NeSyCat: A Monad-Based Categorical Semantics of the Neurosymbolic ULLER Framework
यह शोध पत्र **NeSyCat** का प्रस्ताव करता है, जो एक श्रेणीबद्ध ढांचा (categorical framework) है जो ULLER न्यूरोसिम्बोलिक भाषा के विजातीय शास्त्रीय, फजी और संभाव्य अर्थों (semantics) को एक एकल मॉड्यूलर प्रणाली में एकीकृत करने के लिए मोनाड्स (monads) का उपयोग करता है, जो विभिन्न अर्थ संबंधी मॉडलों के बीच आसान विस्तार और अनुवाद की अनुमति देता 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 सार्वभौमिक अनुवादक (universal translator) बनाने की कोशिश कर रहे हैं। केवल ऐसा नहीं जो स्पेनिश को अंग्रेजी में अनुवाद कर सके, बल्कि एक ऐसा जो तर्क (Logic) (गणित के कठोर, काले और सफेद नियम) को अंतर्ज्ञान (Intuition) (AI और न्यूरल नेटवर्क की अव्यवस्थपूर्ण, रंगीन, "शायद" वाली दुनिया) में अनुवाद कर सके।
वर्तमान में, AI की दुनिया थोड़ी अस्त-व्यस्त है। हमारे पास "सिंबोलिक AI" (Symbolic AI) है (जो एक सख्त लाइब्रेरियन की तरह है जो नियमों का पूरी तरह पालन करता है लेकिन बिल्ली को पहचान नहीं पाता) और "न्यूरल AI" (Neural AI) है (जो एक प्रतिभाशाली कलाकार की तरह है जो बिल्ली को तुरंत पहचान लेता है लेकिन व्याकरण के नियमों को समझा नहीं पाता)। उन्हें एक साथ काम करने के लिए प्रेरित करना एक गणितज्ञ और एक कवि को मिलकर एक पाठ्यपुस्तक लिखने के लिए कहने जैसा है—वे अक्सर पूरी तरह से अलग भाषाएं बोलते हैं।
यह शोध पत्र, NeSyCat, एक नया "सार्वभौमिक व्याकरण" पेश करता है ताकि वे सहयोग कर सकें। यह इस प्रकार काम करता है।
1. समस्या: "भाषा की बाधा" (The Language Barrier)
इस शोध पत्र से पहले, यदि आप तर्क को संभाव्यता (probability) के साथ जोड़ना चाहते थे (जैसे, "यदि बादल छाए हैं, तो बारिश होने की 70% संभावना है"), तो आपको शून्य से पूरे नए नियमों का एक सेट लिखना पड़ता था। यदि आप "फजी लॉजिक" (Fuzzy Logic) पर स्विच करना चाहते थे (जैसे, "यह कुछ हद तक बादल वाला है"), तो आपको सब कुछ फिर से लिखना पड़ता था। यह ऐसा था जैसे हर बार पेट्रोल से बिजली में बदलने के लिए आपको एक नई कार खरीदनी पड़ती हो।
2. समाधान: "मोनाड" (The Monad - सार्वभौमिक एडेप्टर)
लेखक कंप्यूटर विज्ञान की एक अवधारणा का उपयोग करते हैं जिसे मोनाड (Monad) कहा जाता है।
मोनाड को एक सार्वभौमिक पावर एडेप्टर (Universal Power Adapter) के रूप में समझें।
- पुराने तरीके में, यदि आपके पास एक "लॉजिक लैंप" था, तो वह केवल एक "लॉजिक वॉल आउटलेट" के साथ ही काम करता था।
- मोनाड के साथ, लैंप को इस बात की परवाह नहीं होती कि बिजली कहाँ से आ रही है। चाहे बिजली एक स्थिर बैटरी (क्लासिकल लॉजिक) से आ रही हो, एक टिमटिमाती मोमबत्ती (फजी लॉजिक) से, या पासे के लुढ़कने (प्रोबेबिलिस्टिक लॉजिक) से, मोनाड उस "अव्यवस्थित" बिजली को "कठोर" लैंप में सुचारू रूप से प्लग करने वाले एडेप्टर के रूप में कार्य करता है।
