Graph Propagated Projection Unlearning: A Unified Framework for Vision and Audio Discriminative Models
यह शोध पत्र ग्राफ-प्रोपैगेटेड प्रोजेक्शन अनलर्निंगिंग (GPPU) को प्रस्तुत करता है, जो एक एकीकृत और स्केलेबल फ्रेमवर्क है जो विजन और ऑडियो डिस्क्रिमिनेटिव मॉडल्स दोनों से क्लास-विशिष्ट जानकारी को कुशलतापूर्वक और अपरिवर्तनीय रूप से मिटाने के लिए ग्राफ-आधारित प्रोपेगेशन और ऑर्थोगोनल प्रोजेक्शन का लाभ उठाता है, जिससे रिटेंड क्लासेस पर उपयोगिता बनाए रखते हुए मौजूदा तरीकों की तुलना में 10-20 गुना अधिक गति प्राप्त होती 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 आपके पास एक अत्यंत बुद्धिमान छात्र है जिसने हज़ारों चीज़ों को पहचानने के लिए वर्षों तक अध्ययन किया है: सेब, संतरे, कारें, कुत्ते और यहाँ तक कि विशिष्ट आवाज़ें भी। यह छात्र इतना कुशल है कि वह गोल्डन रिट्रीवर और पूडल के बीच का अंतर तुरंत बता सकता है।
लेकिन फिर, एक समस्या उत्पन्न होती है। गोपनीयता कानूनों या एक साधारण अनुरोध के कारण, छात्र को "सेब" को पहचानना पूरी तरह से भूलना होगा। उन्हें सेब को पहचानने के कौशल को भूलना है, लेकिन संतरे, कारों या कुत्तों को पहचानने की अपनी क्षमता को खोए बिना।
अतीत में, इसे करने का एकमात्र तरीका छात्र को फिर से स्कूल भेजना था ताकि वे बिना सेब की तस्वीरों के सब कुछ फिर से शून्य से पढ़ सकें। यह धीमा, महंगा और बर्बादी भरा था। अन्य तरीकों ने छात्र का "ब्रेनवॉश" करने की कोशिश की, जैसे उन्हें यह बताना कि "सेब वास्तव में संतरे हैं," लेकिन इससे वे भ्रमित हो गए, जिससे वे संतरे को पहचानने में भी खराब हो गए।
प्रस्तुत है GPPU (ग्राफ-प्रोपगेटेड प्रोजेक्शन अनलर्निंग)।
GPPU को एक ऐसे शिक्षक के रूप में न देखें जो छात्र को फिर से पढ़ाने के लिए मजबूर करता है, बल्कि इसे एक उच्च-तकनीकी लाइब्रेरियन और एक ज्यामितीय मूर्तिकार (geometric sculptor) के रूप में देखें जो मिलकर काम कर रहे हैं। यह कैसे काम करता है, इसके चरण यहाँ दिए गए हैं:
1. "दोस्ती का मानचित्र" (ग्राफ प्रोपेगेशन)
सबसे पहले, सिस्टम उस सभी डेटा को देखता है जिसे छात्र ने सीखा है। कल्पना कीजिए कि छात्र द्वारा देखी गई हर तस्वीर एक विशाल पार्टी में मौजूद एक व्यक्ति है।
- समस्या: कभी-कभी सेब की तस्वीर धुंधली होती है या उसमें एक पत्ती होती है, जिससे वह अजीब दिखती है।
- GPPU समाधान: सिस्टम एक नक्शा बनाता है कि कौन किसके बगल में खड़ा है। यह कहता है, "अरे, सभी सेब एक-दूसरे के पास एक तंग घेरे में खड़े हैं।" यह अजीब, धुंधले सेबों को उनके "दोस्तों" (अन्य स्पष्ट सेबों) के साथ औसत निकालकर सुचारू बना देता है।
