Toward a Functional Geometric Algebra for Natural Language Semantics
यह शोध पत्र एक फंक्शनल ज्योमेट्रिक अलजेब्रा (FGA) ढांचे का प्रस्ताव करता है जो प्राकृतिक भाषा अर्थविज्ञान (natural language semantics) में पारंपरिक रैखिक बीजगणित की संरचनात्मक सीमाओं को दूर करने के लिए क्लिफोर्ड बीजगणित का लाभ उठाता है, जो एक एकीकृत मल्टीवेक्टर स्पेस के भीतर अर्थपूर्ण अवधारणाओं और उनकी अंतःक्रियाओं को निरूपित करने के लिए एक सिद्धांत-आधारित, प्रकारित (typed) और संयोजनकारी (compositional) प्रणाली प्रदान करता 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
एक कार्यात्मक ज्यामितीय बीजगणित (Geometric Algebra) की ओर: प्राकृतिक भाषा अर्थ विज्ञान (Natural Language Semantics)
बड़ी समस्या: अर्थ का "सपाट" मानचित्र
कल्पना कीजिए कि वर्तमान AI मॉडल (जैसे चैटबॉट्स को चलाने वाले) शब्दों को एक सपाट, 2D मानचित्र के रूप में समझते हैं। इस मानचित्र में, हर शब्द केवल एक बिंदु (dot) है।
- यदि आप जानना चाहते हैं कि "कुत्ता" (dog) और "पिल्ला" (puppy) समान हैं या नहीं, तो AI उन दोनों बिंदुओं के बीच की दूरी मापता है।
- यदि आप शब्दों को जोड़ना चाहते हैं, जैसे "कुत्ता" + "भोंकता है" (dog + barks), तो AI बस उन दोनों बिंदुओं को आपस में मिला देता है या उन्हें एक मानक गणितीय नियम का उपयोग करके गुणा कर देता है।
खामी: यह "सपाट" दृष्टिकोण (जिसे लीनियर अलजेब्रा कहा जाता है) समान शब्दों को खोजने में तो बहुत अच्छा है, लेकिन यह संरचना (structure) को समझने में बहुत खराब है।
- यह स्वाभाविक रूप से यह नहीं समझ पाता कि "कुत्ते ने बिल्ली का पीछा किया" और "बिल्ली ने कुत्ते का पीछा किया" के बीच क्या अंतर है। इसे यह सीखने के लिए भारी मात्रा में डेटा की आवश्यकता होती है, जैसे कि एक बच्चा हर उस वाक्य को रट रहा हो जो उसने कभी सुना है, बजाय इसके कि वह इस तर्क (logic) को समझे कि किसने, किससे, क्या किया।
- यह पेचीदा अर्थों को समझने में संघर्ष करता है। यदि आप कहते हैं "किताब शुरू करो" (begin the book), तो AI को यह अनुमान लगाने के लिए संघर्ष करना पड़ता है कि आपका मतलब उसके भौतिक कवर को खोलने से नहीं, बल्कि उसे पढ़ना शुरू करने से है। वह किताब को केवल एक भौतिक वस्तु के रूप में देखता है, "पढ़ने" वाले हिस्से को मिस कर देता है।
समाधान: एक "3D" (और 4D, और 5D) टूलबॉक्स
लेखक एक सपाट मानचित्र के बजाय ज्यामितीय बीजगणित (Geometric Algebra - GA) टूलबॉक्स में स्विच करने का प्रस्ताव देते हैं।
इसे इस प्रकार समझें:
- लीनियर अलजेब्रा (वर्तमान AI): एक कागज के सपाट पन्ने की तरह। आप इस पर बिंदु और रेखाएं खींच सकते हैं, लेकिन यदि आप इसे 3D वस्तु दिखाने के लिए मोड़ने या घुमाने की कोशिश करते हैं, तो कागज बस मुड़कर खराब हो जाएगा। आपको 3D होने का दिखावा करने के लिए अतिरिक्त रेखाएं खींचनी पड़ती हैं।