इस "एडेप्टर" के कारण, वैज्ञानिक अब पूरे सिस्टम को फिर से बनाए बिना किसी भी प्रकार के AI "एहसास" को किसी भी प्रकार के तार्किक "नियम" में प्लग कर सकते हैं।
3. "ट्रुथ अलजेब्रा" (The Truth Algebra): रंगों का पैलेट
मानक तर्क में, सत्य बाइनरी होता है: सत्य (1) या असत्य (0)। यह एक लाइट स्विच की तरह है।
लेकिन वास्तविक दुनिया एक लाइट स्विच नहीं है; यह एक डिमर स्विच (dimmer switch) है। कभी-कभी चीजें "काफी हद तक सच" या "संभवतः सच" होती हैं। लेखकों ने 2Mon-BLat नामक एक गणितीय संरचना बनाई है।
इसे एक सार्वभौमिक कलर पैलेट (Universal Color Palette) के रूप में समझें। केवल काले और सफेद के बजाय, यह पैलेट आपको ग्रे के हर शेड, नीले के हर टिंट और एम्बर की हर चमक का उपयोग करने की अनुमति देता है। क्योंकि उन्होंने रंगों के मिश्रण के नियमों को गणितीय रूप से परिभाषित किया है, इसलिए AI अब उन्हीं तार्किक चरणों का उपयोग करके "सत्य के शेड्स" के बारे में तर्क कर सकता है जिनका उपयोग वह "काले और सफेद" तथ्यों के लिए करता है।
4. यह क्यों मायने रखता है? ("ट्रैफिक लाइट" का उदाहरण)
यह शोध पत्र एक बेहतरीन उदाहरण का उपयोग करता है: ट्रैफिक लाइट पर एक स्वयं चालक कार (self-driving car)।
- अव्यवस्थित AI: कैमरा एक लाइट देखता है। चमक के कारण वह पूरी तरह निश्चित नहीं है कि यह हरा है या पीला। वह कहता है, "यह 60% हरा, 40% पीला है।"
- कठोर तर्क: नियम कहता है, "यदि लाइट हरी है, तो जाओ। यदि लाइट लाल है, तो रुको।"
NeSyCat के बिना, कार निर्णय लेने में असमर्थ होकर रुक सकती है क्योंकि वह तय नहीं कर पाती कि "60% हरा" वास्तव में "हरा" है या नहीं। NeCyCat के साथ, "मोनाड एडेप्टर" उस 60% संभाव्यता को लेता है और उसे तर्क में सुचारू रूप से फीड करता है। यह कार को "भारित सत्य" (weighted truth) की गणना करने की अनुमति देता है—अनिश्चितता के बीच, कार को यह तर्क करने की अनुमति देता है: "अनिश्चितता को देखते हुए, सबसे सुरक्षित तार्किक क्रिया सावधानी के साथ आगे बढ़ना है।"
सारांश: बड़ी तस्वीर (The Big Picture)
NeSyCat अनिवार्य रूप से न्यूरोसिंबोलिक AI के लेगो ब्रिक्स (LEGO bricks) बनाने जैसा है।
हर शोधकर्ता द्वारा अपने स्वयं के कस्टम, असंगत ब्लॉक बनाने के बजाय, लेखकों ने मानक सेट प्रदान किए हैं। अब, एक व्यक्ति "प्रोबेबिलिटी ब्लॉक" बना सकता है, दूसरा "फजी लॉजिक ब्लॉक" बना सकता है, और वे एक दूसरे में पूरी तरह से फिट हो जाएंगे। यह AI को अधिक स्मार्ट, अधिक अनुमानित और बहुत अधिक निर्माण योग्य बनाता 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।