← नवीनतम पेपर
🤖 AI

Unlocking LLM Creativity in Science through Analogical Reasoning

यह शोध पत्र लार्ज लैंग्वेज मॉडल्स में मोड कोलैप्स (mode collapse) को कम करने के लिए एक नवीन दृष्टिकोण के रूप में एनालॉजिकल रीजनिंग (analogical reasoning) को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि यह कई बायोमेडिकल कार्यों में अत्याधुनिक प्रदर्शन प्राप्त करते हुए उत्पन्न वैज्ञानिक समाधानों की विविधता और नवीनता को महत्वपूर्ण रूप से बढ़ाता है।

मूल लेखक: Andrew Shen, Shaul Druckmann, James Zou

प्रकाशित 2026-05-13
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Andrew Shen, Shaul Druckmann, James Zou

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 वैज्ञानिक हैं जो एक बहुत ही कठिन पहेली को सुलझाने की कोशिश कर रहे हैं। आप एक सुपर-स्मार्ट AI असिस्टेंट से विचार मांगते हैं। दुर्भाग्य से, AI बार-बार एक ही पाँच उत्तर देता रहता है, बस उन्हें थोड़ा अलग तरीके से पेश करता है। यह वैसा ही है जैसे आप एक शेफ से 100 अलग-अलग डिनर आइडिया मांगें, और वह बार-बार आपको "स्पैगेटी" ही सुझाता रहे, बस उसे "पास्ता", "नूडल्स" या "इटालियन स्ट्रिंग्स" कहता रहे। AI की दुनिया में, इसे मोड कोलैप्स (mode collapse) कहा जाता है। AI एक ढर्रे में फंस जाता है और रचनात्मक होना बंद कर देता है।

यह शोध पत्र, जिसका शीर्षक है "Analogical Reasoning के माध्यम से वैज्ञानिक खोज में LLM की रचनात्मकता को अनलॉक करना," इस समस्या को हल करने का एक चतुर तरीका प्रस्तावित करता है। स्टैनफोर्ड यूनिवर्सिटी के लेखकों का सुझाव है कि AI को एक रूपक-निर्माता (metaphor-maker) की तरह सोचने के लिए सिखाया जाए।

समस्या: AI का "इको चैंबर"

जब वैज्ञानिक जटिल समस्याओं (जैसे कि किसी वायरस को कैसे रोका जाए या कोई कोशिका किसी दवा के प्रति कैसे प्रतिक्रिया देगी) के लिए AI से नए विचार मांगते हैं, तो AI आलसी हो जाता है। यह उन सबसे प्रसिद्ध और स्पष्ट समाधानों को पकड़ लेता है जिन्हें वह जानता है और उन्हें दोहराता रहता है।

  • परिणाम: यदि आप 100 बार पूछते हैं, तो आपको शायद 95 उत्तर ऐसे मिलेंगे जो मूल रूप से एक ही चीज़ हैं।
  • परिणामस्वरूप: आप उन अजीब, विचित्र और संभावित रूप से शानदार विचारों को खो देते हैं जो वास्तव में समस्या को हल कर सकते हैं।

समाधान: "क्रॉस-डोमेन डिटेक्टिव"

लेखक एक विधि पेश करते हैं जिसे एनालॉजिकल रीजनिंग (AR - सादृश्य तर्क) कहा जाता है। AI से केवल यह पूछने के बजाय कि "मैं इसे कैसे ठीक करूँ?", हम उससे यह खेलने के लिए कहते हैं कि "यह किसके जैसा है?"

इसे इस प्रकार समझें:

  • पुराना तरीका: एक मैकेनिक से पूछना, "मैं इंजन को कैसे ठीक करूँ?" मैकेनिक इंजनों को देखता है और मानक सुधार सुझाता है।
  • नया तरीका (AR): मैकेनिक से पूछना, "आप एक खराब इंजन को कैसे ठीक करते हैं? अब, कल्पना करें कि यह इंजन वास्तव में एक व्यस्त शहर में लगने वाला ट्रैफिक जाम है। एक ट्रैफिक इंजीनियर उस जाम को कैसे ठीक करेगा? अब, उस ट्रैफिक समाधान को वापस इंजन पर लागू करें।"

AI को प्रशिक्षित किया जाता है:

  1. छिपे हुए ढांचे की तलाश करना: यह सतही विवरणों (जैसे "कोशिकाएं" या "कारें") को अनदेखा करता है और संबंधों (जैसे "भीड़भाड़ वाली जगह में चलती चीजें" या "संकेतों का रुक जाना") को देखता है।
  2. एक पूरी तरह से अलग दुनिया में कूदना: यह एक बिल्कुल अलग क्षेत्र (जैसे अर्थशास्त्र, शतरंज, या भूकंप विज्ञान) में एक समस्या पाता है जिसमें वही छिपा हुआ ढांचा होता है।
  3. समाधान चुराना: यह उस दूसरे क्षेत्र से समाधान लेता है और उसे मूल विज्ञान समस्या में वापस अनुवादित करता है।

