।" उन्होंने केवल वीडियो, केवल आवाज़, या केवल शब्दों का उपयोग करके इसे सिखाने की कोशिश की।
- परिणाम: यह केवल एक फ्रेम को देखकर फिल्म के कथानक का अनुमान लगाने जैसा था। AI संघर्ष कर रहा था। वह मुस्कान देख सकता था, लेकिन उसे यह नहीं पता था कि मुस्कान असली थी या नकली। पूरी तस्वीर (चेहरा + आवाज़ + शब्द) समझने के लिए उसे सब कुछ देखने की आवश्यकता थी। इसके बावजूद, यह भी पूर्ण नहीं था।
2. "पर्सनलाइजेशन" दृष्टिकोण (दर्जी)
शोधकर्ताओं ने AI को विशिष्ट लोगों के अनुकूल होने के लिए सिखाने की कोशिश की। कल्पना कीजिए कि एक दर्जी एक व्यक्ति के लिए सूट बनाता है, और फिर बिना दोबारा माप लिए उसी सूट को दूसरे व्यक्ति के लिए समायोजित करने की कोशिश करता है।
- परिणाम: AI किसी विशेष व्यक्ति की भावनाओं का अनुमान लगाने में थोड़ा बेहतर हुआ, लेकिन फिर भी वह अक्सर चूक जाता था। किसी के आंतरिक संघर्ष का अनुमान लगाना कठिन है यदि आप वास्तव में उन्हें नहीं जानते।
3. "ज़ीरो-शॉट" दृष्टिकोण (स्मार्ट पाठक)
उन्होंने एक बहुत ही स्मार्ट, प्री-ट्रेंड AI (एक लार्ज लैंग्वेज मॉडल) का उपयोग किया और बस उससे पूछा, "क्या यह व्यक्ति हिचकिचा रहा है?" बिना उसे कुछ नया सिखाए। उन्होंने AI को वीडियो और बोले गए शब्दों का ट्रांसक्रिप्ट दिया।
- परिणाम: यह सबसे दिलचस्प हिस्सा था। AI शब्दों को समझने में आश्चर्यजनक रूप से अच्छा था, लेकिन जब तक प्रॉम्प्ट बहुत विशिष्ट न हो, वह दृश्यों (visuals) को समझने में बहुत खराब था। यह एक पुस्तक प्रेमी से पेंटिंग का न्याय करने के लिए कहने जैसा था; वे कहानी तो जानते हैं, लेकिन वे ब्रश के स्ट्रोक (बारीकियों) को मिस कर देते हैं।
मुख्य निष्कर्ष: "कॉन्फ्लिक्ट डिटेक्टर" गायब है
इस शोध पत्र का मुख्य निष्कर्ष एक वास्तविकता की जाँच है: वर्तमान AI अभी इतना अच्छा नहीं है।
शोधकर्ताओं ने पाया कि मानक AI मॉडल एक शोर भरे कमरे में फुसफुसाहट सुनने की कोशिश करने वाले व्यक्ति की तरह हैं। वे शब्दों को सुन सकते हैं, लेकिन वे एक ही समय में आवाज़ के लहजे या चेहरे पर शिकन को नहीं सुन/देख पाते।
इसे ठीक करने के लिए, पेपर एक नए प्रकार के AI आर्किटेक्चर का सुझाव देता है। केवल वीडियो, ऑडियो और टेक्स्ट को मिलाने के बजाय, हमें एक ऐसे सिस्टम की आवश्यकता है जो विशेष रूप से विरोधाभासों (Contradictions) को खोज सके।
- उपमा: एक फुटबॉल मैच में रेफरी की कल्पना करें। एक सामान्य AI केवल गोल गिनता है। एक "कॉन्फ्लिक्ट डिटेक्टर" AI खिलाड़ियों को देखेगा और कहेगा, "रुको, खिलाड़ी मुस्कुरा रहा है, लेकिन वह दर्द में अपना पैर भी पकड़े हुए है। यह एक विरोधाभास है! वह या तो नाटक कर रहा है या उसे दर्द है।"
यह क्यों महत्वपूर्ण है
यदि हम ऐसा AI बना सकते जो हिचकिचाहट को वास्तव में समझ सके, तो डिजिटल स्वास्थ्य ऐप परेशान करने वाले रोबोट से बदलकर सहायक मित्र बन सकते हैं।
- अभी: ऐप कहता है, "आपने आज पैदल नहीं चला! अधिक प्रयास करें!" (उपयोगकर्ता दोषी महसूस करता है और छोड़ देता है)।
- इस तकनीक के साथ: ऐप हिचकिचाहट को देखता है और कहता है, "आप आज चलने को लेकर अनिश्चित लग रहे हैं। यह ठीक है। क्यों न हम बस 5 मिनट के लिए स्ट्रेचिंग करें?" (उपयोगकर्ता को लगता है कि उसे समझा गया है और वह जुड़ा रहता है)।
सारांश
यह शोध पत्र एक पहला कदम है। शोधकर्ताओं ने उपकरण और डेटासेट बनाए, लेकिन उन्होंने पाया कि मानवीय हिचकिचाहट की सूक्ष्म, मिश्रित भावनाओं को पहचानने के मामले में वर्तमान AI की "आंखें" और "कान" अभी भी थोड़े धुंधले हैं। वे अधिक स्मार्ट, अधिक विशिष्ट AI का आह्वान कर रहे हैं जो हमारे द्वारा कही गई बातों और हमारे द्वारा महसूस की जाने वाली भावनाओं के बीच के संघर्ष को पहचान सके, जिससे डिजिटल स्वास्थ्य वास्तव में व्यक्तिगत और प्रभावी बन सके।
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।