FIND: Toward Multimodal Financial Reasoning and Question Answering for Indic Languages
यह शोध पत्र छह भारतीय भाषाओं में वित्तीय तर्क के लिए एक व्यापक बहुभाषी बेंचमार्क, FinVQA का परिचय देता है, और FIND का प्रस्ताव करता है, जो उच्च-जोखिम वाले वित्तीय संदर्भों में मल्टीमॉडल और संख्यात्मक तर्क को बढ़ाने के लिए सुपरवाइज्ड फाइन-ट्यूनिंग को बाधा-जागरूक डिकोडिंग (constraint-aware decoding) के साथ जोड़ता 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
एक बड़ी तस्वीर: AI के लिए एक नया "फाइनेंशियल जिम"
कल्पना कीजिए कि आप एक रोबोट को पैसे प्रबंधित करना सिखाने की कोशिश कर रहे हैं। आप उसे केवल एक किताब पढ़ने के लिए नहीं कहेंगे; आप उसे बैंक स्टेटमेंट, स्टॉक चार्ट और रसीदें दिखाएंगे, और उससे गणित करने को कहेंगे।
समस्या यह है कि अधिकांश AI रोबट वर्तमान में केवल अंग्रेजी में प्रशिक्षित हैं और वे एक चार्ट को देखते हुए साथ ही साथ गणित करने में बहुत खराब हैं। वे अक्सर शब्दों के आधार पर उत्तर का अनुमान लगा लेते हैं, और चित्र में दिए गए नंबरों को अनदेखा कर देते हैं।
यह पेपर इस समस्या को ठीक करने के लिए दो चीजें पेश करता है:
- FinVQA: एक विशाल, कठिन "परीक्षा" (डेटासेट)।
- FIND: एक नया "प्रशिक्षण तरीका" (फ्रेमवर्क) जो AI को वह परीक्षा पास करने में मदद करता है।
ये दोनों विशेष रूप से इंडिक भाषाओं (जैसे हिंदी, बंगाली, तमिल आदि) के लिए डिज़ाइन किए गए हैं, जो भारत में लाखों लोगों द्वारा बोली जाती हैं लेकिन वित्तीय AI अनुसंधान में इन्हें काफी हद तक अनदेखा किया गया है।
भाग 1: परीक्षा (FinVQA)
FinVQA को लेखकों द्वारा बनाई गई एक विशाल, बहुभाषी टेस्ट बैंक के रूप में समझें।
- सामग्री: इसमें लगभग 19,000 प्रश्न शामिल हैं। ये केवल साधारण "2+2 क्या है?" जैसे प्रश्न नहीं हैं। ये जटिल वित्तीय पहेलियाँ हैं जिनमें शामिल हैं:
- 14 अलग-अलग विषय: बुनियादी लेखांकन (accounting) और टैक्स से लेकर व्यावसायिक अर्थशास्त्र और निर्णय लेने तक।
- 3 कठिनाई स्तर: आसान (वार्म-अप की तरह), मध्यम (एक वास्तविक वर्कआउट), और कठिन (ओलंपिक फाइनल की तरह)।
- विजुअल्स (दृश्य): कई प्रश्नों में ग्राफ, टेबल या रसीद जैसी छवियां शामिल हैं। AI को चित्र और टेक्स्ट दोनों को एक साथ "पढ़ना" होता है।
- भाषाएं: यह टेस्ट अंग्रेजी के साथ-साथ पांच प्रमुख भारतीय भाषाओं में उपलब्ध है: हिंदी, बंगाली, मराठी, गुजराती और तमिल।
- लक्ष्य: यह देखना है कि क्या एक AI इन भाषाओं में वित्तीय समस्या को वास्तव में तर्क (reason) के साथ हल कर सकता है, न कि केवल अनुमान लगा सकता है।
उन्होंने इसे कैसे बनाया:
लेखकों ने भारत की राष्ट्रीय शैक्षिक अनुसंधान और प्रशिक्षण परिषद (NCERT) की पाठ्यपुस्तकों और पेशेवर लेखांकन पाठ्यक्रमों से शुरुआत की। उन्होंने इन अंग्रेजी प्रश्नों को स्थानीय भाषाओं में अनुवादित किया, और यहाँ तक कि छवियों के अंदर के टेक्स्ट को भी अनुवाद करने के लिए AI का उपयोग किया (जैसे चार्ट पर लेबल को अंग्रेजी से हिंदी में बदलना) ताकि विजुअल संकेत प्रश्न के साथ मेल खा सकें।
भाग 2: प्रशिक्षण विधि (FIND)
यदि छात्रों (AI मॉडल्स) को यह नहीं पता कि पढ़ाई कैसे करनी है, तो परीक्षा होना बेकार है। लेखक एक तीन-चरणीय प्रशिक्षण रणनीति प्रस्तावित करते हैं जिसे FIND कहा जाता है।
कल्पना कीजिए कि आप एक छात्र को गणित की परीक्षा के लिए पढ़ा रहे हैं।
चरण 1: "ज़ीरो-शॉट" प्रयास (अनुमान लगाना):
