SECOS: Semantic Capture for Rigorous Classification in Open-World Semi-Supervised Learning
यह शोध पत्र SECOS को प्रस्तुत करता है, जो ओपन-वर्ल्ड सेमी-सुपरवाइज्ड लर्निंग के लिए एक नवीन दृष्टिकोण है जो बाहरी ज्ञान का लाभ उठाकर सिमेंटिक रिप्रजेंटेशन को निकालने और संरेखित करने के लिए उपयोग करता है, जिससे मॉडल बिना किसी पोस्ट-प्रोसेसिंग के ज्ञात और नवीन दोनों वर्गों के लिए सिमेंटिक रूप से प्रासंगिक टेक्स्ट लेबल की सीधे भविष्यवाणी करने में सक्षम होता है, जिससे यह मौजूदा विधियों से बेहतर प्रदर्शन 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
कल्पना कीजिए कि आप जानवरों के एक नए प्रकार के वर्गीकरण के लिए एक स्कूल चला रहे हैं। आपके पास एक पाठ्यपुस्तक है जिसमें उन जानवरों की तस्वीरें और नाम हैं जिन्हें आप पहले से जानते हैं (जैसे कुत्ते और बिल्लियाँ)। हालाँकि, आपके पास सफारी से मिली रहस्यमय तस्वीरों का एक बड़ा ढेर भी है। इनमें से कुछ तस्वीरें उन जानवरों की हैं जिन्हें आप जानते हैं, लेकिन कई तस्वीरें नए, अज्ञात जानवरों (जैसे कि एक जेलीफ़िश या एक कंगारू) की हैं जो आपकी पाठ्यपुस्तक में नहीं हैं।
आपका लक्ष्य एक छात्र (AI मॉडल) को यह सिखाना है कि वह किसी भी फोटो को देखे और तुरंत कह सके, "यह एक कुत्ता है," "यह एक कंगारू है," या "यह एक जेलीफ़िश है," एक मास्टर लिस्ट का उपयोग करते हुए सही नामों के साथ।
समस्या: पुराने तरीकों का "अनुमान लगाने का खेल"
पिछले तरीकों ने इसे हल करने की कोशिश की, लेकिन वे एक पक्षपाती खेल खेल रहे थे।
- प्रशिक्षण (Training): वे उन जानवरों के दृश्य विवरणों (पाठ्यपुस्तक) पर इतना अधिक ध्यान केंद्रित करते थे कि उन्होंने रहस्यमय जानवरों को अनदेखा कर दिया।
- परीक्षण (Test): जब छात्र को कंगारू की तस्वीर मिलती थी, तो वे अनुमान लगा सकते थे कि "जानवर #3" है। चूंकि शिक्षक को यह नहीं पता था कि "जानवर #3" का क्या अर्थ है, इसलिए उन्होंने हंगेरियन मैचिंग (Hungarian Matching) नामक एक चाल का उपयोग किया। यह "म्यूजिकल चेयर्स" के खेल जैसा है जहाँ, टेस्ट के बाद, आप स्कोर को एकदम सही दिखाने के लिए उत्तरों को फिर से व्यवस्थित करते हैं।
- उदाहरण: छात्र ने कंगारू के लिए "जानवर #3" का अनुमान लगाया। शिक्षक कहता है, "ठीक है, चलो मान लेते हैं कि 'जानवर #3' वास्तव में 'कंगारू' है।"
- खामी: वास्तविक दुनिया में, आप टेस्ट के बाद उत्तरों को फिर से व्यवस्थित नहीं कर सकते। आपको ज़रूरत है कि छात्र को तुरंत सही नाम ("कंगारू") पता हो। पुराने तरीके मूल रूप से समूहों को बिना यह जाने कि उन समूहों को क्या कहा जाता है, वर्गीकृत कर रहे थे।
समाधान: SECOS (द "सिमेंटिक ट्रांसलेटर")
लेखकों ने एक नया सिस्टम बनाया जिसे SECOS (सेमेंटिक कैप्चर फॉर ओपन-वर्ल्ड सेमी-सुपरवाइज्ड लर्निंग) कहा जाता है। केवल नंबरों का अनुमान लगाने के बजाय, SECOS एक अनुवादक (translator) की तरह काम करता है जो तस्वीरों को सीधे शब्दों से जोड़ता है।
यहाँ बताया गया है कि SECOS कैसे काम करता है, तीन सरल चरणों में:
1. "आत्मविश्वास भरा अनुमान" (नोवेल क्लास सिमेंटिक कंपनसेशन)
चूंकि छात्र के पास नए जानवरों के लिए कोई पाठ्यपुस्तक नहीं है, इसलिए SECOS एक अति-बुद्धिमान, पूर्व-प्रशिक्षित शिक्षक (एक विशाल AI जो पहले से ही दुनिया को जानता है) का उपयोग करता है ताकि वह रहस्यमय तस्वीरों पर एक त्वरित नज़र डाल सके।
- शिक्षक कहता है, "मुझे 90% यकीन है कि यह एक कंगारू जैसा दिखता है।"
- SECOS केवल उन तस्वीरों को लेता है जहाँ शिक्षक बहुत आश्वस्त है और नए जानवरों के लिए एक मिनी-पाठ्यपुस्तक बनाता है। यह सीखने को संतुलित करता है ताकि छात्र नए जानवरों को अनदेखा न कर दे।
2. "दोहरा सत्यापन" (बैच-वाइज़ सिमेंटिक रिकैप्चर)
कभी-कभी, एक फोटो पेचीदा होती है। क्या यह एक कुत्ता है या भेड़िया?
