Deep Variational Inference Symbolic Regression
यह शोध पत्र डीप वेरिएशनल इन्फरेंस सिम्बॉलिक रिग्रेशन (DVISR) प्रस्तुत करता है, जो डीप सिम्बॉलिक रिग्रेशन का एक वेरिएशनल बेयसियन विस्तार है जो स्केलेबल, अनिश्चितता-जागरूक सिम्बॉलिक रिग्रेशन को सक्षम करने के लिए एक्सप्रेशन ट्रीज़ और उनके स्थिरांकों (constants) दोनों पर पोस्टीरियर वितरण का अनुमान लगाता 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 रहस्य सुलझाने वाले जासूस हैं: आपके पास सुरागों (डेटा पॉइंट्स) का एक ढेर है, और आपका लक्ष्य वह सटीक गणितीय सूत्र (formula) खोजना है जो बताता है कि वे सुराग एक साथ कैसे फिट बैठते हैं।
सिंबोलिक रिग्रेशन (Symbolic Regression) इस जासूसी खेल का नाम है। मानक रिग्रेशन के विपरीत, जो आपको एक विशिष्ट आकार (जैसे "यह एक सीधी रेखा होनी चाहिए" या "यह एक वक्र होना चाहिए") का अनुमान लगाने के लिए मजबूर करता है, सिंबोलिक रिग्रेशन कहता है, "हमें अभी आकार नहीं पता। आइए गणितीय प्रतीकों (प्लस, माइनस, गुणा, साइन, लॉग) के किसी भी संयोजन को तब तक आजमाएं जब तक कि हमें वह न मिल जाए जो सुरागों में पूरी तरह फिट बैठता हो।"
पुराने जासूसों की समस्या
यह शोध पत्र चर्चा करता है कि अब तक लोगों ने इस खेल को हल करने के दो मुख्य तरीके आजमाए हैं:
- "सबसे अच्छा अनुमान" लगाने वाला जासूस (डीप सिंबोलिक रिग्रेशन या DSR): यह विधि एक स्मार्ट एआई (एक न्यूरल नेटवर्क) का उपयोग करती है जो सूत्र उत्पन्न करती है। यह हजारों सूत्र आजमाती है और उनमें से एक "सर्वश्रेष्ठ" को चुनती है जो डेटा में फिट बैठता है।
- दोष: यह आपको केवल एक उत्तर देता है। यदि डेटा शोर भरा या अस्त-व्यस्त है, तो जासूस गलत सूत्र चुन सकता है और इसे लेकर 100% आश्वस्त हो सकता है, भले ही वह गलत हो। यह आपको यह नहीं बताता कि वह कितना अनिश्चित है।
- "धीमा और स्थिर" जासूस (MCMC): यह एक पारंपरिक बेयसियन (Bayesian) विधि है। एक विजेता चुनने के बजाय, यह हर उस संभावित सूत्र की संभावना का मानचित्र बनाने की कोशिश करती है जो सही हो सकता है। यह अनिश्चितता की एक पूरी तस्वीर देता है।
- दोष: यह अविश्वसनीय रूप से धीमा है। जैसे-जैसे संभावित सूत्रों की संख्या बढ़ती है (जो बहुत तेज़ी से होती है), यह जासूस ट्रैफिक में फंस जाता है और अपना काम पूरा नहीं कर पाता।
नया समाधान: DVISR
लेखक DVISR (डीप वेरिएशनल इन्फरेंस सिंबोलिक रिग्रेशन) पेश करते हैं। इसे एक सुपर-पावर्ड, फास्ट-फॉरवर्डिंग जासूस के रूप में सोचें जो एआई की गति को बेयसियन पद्धति की अनिश्चितता-जांच क्षमता के साथ जोड़ता है।
यह इस प्रकार काम करता है, एक रचनात्मक उपमा का उपयोग करते हुए:
1. सूत्रों का "अनंत पुस्तकालय"
एक ऐसे पुस्तकालय की कल्पना करें जिसमें आपके द्वारा लिखे जा सकने वाले हर संभावित गणितीय सूत्र मौजूद हैं। इनमें से अधिकांश सूत्र निरर्थक हैं (जैसे sin(x) + 999)। कुछ शानदार हैं।
- पुराना DSR पुस्तकालय में जाता है, एक किताब उठाता है, जांचता है कि क्या वह फिट बैठती है, और यदि वह अब तक की सबसे अच्छी है, तो वह उस किताब को रखता है और बाकी सबको फेंक देता है।
- DVISR अंदर जाता है और पूरे पुस्तकालय का एक मानसिक मानचित्र बनाने की कोशिश करता है। यह केवल एक किताब नहीं चुनता; यह सीखता है कि कौन सी किताबें उत्तर होने की संभावना रखती हैं और कौन सी नहीं।