आप छात्र को बिना किसी मदद के परीक्षा सौंप देते हैं। वे केवल उसी ज्ञान का उपयोग करके इसे हल करने की कोशिश करते हैं जो उनके पास पहले से है।- परिणाम: वे अक्सर भ्रमित हो जाते हैं, बहुत अधिक लिखते हैं, भाषाओं को मिला देते हैं, या जल्दबाजी करने के कारण गणित गलत कर देते हैं।
चरण 2: "कन्स्ट्रेंड डिकोडिंग" नियम (एक सख्त निरीक्षक):
आप छात्र को कहते हैं: "आप समस्या के बारे में जितना चाहें सोच सकते हैं, लेकिन जब आप अपना अंतिम उत्तर लिखें, तो आपको केवल A, B, C, या D लिखना होगा। कोई अतिरिक्त शब्द नहीं।"- परिणाम: यह छात्र को इधर-उधर बोलने या खराब फॉर्मेटिंग से रोकता है। यह उन्हें सटीक होने के लिए मजबूर करता है, लेकिन वे फिर भी गणित गलत कर सकते हैं।
चरण 3: सुपरवाइज्ड फाइन-ट्यूनिंग (एक ट्यूटर/शिक्षक):
यही सबसे महत्वपूर्ण है। आप छात्र के साथ बैठते हैं, उन्हें सही उत्तर दिखाते हैं, और समझाते हैं कि वे क्यों सही हैं। आप विशेष रूप से उन्हें चार्ट देखने और गणित को सही ढंग से करने के लिए प्रशिक्षित करते हैं।- परिणाम: छात्र वास्तव में वित्तीय अवधारणाओं को समझना और गणना करना सीख जाता है, न कि केवल अनुमान लगाना।
निष्कर्ष: पेपर दिखाता है कि जबकि "सख्त निरीक्षक" (चरण 2) फॉर्मेटिंग में मदद करता है, "ट्यूटर" (चरण 3) ही वह है जो AI को स्मार्ट बनाता है। जब उन्होंने ट्यूटर को सख्त निरीक्षक के साथ जोड़ा, तो AI का प्रदर्शन काफी बेहतर हुआ, विशेष रूप से स्थानीय भारतीय भाषाओं में।
भाग 3: जब उन्होंने इसका परीक्षण किया तो क्या हुआ?
लेखकों ने इस नई परीक्षा पर कई अलग-अलग AI मॉडल (कुछ छोटे, कुछ बहुत बड़े) का परीक्षण किया।
- आकार मायने रखता है: इंसानों की तरह, एक बड़ा दिमाग (एक बड़ा AI मॉडल) आम तौर पर बेहतर प्रदर्शन करता है। सबसे बड़े मॉडल (जैसे 32-बिलियन पैरामीटर वाले) उच्चतम स्कोर प्राप्त करते हैं, जो अक्सर 60-70% सटीकता को पार कर जाते हैं।
- भाषा का अंतर: AI अंग्रेजी, हिंदी और बंगाली में सबसे अच्छा प्रदर्शन करता है। इसे तमिल, मराठी और गुजराती में अधिक संघर्ष करना पड़ा, लेकिन प्रशिक्षण विधि (FIND) ने इस अंतर को काफी हद तक कम करने में मदद की।
- "हलुसिनेशन" (भ्रम) की समस्या: विशेष प्रशिक्षण के बिना, छोटे AI मॉडल आत्मविश्वास के साथ अपने तर्क की व्याख्या करेंगे लेकिन अंतिम संख्या गलत कर देंगे। यह एक छात्र की तरह है जो एक बेहतरीन निबंध लिखता है लेकिन गणना में गलती कर देता है। FIND फ्रेमवर्क ने इसे ठीक करने में मदद की, जिससे तर्क और उत्तर का मिलान हुआ।
मुख्य निष्कर्ष (The Bottom Line)
यह पेपर कहता है: "हमने एक कठिन, विजुअल, बहुभाषी वित्तीय परीक्षण (FinVQA) बनाया है और AI को इसे पास करने का एक तरीका (FIND) विकसित किया है। हमने पाया कि भारतीय भाषाओं में वित्तीय गणित के लिए AI को सक्षम बनाने के लिए, आपको बड़े मॉडल्स की आवश्यकता है, और आपको उन्हें विशेष रूप से चार्ट देखने और गणित करने के लिए प्रशिक्षित करना होगा, न कि केवल शब्दों को पढ़ने के लिए।"
पेपर से महत्वपूर्ण नोट:
लेखक चेतावनी देते हैं कि इस प्रशिक्षण के बावजूद, AI अभी भी पूर्ण नहीं है। यह अभी भी छोटी गणितीय गलतियाँ कर सकता है या जटिल चार्ट को गलत समझ सकता है। वे इस बात पर जोर देते हैं कि यह उपकरण केवल अनुसंधान और मूल्यांकन के लिए है, लोगों को वास्तविक वित्तीय सलाह देने के लिए नहीं, क्योंकि वित्त में एक संख्या गलत होने के वास्तविक दुनिया में गंभीर परिणाम हो सकते 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।