← नवीनतम पेपर
🤖 AI

From Clever Hans to Scientific Discovery: Interpreting EEG Foundational Transformers with LRP

यह शोध पत्र यह प्रदर्शित करता है कि लेयर-वाइज रिलेवेंस प्रोपेगेशन (LRP) को EEG फाउंडेशन मॉडल्स तक विस्तारित करना, "क्लेवर हंस" (Clever Hans) जैसे व्यवहारों को उजागर करके उनके निर्णय लेने की प्रक्रिया को प्रभावी ढंग से सत्यापित करता है और मस्तिष्क गतिविधि पैटर्न के संबंध में नवीन, जैविक रूप से प्रशंसनीय परिकल्पनाएं उत्पन्न करता है।

मूल लेखक: Justus Meyer zu Bexten, Nico Scherf, Bogdan Franczyk, Simon M. Hofmann

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

मूल लेखक: Justus Meyer zu Bexten, Nico Scherf, Bogdan Franczyk, Simon M. Hofmann

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

मुख्य चित्र: "ब्लैक बॉक्स" की समस्या

कल्पना कीजिए कि आपके पास एक सुपर-स्मार्ट रोबोट है जो मस्तिष्क की तरंगों (EEG) को देखकर यह अनुमान लगा सकता है कि कोई व्यक्ति क्या सोच रहा है या क्या महसूस कर रहा है। यह रोबोट एक "फाउंडेशन मॉडल" है, जिसका अर्थ है कि इसे भारी मात्रा में डेटा पर प्रशिक्षित किया गया है—इतना अधिक जितना कि कोई मानव विशेषज्ञ कभी भी देख सकता है।

समस्या यह है कि यह रोबट एक ब्लैक बॉक्स है। यह आपको एक उत्तर देता है (जैसे "यह व्यक्ति क्रोधित है" या "वे अपना हाथ हिलाने की कल्पना कर रहे हैं"), लेकिन यह आपको यह नहीं बताएगा कि क्यों। यह एक जादूगर की तरह है जो टोपी से खरगोश निकालता है; आप परिणाम तो देखते हैं, लेकिन आपको वह "ट्रिक" पता नहीं होती।

विज्ञान और चिकित्सा में, हम केवल उत्तर पर भरोसा नहीं कर सकते; हमें उस ट्रिक को जानने की आवश्यकता है ताकि यह सुनिश्चित हो सके कि रोबोट धोखाधड़ी नहीं कर रहा है या गलतियाँ नहीं कर रहा है। यह पेपर हमें यह सिखाने के बारे में है कि टोपी के अंदर झाँककर खरगोश को कैसे देखा जाए।

उपकरण: LRP ("हाइलाइटर पेन")

लेखक लेयर-वाइज रेलेवेंस प्रोपेगेशन (LRP) नामक एक तकनीक का उपयोग करते हैं। LRP को एक जादुई हाइलाइटर पेन के रूप में सोचें।

जब रोबोट कोई निर्णय लेता है, तो LRP रोबोट के मस्तिष्क के माध्यम से वापस जाता है और ठीक उन हिस्सों को हाईलाइट करता है जो उस निर्णय के लिए सबसे महत्वपूर्ण थे।

  • यदि रोबोट कहता है "व्यक्ति उत्साहित है," तो LRP सिर के पिछले हिस्से में एक विशिष्ट स्थान को हाईलाइट कर सकता है।
  • यदि रोबोट कहता है "व्यक्ति अपना हाथ हिला रहा है," तो LRP कान के पास के क्षेत्र को हाईलाइट कर सकता है।

लेखकों ने इस हाइलाइटर को लिया, जिसका उपयोग पहले सरल रोबोटों पर किया जाता था, और इसे इन नए, जटिल "ट्रांसफॉर्मर" रोबोटों पर काम करने के लिए सिखाया।

प्रयोग: रोबोट की जाँच करने के लिए तीन परीक्षण

शोधकर्ताओं ने यह देखने के लिए तीन अलग-अलग परीक्षण चलाए कि उनका हाइलाइटर पेन काम करता है या नहीं और उससे क्या पता चला।

1. हार्टबीट टेस्ट (एक "सच्चाई" की जाँच)

  • कार्य: उन्होंने रोबोट को मस्तिष्क की तरंगों के भीतर छिपी धड़कनों (heartbeats) को खोजने के लिए कहा।
  • क्यों? धड़कनें मस्तिष्क की तरंगों में, सिर के निचले हिस्से के पास, एक सूक्ष्म विद्युत लहर पैदा करती हैं। वैज्ञानिक पहले से ही जानते हैं कि यह लहर कहाँ होनी चाहिए।
  • परिणाम: रोबलेट ने धड़कन को खोज लिया, और हाइलाइटर पेन ने ठीक सिर के निचले हिस्से की ओर इशारा किया जहाँ हृदय का संकेत सबसे मजबूत होता है।
  • पाठ: हाइलाइटर काम करता है! जब उत्तर ज्ञात होता है, तो यह सही ढंग से पहचान सकता है कि रोबोट किस ओर देख रहा है।

2. "क्लेवर हंस" टेस्ट (एक "धोखाधड़ी" की जाँच)

