PlotPick: AI-powered batch extraction of numerical data from scientific figures
यह शोध पत्र PlotPick का परिचय देता है, जो वैज्ञानिक चित्रों से संख्यात्मक डेटा को कुशलतापूर्वक बैच में निकालने के लिए विजन-लैंग्वेज मॉडल्स का लाभ उठाने वाला एक ओपन-सोर्स टूल है, जो विभिन्न बेंचमार्क और चार्ट प्रकारों पर DePlot जैसे समर्पित चार्ट-टू-टेबल मॉडल्स की तुलना में बेहतर प्रदर्शन प्रदर्शित 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 एक शोधकर्ता हैं जिसे स्वास्थ्य अध्ययनों पर एक बड़ी रिपोर्ट लिखनी है। आपको सैकड़ों अलग-अलग चार्ट और ग्राफ से नंबरों की आवश्यकता है जो पुराने वैज्ञानिक शोध पत्रों में मौजूद हैं। लेकिन समस्या यह है कि वे नंबर चित्रों के भीतर बंद हैं। वे किसी स्प्रेडशीट में नहीं लिखे हैं; वे बस एक पन्ने पर रेखाएं और बार (bars) हैं।
इन नंबरों को प्राप्त करने के लिए, आपको आमतौर पर "अनुमान लगाने और क्लिक करने" का एक उबाऊ खेल खेलना पड़ता है, जिसमें हर चार्ट के हर बिंदु को मैन्युअल रूप से मापना पड़ता है। यह एक पूरी लाइब्रेरी की किताबों को पेंसिल से ट्रेस करके कॉपी करने जैसा है—इसमें बहुत समय लगता है और आप इसे बड़े पैमाने पर नहीं कर सकते।
पेश है "PlotPick"।
PlotPick को एक सुपर-फास्ट, रोबोटिक लाइब्रेरियन के रूप में समझें जो न केवल टेक्स्ट पढ़ सकता है, बल्कि चित्रों को "देख" भी सकता है। यह टॉमी कारस्टेंसन द्वारा बनाया गया एक मुफ्त टूल है जो एक विशेष प्रकार के AI का उपयोग करता है जिसे "विज़न-लैंग्वेज मॉडल" (VLM) कहा जाता है। आप एक VLM को एक ऐसे छात्र के रूप में समझ सकते हैं जिसने दुनिया की लगभग हर किताब पढ़ी है और लगभग हर चित्र देखा है।
Plotick कैसे काम करता है और शोध पत्र ने क्या पाया, इसे सरल भाषा में यहाँ समझाया गया है:
जादू का कमाल: सही सवाल पूछना
हर विशिष्ट प्रकार के चार्ट के लिए एक जटिल, कस्टम-निर्मित रोबोट की आवश्यकता होने के बजाय, PlotPick बस AI से एक बहुत ही सरल सवाल पूछता है: "यहाँ एक चार्ट की तस्वीर है। कृपया इस तस्वीर में दिए गए नंबरों को एक व्यवस्थित सूची (एक टेबल) में बदल दें।"
इस परीक्षण के लिए, शोधकर्ताओं ने इन "जनरलिस्ट" (सामान्य ज्ञान वाले) AI छात्रों को DePlot नामक एक "स्पेशलिस्ट" (विशेषज्ञ) रोबोट के खिलाफ खड़ा किया। DePlot एक कुशल बढ़ई की तरह है जो कुर्सियाँ (बार चार्ट) बनाने में तो माहिर है, लेकिन उसने कभी सीढ़ी (बॉक्स प्लॉट) या स्लाइड (हिस्टोग्राम) नहीं देखी है।
परिणाम: जनरलिस्ट जीत गए
शोधपत्र ने यह देखने के लिए दो अलग-अलग ट्रैक (जिन्हें बेंचमार्क कहा जाता है) पर दौड़ आयोजित की कि कौन सबसे सटीक रूप से नंबर निकाल पाता है।
"ChartX" ट्रैक (विविधता की परीक्षा):