2. "जादुई दिशा-सूचक यंत्र" (पुरस्कार प्रणाली)
पुराने एआई तरीके में, कंप्यूटर को केवल डेटा के "करीब" होने के लिए पुरस्कृत किया जाता था।
DVISR में, कंप्यूटर को एक नया, अधिक जटिल दिशा-सूचक यंत्र दिया जाता है जिसे ELBO (एविडेंस लोअर बाउंड) कहा जाता है।
- यह केवल यह कहने के बजाय कि "यह सूत्र अच्छी तरह फिट बैठता है," दिशा-सूचक यंत्र कहता है, "यह सूत्र अच्छी तरह फिट बैठता है, और यह बहुत जटिल नहीं है, और यह उस चीज़ के साथ सुसंगत है जिसे हम पहले से मानते हैं।"
- इस दिशा-सूचक यंत्र का अनुसरण करके, एआई संभावनाओं के पूरे मानचित्र का अनुमान लगाना सीखता है, न कि केवल एक एकल सर्वश्रेष्ठ शिखर का।
3. "आकार बदलने वाले स्थिरांक" (Shape-Shifting Constants)
गणितीय सूत्रों में, अक्सर ऐसे नंबर होते हैं जिन्हें ट्यून करने की आवश्यकता होती है, जैसे 2x में 2।
- पुराना DSR इन नंबरों को निश्चित डायल की तरह मानता है। यह एक सूत्र पाता है, फिर सटीक नंबर पाने के लिए डायल घुमाने में अतिरिक्त समय बिताता है।
- DVISмR इन नंबरों को बादलों की तरह मानता है। एक विशिष्ट नंबर (जैसे "यह ठीक 2.5 है") का अनुमान लगाने के बजाय, एआई एक वितरण (distribution) का अनुमान लगाता है (जैसे "यह संभवतः 2.4 और 2.6 के बीच है")। यह सूत्र के प्रत्येक नंबर के लिए बादल का आकार एक साथ सीखता है।
उन्होंने क्या सिद्ध किया?
लेखकों ने यह देखने के लिए प्रयोग किए कि क्या उनका नया जासूस वास्तव में काम करता है:
- सरल मामले: उन्होंने एआई को सरल पहेलियाँ दीं (जैसे
y = x squared)।- परिणाम: एआई सफलतापूर्वक एक मानचित्र बनाने में सफल रहा जो "वास्तविक" उत्तर से मेल खाता था। इसने न केवल सही सूत्र खोजा; इसने सही ढंग से गणना की कि उस सूत्र के सही होने की संभावना कितनी थी, जो सैद्धांतिक गणित से सटीक रूप से मेल खाता था।
- "बड़ा पुस्तकालय" परीक्षण: उन्होंने पुस्तकालय के संभावित सूत्रों को बड़ा और बड़ा बनाया।
- परिणाम: जैसे-जैसे पुस्तकालय विशाल होता गया, एआई का मानचित्र थोड़ा कम पूर्ण होता गया (यह हर सूक्ष्म विवरण को कैप्चर नहीं कर सका), लेकिन यह छोटे कार्यों के लिए अभी भी काफी अच्छा काम करता रहा।
- सीमा: शोध पत्र स्वीकार करता है कि यदि सूत्र बहुत लंबे और जटिल हो जाते हैं, तो एआई संघर्ष करने लगता है, ठीक वैसे ही जैसे पुराना धीमा जासूस करता है।
मुख्य निष्कर्ष
यह शोध पत्र एक नया उपकरण प्रस्तुत करता है जो कंप्यूटर को न केवल डेटा के सेट के लिए सबसे अच्छा गणितीय समीकरण खोजने की अनुमति देता है, बल्कि अपनी अनिश्चितता को मापने की भी अनुमति देता है।
"उत्तर निश्चित रूप से y = x^2 है" कहने के बजाय, DVISR कह सकता है, "उत्तर के रूप में y = x^2 होने की सबसे अधिक संभावना है, लेकिन एक छोटी संभावना है कि यह y = x^2 + 0.1 हो सकता है, और हम 95% सुनिश्चित हैं कि 0.1 का नंबर 0 और 0.2 के बीच है।"
लेखक निष्कर्ष निकालते हैं कि हालांकि यह एआई को अधिक पारदर्शी और विश्वसनीय बनाने की दिशा में एक महत्वपूर्ण कदम है, लेकिन इसे हर जगह उपयोग करने से पहले इसे और तेज़ होने और बहुत बड़े, वास्तविक दुनिया के कार्यों को संभालने की आवश्यकता है। उन्होंने इंजन बना लिया है; अब उन्हें इसे हाईवे पर चलाने की आवश्यकता 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।