In Search of the Ingredients of Open-Endedness: Replicating Picbreeder with Large Vision-Language Models
यह शोध पत्र इस बात की जांच करता है कि क्या बड़े विजन-लैंग्वेज मॉडल (VLMs), मानव-संचालित पिकब्रीडर (Picbreeder) प्रयोगों में देखे गए मुक्त-अंत वाले, रचनात्मक अन्वेषण की नकल कर सकते हैं, और यह पाता है कि हालांकि VLMs विशिष्ट आउटपुट उत्पन्न करते हैं, लेकिन जनरेटिव क्षमता के अंतर को बेहतर ढंग से समझने और संभावित रूप से उसे पाटने के लिए एक्सप्लोरेटरी नॉइज़ (exploratory noise), व्यवहार संबंधी विविधता और मेमोरी जैसे तंत्रों को शामिल करना आवश्यक 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 डिजिटल आर्ट गैलरी की कल्पना करें जिसे Picbreeder कहा जाता है। वर्षों से, वास्तविक मनुष्य इस गैलरी में "विकासवादी कला" (evolutionary art) का खेल खेलने के लिए आते रहे हैं। वे पिक्सेल के एक यादृच्छिक (random), धुंधले धब्बे से शुरुआत करते हैं। वे उस चीज़ को चुनते हैं जो उन्हें सबसे अच्छी लगती है, कंप्यूटर से उसे थोड़ा बदलने के लिए कहते हैं (जैसे कि एक आनुवंशिक उत्परिवर्तन या mutation), और फिर उससे बनी नई और बेहतर तस्वीर चुनते हैं। वे इस प्रक्रिया को बार-बार दोहराते हैं, जिससे छवियों का एक वंशावली वृक्ष (family tree) बनता है। समय के साथ, मनुष्यों ने इन धब्बों को पहचानने योग्य चीजों जैसे कि कारों, चेहरों या मशरूमों में विकसित करना सीख लिया, जो उन्होंने योजना बनाने के बजाय अक्सर संयोग से खोजा।
बड़ा सवाल जो यह शोध पत्र पूछता है वह यह है: क्या एक AI इसे अपने आप कर सकता है?
शोधकर्ताओं ने मानव खिलाड़ियों की जगह लार्ज विजन-लैंग्वेज मॉडल्स (VLMs) को रख दिया—जो कि सुपर-स्मार्ट AI हैं जो चित्रों को देख सकते हैं और भाषा को समझ सकते हैं। वे यह देखना चाहते थे कि क्या ये AI बिना किसी विशिष्ट लक्ष्य के, नई और दिलचस्प चीजों को खोजने की मानवीय क्षमता की नकल कर सकते हैं।
यहाँ उन्होंने क्या पाया, जिसे सरल उपमाओं के माध्यम से समझाया गया है:
1. सेटअप: द एआई आर्ट क्लास (The AI Art Class)
सोचिए कि AI एजेंट एक आर्ट क्लास के छात्र हैं।
- कैनवस: पेंट के बजाय, वे छवियों को उत्पन्न करने वाले छोटे न्यूरल नेटवर्क (गणितीय रेसिपी) विकसित कर रहे हैं।
- शिक्षक: AI को बताया जाता है, "इन छवियों को देखो, जो तुम्हें पसंद हैं उन्हें चुनो, और उनके आधार पर नई चीजें बनाओ।"
- लक्ष्य: कोई "सही" उत्तर नहीं है। लक्ष्य बस अनंत काल तक नई, दिलचस्प चीजें बनाना है।
2. समस्या: AI एक ही ढर्रे में फंस जाता है (The AI Gets Stuck in a Rut)
जब शोधकर्ताओं ने AI को बिना किसी विशेष ट्रिक के अकेले खेलने दिया, तो इसने कुछ हद तक एक ऐसे छात्र की तरह व्यवहार किया जो ऊब जाता है और बार-बार एक ही चीज़ बनाने लगता है।
- "लोमड़ी" का जाल (The "Fox" Trap): जानवरों की एक विस्तृत विविधता खोजने के बजाय, AI एक लूप में फंस गया, जो लोमड़ी जैसी या मछली की हड्डी जैसी आकृतियों के दर्जनों थोड़े अलग संस्करण बनाता रहा। इसमें पूरी तरह से नई और अलग विचार की ओर "बड़ा कदम" उठाने की मानवीय क्षमता की कमी थी।
- मेमोरी (स्मृति) की समस्या: मनुष्य याद रखते हैं कि उन्होंने पहले क्या देखा है और वे खुद को दोहराने से बचने की कोशिश करते हैं। हालाँकि, AI को स्मृति के साथ संघर्ष करना पड़ा।
- यदि AI के पास अपने पिछले कदमों की कोई स्मृति नहीं थी, तो वह बार-बार एक ही छवि को स्पैम करता रहता।
- यदि AI के पास बहुत अधिक स्मृति थी (अपना पूरा इतिहास पढ़ना), तो वह अभिभूत और भ्रमित हो जाता, जिससे स्पष्ट चित्रों के बजाय शोर भरा कचरा (noisy static) पैदा होता।
- द स्वीट स्पॉट (The Sweet Spot): AI तब सबसे अच्छा काम करता था जब वह केवल पिछली आखिरी चीज़ को याद रखता था। यह खुद को तुरंत दोहराने से बचने के लिए पर्याप्त था, लेकिन इतना भी नहीं कि वह भ्रमित हो जाए।
3. समाधान: AI को अधिक रचनात्मक बनाने के तरीके
शोधकर्ताओं ने यह देखने के लिए तीन मुख्य "सामग्री" (ingredients) आजमाईं कि क्या वे रचनात्मकता की चिंगारी पैदा कर सकते हैं, ठीक वैसे ही जैसे एक शिक्षक छात्र को प्रेरित करने की कोशिश कर सकता है।
A. थोड़ा "अराजकता" जोड़ना (Exploratory Noise)
एक ऐसे छात्र की कल्पना करें जो नियमों का पालन करने में बहुत सटीक है। कभी-कभी, आपको उन्हें कहना पड़ता है, "अरे, बस एक बार एक रैंडम रंग चुनकर देखो!"
