VLMs Trace Without Tracking: Diagnosing Failures in Visual Path Following
यह शोध पत्र प्रकट करता है कि अत्याधुनिक विजन-लैंग्वेज मॉडल स्थानीय भटकाव (लोकल डिस्ट्रैक्टर्स) का प्रतिरोध करने में मौलिक अक्षमता के कारण विजुअल पाथ फॉलोइंग में संघर्ष करते हैं, जो एक ऐसा बॉटलनेक है जो स्केलिंग, रीजनिंग हस्तक्षेप या स्पष्ट निर्देशों के बावजूद बना रहता 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 बहुत ही बुद्धिमान रोबोट के साथ "डॉट कनेक्ट करने" (बिंदुओं को जोड़ने) का खेल खेल रहे हैं। आप एक विशिष्ट लाल बिंदु की ओर इशारा करते हैं और कहते हैं, "इस टेढ़ी-मेढ़ी रेखा का अंत तक पीछा करो, और मैं तुम्हें हर उस बिंदु का रंग बताऊंगा जो तुम पार करोगे।"
आप उम्मीद करेंगे कि रोबोट यह काम आसानी से कर लेगा। लेकिन इस शोध पत्र के अनुसार, यहाँ तक कि सबसे उन्नत एआई मॉडल (जिन्हें विजन-लैंग्वेज मॉडल्स या VLMs कहा जाता है) भी इस सरल कार्य में बहुत खराब हैं। वे केवल रैंडम गलतियाँ नहीं करते; वे विचलित हो जाते हैं और एक अलग रेखा का अनुसरण करने लगते जो लगभग वैसी ही दिखती है जिसे आपने फॉलो करने के लिए कहा था।
यहाँ शोधकर्ताओं द्वारा की गई खोजों का विवरण दिया गया, जिसमें सरल उपमाओं का उपयोग किया गया है:
1. "भीड़भाड़ वाले रेलवे स्टेशन" की समस्या
शोधकर्ताओं ने यह देखने के लिए दो मुख्य परीक्षण बनाए कि एआई एक रेखा का पीछा कितनी अच्छी तरह कर सकता है।
- सर्किट टेस्ट (Circuit Test): एक अव्यवद्य बिजली के बोर्ड की कल्पना करें जिसमें एक ही रंग के कई तार एक-दूसरे के बगल में चल रहे हों। आप एआई को "पोर्ट 7" से जुड़े तार का पीछा करने के लिए कहते हैं।
- स्वर्ल टेस्ट (Swirl Test): एक एकल सर्पिल सीढ़ी (जैसे कैंडी केन का आकार) की कल्पना करें जिसमें रंगीन बिंदु हों। आप एआई को नीचे से ऊपर तक सीढ़ियाँ चढ़ने के लिए कहते हैं।
परिणाम: एआई सही शुरुआत करता है लेकिन लगभग तुरंत भ्रमित हो जाता है। यदि कोई अन्य तार या सर्पिल मोड़ ठीक उसके बगल में है जिसे उसे फॉलो करना चाहिए, तो एआई अक्सर उस पड़ोसी रेखा पर "कूद" जाता है। यह एक हाइकर (हाइकर) की तरह है जो जंगल में एक अकेले रास्ते का पीछा करने की कोशिश कर रहा है, लेकिन जब दो रास्ते कुछ फीट के लिए समानांतर चलते हैं, तो हाइकर गलती से दूसरे रास्ते पर कदम रख देता है और चलता रहता है।
2. "जुड़वां" का भटकाव
शोध पत्र ने पाया कि एआई इसलिए विफल नहीं हो रहा है क्योंकि कार्य बहुत कठिन है या क्योंकि वह "देख" नहीं सकता। वह इसलिए विफल होता है क्योंकि वहाँ लोकल कॉम्पिटिशन (स्थानीय प्रतिस्पर्धा) है।
इसे ऐसे समझें: आप एक शांत कमरे में अपने दोस्त को सुनने की कोशिश कर रहे हैं। आसान है। अब, कल्पना करें कि आपका दोस्त बोल रहा है, लेकिन ठीक उसके बगल में एक जुड़वां भाई है जो बिल्कुल उसी तरह के कपड़े पहने हुए है, बिल्कुल वैसी ही आवाज में बोल रहा है, और बिल्कुल वही शब्द कह रहा है। भले ही आप जानते हों कि आपका दोस्त कौन है, आपका दिमाग भ्रमित हो सकता है और जुड़वां की बात सुनने लग सकता है।
शोधकर्ताओं ने पाया कि जब "पड़ोसी" रेखा "लक्ष्य" वाली रेखा के समान दिखती है (समान रंग, समान कोण, समान आकार), तो एआई का ध्यान पड़ोसी की ओर खिंच जाता है। एआई किसी धुंधले तरीके से रास्ता नहीं "भूलता"; वह सक्रिय रूप से गलत रास्ता चुनता है क्योंकि गलत रास्ता बहुत आकर्षक लगता है।
3. "ज़्यादा सोचने" से भी मदद नहीं मिलती