इस ट्रैक में कई अलग-अलग प्रकार के चार्ट थे, जिनमें कुछ ऐसे चार्ट भी शामिल थे जिन्हें विशेषज्ञ रोबोट ने पहले कभी नहीं देखा था, जैसे बॉक्स प्लॉट।- स्पेशलिस्ट (DePlot): इसने लगभग 71% नंबर सही पहचाने। यह उन चार्टों के साथ संघर्ष करता है जिन पर इसने अभ्यास नहीं किया था (बॉक्स प्लॉट पर यह गिरकर केवल 24% रह गया!)।
- जनरलिस्ट (PlotPick का AI): इसने 88% से 96% तक सही पहचान की। यहाँ तक कि समूह के सबसे "सस्ते" AI मॉडल ने भी स्पेशलिस्ट को बड़े अंतर से पीछे छोड़ दिया।
"PlotQA" ट्रैक (विशेषज्ञ की परीक्षा):
यह ट्रैक विशेष रूप से स्पेशलिस्ट रोबोट के लिए बनाया गया था। आप सोच सकते हैं कि स्पेशलिस्ट ही जीतेगा।- स्पेशलिस्ट: इसने 94% सही पहचान की।
- जनरलिस्ट: आश्चर्यजनक रूप से, वे 86% से 99% तक सही रहे। सबसे अच्छे मॉडलों ने स्पेशलिस्ट को भी पीछे छोड़ दिया, भले ही स्पेशलिस्ट को विशेष रूप से इसी टेस्ट के लिए प्रशिक्षित किया गया था।
जनरलिस्ट क्यों जीते?
शोध पत्र इन तीन मुख्य कारणों का सुझाव देता है कि क्यों "सब कुछ जानने वाले" (jack-of-all-trades) AI ने "एक चीज़ के मास्टर" को हरा दिया:
- उन्होंने अधिक देखा है: सामान्य AI को स्पेशलिस्ट की तुलना में लाखों अधिक छवियों पर प्रशिक्षित किया गया है। उनके पास बहुत व्यापक "विजुअल वोकैबुलरी" (दृश्य शब्दावली) है।
- वे अपरिचित चीजों को जानते हैं: स्पेशलिस्ट को केवल बार चार्ट और लाइन चार्ट पढ़ना सिखाया गया था। जब उसने बॉक्स प्लॉट (जो विज्ञान में एक सामान्य चार्ट है) देखा, तो वह भ्रमित हो गया। जनरलिस्ट AI ने अपने विशाल प्रशिक्षण डेटा में बॉक्स प्लॉट देखे थे, इसलिए वे जानते थे कि क्या करना है।
- लेबल सबसे महत्वपूर्ण हैं: AI तब सबसे अच्छा काम करता है जब नंबर सीधे चार्ट पर लिखे होते हैं (जैसे बार के ठीक ऊपर "50%" लिखा होना)। यदि नंबर छिपे हुए हैं और आपको ग्राफ के किनारे से स्केल का अनुमान लगाना पड़ता है, तो सबसे स्मार्ट AI भी गलतियाँ कर सकता है (जैसे "2.3 मिलियन" को "2,300" पढ़ लेना)।
मुख्य निष्कर्ष
PlotPick एक ऐसा टूल है जो शोधकर्ताओं को वैज्ञानिक शोध पत्रों से भरा PDF अपलोड करने देता है, और यह स्वचालित रूप से चार्ट को ढूंढता है, नंबरों को पढ़ता है, और उन्हें विश्लेषण के लिए तैयार स्प्रेडशीट (Excel, CSV, आदि) के रूप में बाहर निकाल देता है।
शोध पत्र का दावा है कि अब आपको हर प्रकार के चार्ट के लिए कस्टम AI बनाने की आवश्यकता नहीं है। आप बस इन शक्तिशाली, सामान्य-उद्देश्य वाले AI टूल्स का उपयोग एक साधारण प्रॉम्प्ट के साथ कर सकते हैं, और वे वर्तमान में उपलब्ध विशेष टूल्स की तुलना में बेहतर काम करेंगे। यह टूल मुफ्त है, ओपन-सोर्स है, और पहले से ही कोपेनहेगन के एक अनुसंधान केंद्र द्वारा अपने काम को गति देने के लिए उपयोग किया जा रहा 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।