- शोधकर्ताओं ने AI के विकल्पों में थोड़ी सी यादृच्छिकता (randomness) जोड़ी। हमेशा "सबसे अच्छी" छवि चुनने के बजाय, AI कभी-कभी एक रैंडम छवि चुनता था ताकि यह देखा जा सके कि क्या होता है।
- परिणाम: इसने AI को "लोमड़ी के जाल" से बाहर निकलने और अधिक विविध आकृतियाँ खोजने में मदद की। हालाँकि, यदि उन्होंने बहुत अधिक अराजकता जोड़ी, तो AI ने केवल कचरा शोर (garbage noise) बनाना शुरू कर दिया। नई राहें खोजने के लिए थोड़ी सी यादृच्छिकता ही कुंजी थी।
B. AI को "व्यक्तित्व" देना (Giving the AI "Personalities")
कल्पना करें कि 1,000 छात्रों वाली एक कक्षा है, लेकिन उनमें से प्रत्येक एक जैसा होने के बजाय, आप प्रत्येक को एक अनूठा व्यक्तित्व गुण देते हैं। एक "कैंपफायर के धुएं की गंध" के प्रति जुनूनी है, दूसरा "सायरन की दृश्य ध्वनि" की तलाश में है, और तीसरा "ऊब गया है और नियम तोड़ना चाहता है।"
- शोधकर्ताओं ने 1,000 अलग-अलग AI एजेंट बनाए, जिनमें से प्रत्येक के पास एक अनूठा, विचित्र व्यक्तित्व प्रॉम्प्ट था।
- परिणाम: इससे बहुत अधिक विविधता पैदा हुई। क्योंकि प्रत्येक एजेंट कुछ अलग तलाश रहा था, गैलरी में छवियों की एक विशाल विविधता भर गई।
- पेंच (The Catch): जबकि गैलरी विविध थी, यह "विरोधी" (adversarial) छवियों से भी भर गई—अजीब, साइकेडेलिक, शोर भरी पैटर्न, जो टीवी स्टैटिक की तरह दिखते थे। ये वे छवियां थीं जो एजेंटों के अजीब, अमूर्त व्यक्तित्व को संतुष्ट करती थीं लेकिन वास्तविक कुछ भी नहीं दिखती थीं। यह ऐसा था जैसे किसी छात्र ने तय कर लिया हो कि "खराब टीवी रिसेप्शन" ही सबसे सुंदर कला रूप है।
4. निष्कर्ष: इंसान अभी भी बढ़त बनाए हुए हैं (The Verdict: Humans Still Have the Edge)
शोध पत्र निष्कर्ष निकालता है कि हालांकि AI यह खेल खेल सकता है, लेकिन यह अभी भी मानव संस्करण के बराबर नहीं है।
- मानवीय गैलरी: परिष्कृत, पहचानने योग्य वस्तुओं (कारें, चेहरे, उपकरण) से भरी हुई है जो सार्थक और विकसित महसूस होती हैं।
- AI गैलरी: दिलचस्प पैटर्न से भरी हुई है, लेकिन अक्सर लूप में फंसी हुई, या शोर भरे, अमूर्त स्टैटिक से भरी हुई है। AI रचनात्मकता के उन "बड़े कदमों" को उठाने में संघर्ष करता है जो मनुष्य स्वाभाविक रूप से करते हैं।
मुख्य बात (The Takeaway):
शोधकर्ताओं ने केवल एक बेहतर आर्ट बॉट नहीं बनाया; उन्होंने यह समझने के लिए एक प्रयोगशाला बनाई कि मनुष्य खुले तौर पर खोज (open-ended discovery) करने में इतने अच्छे क्यों हैं। उन्होंने पाया कि AI को वास्तव में रचनात्मक होने के लिए, आपको एक नाजुक संतुलन की आवश्यकता होती है:
- खुद को दोहराने से बचने के लिए पर्याप्त स्मृति।
- नई चीजें आज़माने के लिए पर्याप्त यादृच्छिकता।
- विभिन्न कोनों को खोजने के लिए विविध "व्यक्तित्वों" का एक समूह।
लेकिन इन सामग्रियों के साथ भी, AI अभी भी बहुत सारा "शोर" पैदा करता है और अपने आप सार्थक, पहचानने योग्य वस्तुओं को खोजने में पूरी तरह सक्षम नहीं हुआ है। यह शोध पत्र सुझाव देता है कि हम अभी भी उस गुप्त "सामग्री" की तलाश कर रहे हैं जो मानव रचनात्मकता को इतना विशेष बनाती 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।