पेपर से वास्तविक जीवन के उदाहरण

पेपर दिखाता है कि यह केवल सिद्धांत नहीं है; उन्होंने वास्तव में बायोमेडिकल समस्याओं को हल करने के लिए इसका उपयोग किया। यहाँ दो उदाहरण दिए गए हैं कि कैसे AI ने "आउट ऑफ द बॉक्स" सोचा:

1. "अर्थशास्त्र" वाला ड्रग समाधान

  • समस्या: वैज्ञानिक यह अनुमान लगाने की कोशिश कर रहे थे कि व्यक्तिगत कोशिकाएं दवाओं के प्रति कैसी प्रतिक्रिया देती हैं। AI बार-बार ऐसे मॉडल सुझा रहा था जो केवल औसत प्रतिक्रिया की भविष्यवाणी करते थे, जिससे व्यक्तिगत कोशिकाओं के अद्वितीय व्यवहार छूट रहे थे।
  • सादृश्य (Analogy): AI ने महसूस किया कि यह अर्थशास्त्र जैसा है। जिस तरह एक एकल उपभोक्ता कीमत बढ़ने पर औसत उपभोक्ता की तुलना में अलग तरह से प्रतिक्रिया करता है, उसी तरह एक एकल कोशिका दवा के प्रति अलग तरह से प्रतिक्रिया करती है।
  • परिणाम: AI ने अर्थशास्त्र से एक सांख्यिकीय उपकरण का उपयोग करने का सुझाव दिया जिसे फाइनाइट मिक्सचर मॉडल्स (Finite Mixture Models) कहा जाता है। जब उन्होंने इसका परीक्षण किया, तो यह अविश्वसनीय रूप से प्रभावी रहा, जिसने पिछले तरीकों की तुलना में व्यक्तिगत सेल व्यवहार की बेहतर भविष्यवाणी की।

2. "शतरंज" वाला DNA समाधान

  • समस्या: वैज्ञानिक DNA की छोटी श्रृंखलाओं के गुणों की भविष्यवाणी करने की कोशिश कर रहे थे। AI बार-बार ऐसे मॉडल सुझा रहा था जो इस बात को नजरअंदाज करते थे कि DNA का एक विशिष्ट हिस्सा श्रृंखला में कहाँ स्थित है।
  • सादृश्य (Analogy): AI ने महसूस किया कि यह शतरंज जैसा है। शतरंज में, एक प्यादा बोर्ड के बीच में कमजोर होता है लेकिन किनारे के पास मजबूत होता है। उसका मूल्य पूरी तरह से उसकी स्थिति पर निर्भर करता है।
  • परिणाम: AI ने पीस-स्क्वायर टेबल्स (Piece-Square Tables) का उपयोग करने का सुझाव दिया (एक शतरंज की रणनीति जो बोर्ड पर स्थिति के आधार पर मोहरों को महत्व देती है)। DNA पर इसे लागू करने से मॉडलों को यह समझने में मदद मिली कि जेनेटिक सीक्वेंस की स्थिति मायने रखती है, जिससे स्टेट-ऑफ-द-आर्ट परिणाम प्राप्त हुए।

उन्होंने क्या पाया?

लेखकों ने मानक AI दृष्टिकोणों के विरुद्ध इस पद्धति का परीक्षण किया और पाया कि:

  • अधिक विविधता: AI ने ऐसे समाधान उत्पन्न किए जो 90% से 173% अधिक विविध थे। इसने एक ही "स्पैगेटी" वाले उत्तर दोहराना बंद कर दिया।
  • अधिक नवीनता: इस पद्धति द्वारा उत्पन्न समाधानों में से 50% से अधिक वास्तव में नए विचार थे (मानक AI के लिए 2% से भी कम की तुलना में)।
  • वास्तविक सफलता: जब उन्होंने वास्तव में इन नए विचारों को लैब में (या कंप्यूटर सिमुलेशन के माध्यम से) बनाया और परीक्षण किया, तो वे सेल व्यवहार, मस्तिष्क की अंतःक्रियाओं और ड्रग गुणों की भविष्यवाणी करने में मौजूदा तरीकों से लगातार बेहतर रहे।

निष्कर्ष

यह पेपर तर्क देता है कि वैज्ञानिक खोज में AI को एक सच्चा भागीदार बनाने के लिए, हम केवल इसे अपने स्वयं के "लाइब्रेरी" में उत्तर खोजने के लिए नहीं छोड़ सकते। हमें इसे खिड़की से बाहर देखने के लिए मजबूर करना होगा, यह देखना होगा कि ट्रैफिक जाम कैसे काम करता है, या शतरंज का खेल कैसे खेला जाता है, और फिर पूछना होगा, "यह हमें हमारी विज्ञान समस्या को हल करने में कैसे मदद करता है?"

सादृश्य (Analogies) का उपयोग करके, AI एक उबाऊ नकलची बनना बंद कर देता है और एक रचनात्मक आविष्कारक की तरह कार्य करने लगता है, जो असंबंधित क्षेत्रों के बीच के अंतर को पाटकर उन समाधानों को खोजता है जिन्हें मनुष्य शायद मिस कर देते।

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।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🤖 cs.AI →