Chronicle: A Multimodal Foundation Model for Joint Language and Time Series Understanding
क्रॉनिकल (Chronicle) एक सघन, 324M-पैरामीटर वाला डिकोडर-ओनली ट्रांसफार्मर है जिसे एक एकीकृत आर्किटेक्चर के भीतर प्राकृतिक भाषा और टाइम सीरीज़ दोनों पर शून्य से प्रशिक्षित किया गया है, जो प्रीट्रेन मॉडल के पोस्ट-हॉक अनुकूलन पर निर्भर किए बिना दोनों डोमेन में प्रतिस्पर्धी प्रदर्शन और बेहतर मल्टीमॉडल पूर्वानुमान क्षमताओं को प्राप्त 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 एक कमरे में दो बहुत ही अलग प्रकार के विशेषज्ञ मौजूद हैं।
पहला विशेषज्ञ एक टाइम सीरीज़ एनालिस्ट (Time Series Analyst) है। वे उन नंबरों को देखने में माहिर हैं जो समय के साथ बदलते रहते हैं—जैसे शेयर की कीमतें, मौसम के पैटर्न, या हृदय गति मॉनिटर। वे केवल रेखाओं के आकार को देखकर यह अनुमान लगा सकते हैं कि आगे क्या होने वाला है। हालाँकि, वे मूक हैं; वे उन नोट्स, समाचार रिपोर्टों या विवरणों को नहीं पढ़ सकते जो अक्सर उन नंबरों के साथ आते हैं।
दूसरा विशेषज्ञ एक भाषा विद्वान (Language Scholar) है। वे किताबें पढ़ने, कहानियों को समझने और सवालों के जवाब देने में अत्यंत बुद्धिमान हैं। लेकिन यदि आप उन्हें कच्चे नंबरों का एक स्प्रेडशीट थमा दें, तो वे पूरी तरह से खो जाते हैं। वे "डेटा" की भाषा नहीं बोलते।
लंबे समय तक, वैज्ञानिकों ने इन दोनों विशेषज्ञों को एक साथ काम करने के लिए प्रशिक्षित करने की कोशिश की, जिसमें उन्होंने भाषा विद्वान को नंबरों का एक क्रैश कोर्स कराया और उम्मीद की कि वे दोनों को समझ पाएंगे। यह तर्क देना वैसा ही है जैसे किसी मछली को जूते पहनाकर पेड़ पर चढ़ने के लिए मजबूर करना। भाषा विद्वान का मस्तिष्क शब्दों के लिए बना था, समय की लय के लिए नहीं, इसलिए परिणाम अटपटे और अक्षम रहे।
"क्रॉनिकल" (Chronicle) से मिलिए।
इस शोध पत्र के लेखकों ने शून्य से एक बिल्कुल नए प्रकार के विशेषज्ञ का निर्माण किया। एक मौजूदा भाषा विशेषज्ञ को गणित सिखाने के बजाय, उन्होंने एक एकल, संक्षिप्त मस्तिष्क (एक 324-मिलियन पैरामीटर मॉडल) बनाया जिसने पहले दिन से ही दोनों भाषाओं को एक साथ सीखा।
उन्होंने इसे कैसे किया, इसके लिए यहाँ कुछ सरल उपमाएँ दी गई हैं:
1. "साझा कक्षा" (Shared Classroom) दृष्टिकोण
अधिकांश पिछले मॉडलों ने एक भाषा मॉडल पर एक टाइम-सीरीज़ मॉड्यूल जोड़ने की कोशिश की। यह एक घर बनाने और फिर छत पर स्विमिंग पूल चिपकाने की तरह है।
क्रॉनिकल अलग है। यह एक एकल, साझा कक्षा बनाने जैसा है जहाँ छात्र (डेटा) या तो किताब पढ़ रहे हैं या घड़ी की टिक-टिक देख रहे हैं।
- पाठ्यक्रम: अधिकांश प्रशिक्षण के दौरान, छात्र अलग-अलग समूहों में अध्ययन करते हैं। 92% समय, वे किताबें पढ़ते हैं। 8% समय, वे घड़ी का अध्ययन करते हैं।
- जादू: भले ही वे अलग-अलग अध्ययन करते हैं, वे एक ही डेस्क पर बैठते हैं और एक ही नोटबुक (साझा पैरामीटर्स) का उपयोग करते हैं। जब तक वे स्नातक होते हैं, "भाषा" वाले हिस्से ने समय की लय सीख ली होती है, और "समय" वाले हिस्से ने भाषा की बारीकियां सीख ली होती हैं, और यह सब बिना एक-दूसरे से चिपके होता है।
2. "पैचवर्क" (Patchwork) क्विल्ट
मॉडल को समय के बारे में सिखाने के लिए, लेखकों ने इसे एक-एक करके कच्चे नंबर नहीं खिलाए। इसके बजाय, उन्होंने टाइम सीरीज़ को छोटे टुकड़ों में काट दिया, जैसे कि क्विल्ट के पैच (patches of a quilt)।