  • कार्य: उन्होंने रोबोट से यह अनुमान लगाने के लिए कहा कि कोई व्यक्ति अपना बायां हाथ हिलाने की कल्पना कर रहा है या दायां हाथ।
  • समस्या: इस प्रयोग में, कंप्यूटर स्क्रीन पर व्यक्ति को यह बताने के लिए एक मार्कर दिखाया गया था कि उसे किस तरफ हाथ हिलाना है।
  • खोज: हाइलाइटर पेन ने खुलासा किया कि कई वर्ज़न के रोबोट धोखाधड़ी (cheating) कर रहे थे। मस्तिष्क के संकेतों को देखने के बजाय, रोबोट आँखों को देख रहा था।
    • उपमा: कल्पना कीजिए कि एक छात्र परीक्षा दे रहा है। गणित के सवाल को हल करने के बजाय, वह बस यह देखता है कि शिक्षक किस ओर इशारा कर रहा है। रोबोट भी ऐसा ही कर रहा था: उसने स्क्रीन पर मार्कर देखा, अनुमान लगाया कि व्यक्ति उसी दिशा में देख रहा है, और मान लिया कि इसका मतलब "बायां हाथ" या "दायां हाथ" है।
    • इसे "क्लेवर हंस" व्यवहार कहा जाता है (एक प्रसिद्ध घोड़े के नाम पर, जो गणित करने जैसा दिखता था लेकिन वास्तव में केवल शिक्षक की शारीरिक भाषा को पढ़ रहा था)।
  • पाठ: हाइलाइटर ने उजागर किया कि रोबोट वास्तविक मस्तिष्क संकेत सीखने के बजाय एक शॉर्टकट (आंखों की गति) पर निर्भर था।

3. इमोशन टेस्ट (एक "खोज" की जाँच)

  • कार्य: उन्होंने रोबोट से यह अनुमान लगाने के लिए कहा कि एक वर्चुअल रियलिटी मूवी देखते समय कोई व्यक्ति "उच्च उत्तेजना" (high arousal - उत्साहित/व्याकुल) महसूस कर रहा है या "निम्न उत्तेजना" (low arousal - शांत)।
  • खोज: हाइलाइटर पेन ने "उच्च उत्तेजना" के लिए एक सुसंगत पैटर्न पाया। यह सिर के केंद्र में (मोटर कॉर्टेक्स) सेंसर के एक विशिष्ट क्लस्टर को रोशन करता है।
  • परिकल्पना: लेखक सुझाव देते हैं कि यह एक नया सुराग हो सकता है। इसका मतलब यह हो सकता है कि जब लोग उत्साहित होते हैं, तो उनके मस्तिष्क "तैयार" हो जाते हैं (जैसे शुरुआती रेखा पर खड़ा धावक), भले ही वे वास्तव में हिल न रहे हों।
  • पाठ: हाइलाइटर ने केवल रोबोट को सत्यापित नहीं किया; इसने वैज्ञानिकों को मस्तिष्क के काम करने के तरीके के बारे में एक नया विचार देने में मदद की।

पेच: यह हमेशा स्पष्ट नहीं होता

पेपर स्वीकार करता है कि इन "हाईलाइट किए गए" मानचित्रों को पढ़ना हमेशा आसान नहीं होता है।

  • उपमा: एक शहर के हीट मैप को देखने की कल्पना करें। आप एक चमकीला लाल धब्बा देखते हैं। क्या वह आग है? एक व्यस्त चौराहा? या कोई कॉन्सर्ट? शहर को अच्छी तरह से जाने बिना, यह कहना 100% कठिन है कि वह क्या है।
  • इमोशन टेस्ट में, रोबोट ने चेहरे और गर्दन के पास के क्षेत्रों को हाईलाइट किया। यह मस्तिष्क की गतिविधि हो सकती है, या यह मांसपेशियों का तनाव (जैसे उत्तेजित होने पर जबड़ा भींचना) हो सकता है। हाइलाइटर दिखाता है कि रोबोट ने कहाँ देखा, लेकिन कभी-कभी यह कहना अभी भी कठिन होता है कि उसने वास्तव में क्या देखा।

सारांश

यह पेपर उन्नत AI मॉडल के अंधेरे, भ्रमित करने वाले मस्तिष्क पर एक नई "फ्लैशलाइट" (LRP) चलाने के लिए एक मार्गदर्शिका है।

  1. यह काम करता है: फ्लैशलाइट ने ज्ञात संकेतों (धड़कनों) को सही ढंग से खोजा।
  2. यह धोखेबाजों को पकड़ता है: इसने खुलासा किया कि कुछ मॉडल मस्तिष्क तरंगों के बजाय आंखों की गति देखकर धोखाधड़ी कर रहे थे।
  3. यह विचार पैदा करता है: इसने उत्साह से संबंधित मस्तिष्क के केंद्र में एक नया पैटर्न पाया, जिसका वैज्ञानिक अब आगे अध्ययन कर सकते हैं।

लेखक निष्कर्ष निकालते हैं कि हालांकि हमें चित्रों की व्याख्या करने के लिए अभी भी मानव विशेषज्ञों की आवश्यकता है, लेकिन यह उपकरण यह सुनिश्चित करने के लिए आवश्यक है कि ये शक्तिशाली AI मॉडल वास्तव में वही सीख रहे हैं जो हम सोचते हैं कि वे सीख रहे हैं।

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 →