- परिणाम: अब सिस्टम जानता है कि उस "सेब के घेरे" का स्थान कमरे में बिल्कुल कहाँ है। यह उस घेरे के केंद्र की पहचान करता है। यही वह "भूलने की दिशा" (Forget Direction) है।
2. "जादुई दीवार" (ऑर्थोगोनल प्रोजेक्शन)
अब, सिस्टम को कमरे के बाकी हिस्से को नष्ट किए बिना सेब के घेरे को मिटाना है।
- रूपक: कल्पना कीजिए कि छात्र का ज्ञान एक 3D कमरा है। "सेब का घेरा" एक विशिष्ट गलियारा है जो "सेब" लेबल वाले दरवाजे की ओर जाता है।
- क्रिया: पूरे भवन को ढहाने (पुनः प्रशिक्षण) के बजाय, GPPU उस गलियारे के लंबवत (perpendicular) एक अदृश्य, जादुई दीवार बनाता है।
- प्रभाव: जब छात्र सेब की तस्वीर देखने की कोशिश करता है, तो उसका मस्तिष्क दीवार से टकराता है और वापस उछल जाता है। वह अब "सेब" के दरवाजे को नहीं देख पाता। लेकिन क्योंकि दीवार उस गलियारे के बिल्कुल 90-डिग्री के कोण पर बनाई गई है, इसलिए यह "संतरे" या "कारों" के गलियारे को नहीं रोकती है। वे रास्ते खुले और स्पष्ट रहते हैं।
3. "फाइन-ट्यूनिंग" (लक्षित अभ्यास)
केवल दीवार बनाना ही काफी नहीं है; छात्र को उसके चारों ओर चलने का अभ्यास करने की आवश्यकता है ताकि यह स्वाभाविक बन जाए।
- GPPU छात्र को एक बहुत ही संक्षिप्त, लक्षित वर्कआउट के लिए ले जाता है (केवल कुछ मिनट, महीनों नहीं)।
- यह छात्र को बताता है: "यदि आप सेब जैसा कुछ देखते हैं, तो उसे सेब के गलियारे से दूर धकेलें। यदि आप एक संतरा देखते हैं, तो सीधे चलते रहें।"
- क्योंकि यह अभ्यास बहुत विशिष्ट और छोटा है, इसमें पूरे छात्र को फिर से प्रशिक्षित करने के पुराने तरीकों की तुलना में 10 से 20 गुना कम समय लगता है।
यह एक बड़ी बात क्यों है?
- यह तेज़ है: यह एक शर्ट से एक एकल दाग हटाने के लिए लेज़र का उपयोग करने जैसा है, न कि पूरी शर्ट को 20 बार धोने जैसा।
- यह सटीक है: छात्र सेबों को पूरी तरह से भूल जाता है (वे एक सिक्के के उछाल की तरह यादृच्छिक अनुमान लगाते हैं) लेकिन बाकी सब कुछ में विशेषज्ञ बना रहता है।
- यह हर जगह काम करता है: यह ट्रिक दृष्टि (Vision) (छवियों) और ध्वनि (Audio) (आवाज़ों) दोनों के लिए काम करती है। चाहे छात्र किसी विशिष्ट वक्ता की आवाज़ को भूलने की कोशिश कर रहा हो या किसी विशिष्ट पक्षी के गीत को, "जादुई दीवार" एक ही तरह से काम करती है।
निष्कर्ष
GPPU, AI को मांग पर विशिष्ट चीजों को "भुलवाने" का एक नया, अत्यंत कुशल तरीका है। यह ज्यामिति और स्मार्ट मैपिंग का उपयोग करके बिना AI के मस्तिष्क को नुकसान पहुँचाए, अवांछित ज्ञान को सर्जिकल तरीके से हटा देता है। यह गोपनीयता के लिए एक बड़ा कदम है, जो हमें ऐसे AI सिस्टम बनाने की अनुमति देता है जो अनुकूलित हो सकते हैं और उपयोगकर्ता के अनुरोधों का सम्मान कर सकते हैं, बिना हर बार शून्य से पुनर्गठित हुए।
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।