- ज्यामितीय बीजगणित (प्रस्तावित विचार): जादुई, बहु-आयामी निर्माण ब्लॉकों (building blocks) के एक सेट की तरह। ये ब्लॉक सपाट बिंदु, रेखाएं, सपाट सतह (planes), या यहाँ तक कि 3D आयतन (volumes) हो सकते हैं। सबसे महत्वपूर्ण बात यह है कि वे विशिष्ट, नियम-आधारित तरीकों से एक साथ जुड़ते हैं जो दिशा और संरचना को स्वाभाविक रूप से बनाए रखते हैं।
तीन जादुई तरकीबें
पेपर तर्क देता है कि यह नया टूलबॉक्स उन तीन विशिष्ट शक्तियों (superpowers) की पेशकश करता है जो पुराने सपाट कागज के पास नहीं हैं:
1. "दिशात्मक स्नैप" (The Wedge Product)
पुराने सिस्टम में, "जॉन" और "प्यार करता है" को जोड़ना केवल एक गणितीय गणना है। नए सिस्टम में, उन्हें जोड़ना लेगो (Lego) ब्रिक्स को आपस में जोड़ने जैसा है।
- नया गणित उन दोनों शब्दों के बीच एक "प्लेन" (एक सपाट सतह) बनाता है।
- यह क्यों मायने रखता है: इस सतह की एक दिशा होती है। "जॉन मैरी से प्यार करता है" एक ऐसी सतह बनाता है जो एक दिशा में इशारा करती है; "मैरी जॉन से प्यार करती है" एक ऐसी सतह बनाता है जो विपरीत दिशा में इशारा करती है। गणित इसे अपने आप समझ जाता है, बिना लाखों उदाहरणों को याद किए। यह "किसने क्या किया और किसके साथ" को स्वाभाविक रूप से पकड़ लेता है।
2. "जादुई रोटेटर" (The Rotor)
यह पेचीदा अर्थों को संभालने के लिए पेपर का सबसे रचनात्मक विचार है।
- समस्या: "किताब" शब्द एक भौतिक वस्तु है। लेकिन "किताब शुरू करो" में, हमें इसे एक घटना (पढ़ना) के रूप में मानना होगा।
- पुराना तरीका: AI बस शब्द के निर्देशांकों (coordinates) को एक अव्यवस्थित और अस्पष्ट तरीके से बदल देता है।
- नया तरीका: कल्पना करें कि शब्द "किताब" एक घूमती हुई लट्टू (spinning top) है। शब्द "शुरू करना" (begin) एक जादुई छड़ी (रोटर) है। जब आप उस लट्टू के ऊपर छड़ी घुमाते हैं, तो वह लट्टू को किसी और चीज़ में नहीं बदलता; यह केवल लट्टू को घुमा (rotate) देता है ताकि अब वह "पढ़ने" की दिशा में हो।
- यह क्यों मायने रखता है: यह रोटेशन प्रतिवर्ती (reversible) और सटीक है। आप गणितीय रूप से इसे वापस भी कर सकते हैं। यह समझाता है कि अर्थ कैसे बदला (यह "वस्तु" से "गतिविधि" की ओर घूम गया) बजाय इसके कि केवल एक नया अर्थ गेस करे।
3. "इन-बिल्ट ग्रामर" (Grades)
नए सिस्टम में, अलग-अलग प्रकार के शब्द एक इमारत के अलग-अलग "मंजिलों" में रहते हैं, जिन्हें ग्रेड्स (Grades) कहा जाता है।
- फ्लोर 0: सत्य मान (True/False)।
- फ्लोर 1: वस्तुएं (संज्ञा/Nouns) और सरल क्रियाएं (Verit/Verbs)।
- फ्लोर 2: संबंध (किसने क्या किया और किसके साथ)।
- फ्लोर 3: जटिल घटनाएं।
जब हम शब्दों को मिलाते हैं, तो गणित स्वचालित रूप से इन मंजिलों की जांच करता है। यदि आप एक "संबंध" (फ्लोर 2) को दूसरे "संबंध" के ऊपर इस तरह रखने की कोशिश करते हैं जो तर्कसंगत नहीं है, तो गणित सीधे "जीरो" (Zero) कहता है (यह विफल हो जाता है)। यह तर्क के लिए एक इन-बिल्ट स्पेल-चेकर की तरह काम करता है, जिससे AI व्याकरणिक बकवास करने से बच जाता है।