- SECOS तस्वीरों के एक पूरे बैच को एक साथ देखता है। यह दो चीजों की जाँच करता है:
- क्या यह फोटो किसी विशिष्ट जानवर जैसी दिखती है? (इंस्टेंस-टू-क्लास)
- क्या इस बैच की अन्य तस्वीरें भी इसी जानवर जैसी दिखती हैं? (क्लास-टू-इंस्टेंस)
- यदि कोई फोटो दोनों जाँचों को पास कर लेती है (जैसे, यह एक कंगारू जैसा दिखता है, और समूह में अन्य तस्वीरें भी कंगारू जैसी दिखती हैं), तो SECOS उसे एक "गोल्ड स्टार" और एक ठोस लेबल देता है। यह भ्रमित करने वाले, धुंधले अनुमानों को फ़िल्टर करता है और केवल स्पष्ट, उच्च-गुणवत्ता वाले उदाहरणों को रखता है।
3. "पुल" (एडैप्टर फॉर सिमेंटिक फीचर एलाइनमेंट)
अब छात्र के पास तस्वीरों का एक ढेर है और नामों का एक ढेर है, लेकिन वे अलग-अलग भाषाएँ बोलते हैं (पिक्सेल बनाम शब्द)।
- SECOS चित्र वाले मस्तिष्क और शब्द वाले मस्तिष्क के बीच एक विशेष पुल (जिसे एडैप्टर कहा जाता है) बनाता है।
- यह पुल यह सीखने के लिए बनाया गया है कि, "जब मैं इन विशिष्ट पिक्सेल पैटर्न को देखता हूँ, तो इसका मतलब शब्द 'कंगारू' है।"
- महत्वपूर्ण रूप से, यह पुल मॉडल को "क्लास 5" जैसे यादृच्छिक नंबर के बजाय सीधे शब्द "कंगारू" आउटपुट करने की अनुमति देता है।
यह क्यों मायने रखता है
पेपर का दावा है कि SECOS वास्तव में "रिगोरस क्लासिफिकेशन" की समस्या को हल करने वाला पहला सिस्टम है।
- कोई पुनर्गठन नहीं: इसे अपने स्कोर को बढ़ाने के लिए टेस्ट के बाद उत्तरों को बदलने की आवश्यकता नहीं है। यह पहली बार में ही सही नाम प्राप्त करता है।
- बेहतर परिणाम: भले ही पुराने तरीकों की तुलना उनसे की जाए जिन्हें अपने स्कोर को बढ़ाने के लिए "म्यूजिकल चेयर्स" (हंगेरियन मैचिंग) जैसे छल का उपयोग करने की अनुमति दी गई थी, SECOS अभी भी एक महत्वपूर्ण अंतर से उन्हें पीछे छोड़ देता है (5.4% तक बेहतर)।
- वास्तविक दुनिया के लिए तैयार: क्योंकि यह वास्तविक नामों की भविष्यवाणी करता है, यह वास्तविक परिदृश्यों में काम करता है जहाँ आप बाद में लेबल को ठीक करने के लिए वापस नहीं जा सकते।
निचोड़
पुराने तरीकों को एक ऐसे छात्र के रूप में सोचें जो मिश्रित खिलौनों के ढेर को साफ ढेरों में तो बाँट सकता है लेकिन आपको यह नहीं बता सकता कि उन खिलौनों को क्या कहा जाता है। SECOS एक ऐसे छात्र की तरह है जो खिलौनों को छाँट भी सकता है और बिना किसी चीट शीट या दूसरे अनुमान के तुरंत सही नाम चिल्लाकर बता भी सकता है ("गेंद!", "टेडी बियर!", "रोबोट!")। यह एक स्मार्ट शिक्षक का उपयोग करके रिक्त स्थानों को भरने और चित्रों को शब्दों से जोड़ने के लिए एक विशेष पुल बनाकर हासिल करता 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।