- कल्पना कीजिए कि तापमान डेटा की एक लंबी पट्टी एक साल का प्रतिनिधित्व करती है।
- उन्होंने इसे 32-दिवसीय टुकड़ों (पैच) में काट दिया।
- प्रत्येक पैच को एक एकल "टोकन" (एक शब्द जैसी इकाई) में बदल दिया गया जिसे मॉडल समझ सकता है।
- यह मॉडल को डेटा के "आकार" को देखने की अनुमति देता है (क्या यह ऊपर जा रहा है? क्या इसमें उछाल आ रहा है?) ठीक वैसे ही जैसे वह एक वाक्य को देखता है।
3. "दो-चरणीय" (Two-Stage) प्रशिक्षण
प्रशिक्षण दो चरणों में हुआ:
- चरण 1 (बुनियादी बातें): मॉडल ने किताबों को पढ़ना और क्विल्ट के अगले पैच की भविष्यवाणी करना अलग-अलग सीखा। वह इन दोनों कार्यों में अपने आप में बहुत कुशल हो गया।
- चरण 2 (संवाद): उन्होंने थोड़े से "मिश्रित" डेटा को पेश किया। कल्पना कीजिए कि आप मॉडल को एक तूफान के बादल की तस्वीर (क्विल्ट पैच) और साथ में वाक्य "बारिश हो रही है" (टेक्स्ट) दिखा रहे हैं। इसने मॉडल को यह सिखाया कि दोनों मोडैलिटीज (modalities) एक-दूसरे से कैसे संबंधित हैं, जिससे वह यह समझ सका कि नंबरों का एक विशिष्ट पैटर्न "बारिश" का अर्थ है।
उन्होंने क्या सिद्ध किया?
शोध पत्र का दावा है कि यह नया "क्रॉनिकल" मॉडल तीन कारणों से एक पावरहाउस है:
- यह एक द्विभाषी मास्टर है: यह टेक्स्ट को उसी तरह समझता है जैसे अन्य समान आकार के विशेष भाषा मॉडल (जैसे Gemma-3 या LLaMA) समझते हैं। गणित सीखने के कारण इसने अपनी पढ़ने की क्षमता नहीं खोई।
- यह एक समय बताने वाला प्रो (Pro) है: यह लगभग उन सभी मॉडलों से बेहतर भविष्यवाणियाँ करता है जो केवल नंबरों को देखते हैं, भले ही इसने अपना अधिकांश प्रशिक्षण समय टेक्स्ट पढ़ने में बिताया हो।
- यह मिश्रण करने में सर्वश्रेष्ठ है: जब आप इसे टेक्स्ट और नंबर दोनों एक साथ देते हैं (जैसे शेयर बाजार की गिरावट के बारे में एक समाचार रिपोर्ट और शेयर चार्ट), तो यह किसी भी पिछले मॉडल की तुलना में बेहतर भविष्यवाणियाँ करता है जिसने इन दोनों को मिलाने की कोशिश की थी।
निष्कर्ष (The Bottom Line)
शोध पत्र निष्कर्ष निकालता है कि आपको भाषा मॉडल को टाइम सीरीज़ सीखने के लिए मजबूर करने की या टाइम-सीरीज़ मॉडल को भाषा सीखने की आवश्यकता नहीं है। इसके बजाय, आप एक एकीकृत आधार (unified foundation) बना सकते हैं जो ज़मीन से ही दोनों को सीखता है।
इसे एक ऐसे यूनिवर्सल ट्रांसलेटर की तरह समझें जिसने केवल शब्द-दर-शब्द अनुवाद करके दूसरी भाषा नहीं सीखी, बल्कि एक साथ दोनों भाषाएं बोलते हुए बड़ी हुई है। वह दोनों की भावना और संदर्भ को समझती है, जो उसे उन लोगों की तुलना में कहीं अधिक सटीक बनाती है जिन्होंने जीवन में बाद में केवल व्याकरण के नियमों को सीखा है।
नोट: शोध पत्र पूरी तरह से डेटा को समझने, वर्गीकृत करने और पूर्वानुमान लगाने की मॉडल की क्षमता पर केंद्रित है। यह दावा नहीं करता है कि इस मॉडल का वर्तमान में अस्पतालों, वित्तीय ट्रेडिंग फ्लोर या मौसम केंद्रों में उपयोग किया जा रहा है, न ही यह भविष्य के नैदानिक अनुप्रयोगों की भविष्यवाणी करता है। यह एक मौलिक अनुसंधान कदम है जो यह सिद्ध करता है कि इस विशिष्ट तरीके से AI बनाने का तरीका बेहतर काम करता 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।