"इनर" बनाम "आउटर" अनुप्रयोग
पेपर एक दिलचस्प दावा करता है कि हम वास्तव में कैसे बोलते हैं।
- आउटर एप्लीकेशन (पुराना दृष्टिकोण): हमने सोचा कि हम बस एक पूरे शब्द (जैसे "मेज") को लेते हैं और उस पर एक क्रिया (जैसे "पोंछना") चिपका देते हैं।
- इनर एप्लीकेशन (नया दृष्टिकोण): लेखक का तर्क है कि हम पहले शब्द के विशिष्ट हिस्सों पर ज़ूम इन करते हैं।
- जब आप "मेज पोंछते" (wipe the table) हैं, तो आप पूरी मेज (पैर, निचला हिस्सा, ऊपरी हिस्सा) को नहीं पोंछ रहे होते हैं। आप विशेष रूप से उसकी सतह (surface) को पोंछ रहे होते हैं।
- जब आप "अपना जूता बांधते" (tie your shoe) हैं, तो आप पूरा जूता नहीं बांध रहे होते; आप उसके फीते (laces) बांध रहे होते हैं।
- जादू: ऊपर बताया गया "जादुई रोटेटर" एक स्पॉटलाइट की तरह काम करता है। यह क्रिया (verb) के कार्य करने से पहले मेज की "सतह" या जूते के "फीतों" पर रोशनी डालता है। यह समझाता है कि हम "मेज पोंछना" तो कह सकते हैं लेकिन "ईंट पोंछना" (wipe the brick) क्यों नहीं कह सकते (क्योंकि ईंटों में उस तरह की पोंछने योग्य सतह नहीं होती जैसी मेज की होती है)। गणित शब्द को घुमाकर सही हिस्से को उजागर करके इसे संभालता है।
क्या यह आधुनिक कंप्यूटरों के साथ काम करता है?
लेखक बहुत व्यावहारिक हैं। वे नोट करते हैं कि:
- यह पहले से ही हो रहा है: आधुनिक AI (जैसे आपके फोन में मौजूद AI) पहले से ही शब्द क्रम (जिसे 'रोटरी पोजीशन एम्बेडिंग' कहा जाता है) को समझने के लिए इस "रोटेशन" ट्रिक के एक छोटे संस्करण का उपयोग कर रहे हैं। वे बस इसका पूरा उपयोग नहीं कर रहे हैं।
- यह सीखा जा सकता है: आपको इन नियमों को हाथ से कोड करने की आवश्यकता नहीं है। एक कंप्यूटर इन "रोटेशन" और "स्नैप्स" को ठीक वैसे ही सीख सकता है जैसे वह आज अगले शब्द की भविष्यवाणी करना सीखता है।
- यह कुशल है: क्योंकि यह गणित इतना संरचित है, कंप्यूटर को समान काम करने के लिए वास्तव में कम पैरामीटर्स (कम मेमोरी) की आवश्यकता हो सकती है, क्योंकि उसे हर वाक्य के हर बदलाव को याद करने की ज़रूरत नहीं है।
निष्कर्ष
पेपर का तर्क है कि भाषा को वास्तव में समझने के लिए, हमें शब्दों को मानचित्र पर एक सपाट बिंदु के रूप में देखना बंद करना होगा और उन्हें बहु-आयामी आकृतियों (multi-dimensional shapes) के रूप में देखना शुरू करना होगा जो घूम सकती हैं, आपस में जुड़ सकती हैं और विशिष्ट हिस्सों पर ज़ूम कर सकती हैं।
ज्यामितिक बीजगणित (Geometric Algebra) का उपयोग करके, हम AI को तर्क, दिशा और संरचना के लिए एक "नेटिव लैंग्वेज" देते हैं। AI को यह अनुमान लगाने के लिए मजबूर करने के बजाय कि "किताब शुरू करो" का अर्थ "पढ़ना शुरू करना" क्यों है, हम उसे एक गणितीय उपकरण (रोटर) देते हैं जो भाषा के स्वयं के नियमों के आधार पर "किताब" के अर्थ को "पढ़ने" की ओर स्वाभाविक रूप से घुमा देता 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।