शोधकर्ताओं ने इस समस्या को ठीक करने के लिए एआई से "चरण-दर-चरण सोचने" (जिसे रीजनिंग कहा जाता है) के लिए कहकर प्रयास किया। उन्हें उम्मीद थी कि एआई रुककर, करीब से देखेगा और कहेगा, "रुको, यह गलत रेखा है।"
उपमा: यह एक खोए हुए पर्यटक से यह पूछने जैसा है कि उसे "ज़्यादा सोचकर" तय करना चाहिए कि किस दिशा में जाना है। बजाय इसके कि वह मानचित्र (विजुअल लाइन) को देखे, वह सामान्य नियमों या अंदाजों का उपयोग करने लगता है जैसे, "आमतौर पर, सड़कें इस तरह मुड़ती हैं," या "सूरज बाईं ओर है, इसलिए मुझे दाईं ओर जाना चाहिए।"
शोध पत्र ने पाया कि:
- रीजनिंग ने विज़न को ठीक नहीं किया: एआई ने रेखा को सही ढंग से ट्रेस करना शुरू नहीं किया। इसके बजाय, उसने "शॉर्टकट" या अंदाजे लगाना शुरू कर दिया। उदाहरण के लिए, सर्पिल टेस्ट में, कुछ एआई ने रेखा को ट्रेस करना बंद कर दिया और सर्पिल के आकार के आधार पर बिंदुओं के क्रम का अनुमान लगाने लगे (जैसे, "आंतरिक घेरे में लाल रंग है, इसलिए अगला नीला होना चाहिए")।
- यह अधिक महंगा हो गया: जब एआई ने "सोचने" की कोशिश की, तो उसने भारी मात्रा में कंप्यूटिंग पावर का उपयोग किया (जैसे, एक इंसान खुद से बात करने में 10 मिनट लगा देता है सिर्फ "लाल, नीला, हरा" कहने के लिए), लेकिन फिर भी वह गलत उत्तर ही देता रहा।
- निर्देश विफल रहे: भले ही शोधकर्ताओं ने एआई को एक सख्त नियम पुस्तिका दी जिसमें लिखा था, "चाहे रेखाएं कितनी भी समान क्यों न दिखें, रेखा बदलना नहीं," एआई ने नियम की अनदेखी की और गलत रेखा पर कूद गया।
4. "बड़े दिमाग" का मिथक
आमतौर पर, जब एआई गलती करता है, तो हम मान लेते हैं कि यह इसलिए है क्योंकि मॉडल बहुत छोटा है। हम सोचते हैं, "अगर हम बस इसका दिमाग बड़ा कर दें, तो यह सही कर लेगा।"
शोधकर्ताओं ने छोटे से लेकर विशाल (235 बिलियन पैरामीटर्स तक) मॉडल्स का उपयोग करके इसका परीक्षण किया।
- परिणाम: बड़े मॉडल्स ने थोड़ा बेहतर प्रदर्शन किया, लेकिन बहुत ज्यादा नहीं। सबसे बड़े, सबसे महंगे मॉडल्स भी "भीड़भाड़ वाले रेलवे स्टेशन" में रास्ता भटक गए। दिमाग को बड़ा करने से उन्हें उलझे हुए जाल में एक अकेले धागे को थामे रखने की क्षमता नहीं मिली।
5. वास्तविक दुनिया की अराजकता
अंत में, शोधकर्ताओं ने वास्तविक दुनिया की छवियों पर इसका परीक्षण किया, जैसे कारखाने में उलझे हुए केबल या जटिल सबवे मैप।
- निष्कर्ष: वही समस्या हुई। जब एआई ने एक स्टेशन के माध्यम से सबवे लाइन को ट्रेस करने की कोशिश की जहाँ तीन लाइनें आपस में मिल रही हों, या गांठ के माध्यम से केबल का पीछा करने की कोशिश की, तो वह बार-बार गलत रेखा पर स्विच करता रहा। "कूदने" का यह व्यवहार केवल उनके नकली परीक्षणों की खामी नहीं थी; यह वास्तविक, अस्त-व्यस्त स्थितियों में भी होता है।
मुख्य निष्कर्ष (The Bottom Line)
शोध पत्र निष्कर्ष निकालता है कि वर्तमान एआई मॉडल इस बात को पहचानने में बेहतरीन हैं कि चीजें क्या हैं (जैसे, "वह एक सबवे मैप है"), लेकिन वे चीजों का अनुसरण करने (जैसे, "A से B तक इस विशिष्ट रेखा का पीछा करें") में आश्चर्यजनक रूप से खराब हैं।
उनके पास एक समर्पित "मांसपेशी" की कमी है जो उनका ध्यान एक पथ पर तब तक केंद्रित रख सके जब जब उसके बगल में एक समान दिखने वाला पथ मौजूद हो। जब तक हम ऐसे एआई का निर्माण नहीं करते हैं जिसमें इन "विजुअल ट्विन्स" (दृश्य जुड़वां) को अनदेखा करने के लिए एक समर्पित तंत्र हो, वे रेखाओं के सबसे सरल खेलों में भी रास्ता भटकते रहेंगे।
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।