SMILE-Next: Teaching Large Language Models to Detect, Classify, and Reason about Laughter
यह शोध पत्र SMILE-Next को पेश करता है, जो एक व्यापक वास्तविक दुनिया का हँसने का डेटासेट है, और एक विशेषीकृत लार्ज लैंग्वेज मॉडल फ्रेमवर्क प्रस्तावित करता है जिसमें 'लाफ्टर-स्पेसिफिक सेल्फ-इंस्ट्रक्ट' और एक 'मिक्सचर-ऑफ-लाफ-एक्सपर्ट्स (MoLE)' तंत्र शामिल है ताकि जटिल सामाजिक हँसी के संकेतों के पता लगाने, वर्गीकरण और तर्क करने की क्षमता में महत्वपूर्ण सुधार किया जा सके।
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
हंसी को एक जटिल, गुप्त कोड के रूप में कल्पना करें जिसका उपयोग मनुष्य संवाद करने के लिए करते हैं। यह केवल कुछ मज़ेदार मिलने के बारे में नहीं है; कभी-कभी हम विनम्र होने के लिए, झिझक को छिपाने के लिए, या अपनी घबराहट दिखाने के लिए भी हंसते हैं। लंबे समय तक, कंप्यूटर इस कोड को समझने में बहुत खराब रहे हैं। वे यह तो बता सकते थे कि किसी ने हंसी की, लेकिन उन्हें यह समझने में संघर्ष करना पड़ता था कि वह हंसी क्यों थी या वह किस तरह की हंसी थी।
यह शोध पत्र SMILE-Next पेश करता है, जो एक नया प्रोजेक्ट है जिसे कंप्यूटर को "हंसी का जासूस" बनने के लिए सिखाने के लिए डिज़ाइन किया गया है। उन्होंने इसे कैसे किया, यहाँ सरल भाषा में समझाया गया है:
1. नया "पाठ्यपुस्तक" (डेटासेट)
सोचिए कि शोधकर्ता AI के लिए एक विशाल, नई पाठ्यपुस्तक बना रहे हैं। इससे पहले, पाठ्यपुस्तकों में हंसी पर केवल कुछ ही पन्ने थे, जो ज्यादातर टीवी शो या TED टॉक से लिए गए थे।
- क्या नया है: उन्होंने वास्तविक जीवन के हजारों वीडियो क्लिप एकत्र किए—टॉक शो, फिल्में, और यहाँ तक कि सड़क पर दो लोगों की बातचीत भी।
- तीन सबक: केवल यह पूछने के बजाय कि "क्या वे हंसे?", यह पाठ्यपुस्तक AI को तीन विशिष्ट कौशल सिखाती है:
- डिटेक्शन (पहचानना): यह पकड़ना कि हंसी हुई है।
- क्लासिफिकेशन (वर्गीकरण): हंसी के प्रकार की पहचान करना (क्या यह एक खुशहाल "प्रसन्नता वाली" हंसी है? एक विनम्र "मैं बस सिर हिला रहा हूँ" वाली हंसी है? या एक अजीब "मुझे समझ नहीं आ रहा क्या कहूँ" वाली हंसी है?)।
- रीज़निंग (तर्क): यह समझाना कि वह क्यों हुई। (उदाहरण के लिए, "वह इसलिए हंसा क्योंकि उसके बॉस ने एक चुटकुला बनाया, लेकिन वह वास्तव में मीटिंग को लेकर घबराया हुआ था।")
2. "अनुवादक" रणनीति (टेक्स्टुअलाइजेशन)
यही इस शोध पत्र की सबसे बड़ी चाल है। आमतौर पर, AI एक साथ वीडियो देखने और ऑडियो सुनने की कोशिश करता है, जैसे कोई व्यक्ति रेडियो पर तेज़ आवाज़ सुनते हुए किताब पढ़ने की कोशिश कर रहा हो। वह भ्रमित हो जाता है क्योंकि संकेत आपस में उलझ जाते हैं।
शोधकर्ताओं ने तय किया कि वे पहले सब कुछ टेक्स्ट (पाठ) में अनुवाद करेंगे।
- रूपक: कल्पना कीजिए कि वीडियो एक विदेशी भाषा है। AI को शून्य से भाषा सीखने के लिए मजबूर करने के बजाय, उन्होंने एक अनुवादकों की टीम (विशेषज्ञ उपकरण) को काम पर रखा ताकि वे वीडियो को एक लिखित कहानी में बदल सकें।
- कहानी में शामिल है: क्या कहा गया (ट्रांसक्रिप्ट), आवाज़ कैसी थी (पिच, टोन), चेहरे के भाव कैसे थे (मुस्कान, शिकन), और लोग एक-दूसरे के प्रति कैसे थे (बॉस/कर्मचारी, दोस्त)।
- यह क्यों काम करता है: वीडियो को एक कहानी में बदलकर, AI अपनी सुपरपावर—भाषा को पढ़ने और समझने की शक्ति—का उपयोग चुटकुले को समझने के लिए कर सकता है। कंप्यूटर के लिए एक अजीब चुप्पी का वर्णन "पढ़ना" एक अजीब चुप्पी को "देखने" की तुलना में बहुत आसान है।
3. "विशेषज्ञों की विशेष टीम" (मिक्सचर-ऑफ़-लॉफ़-एक्सपर्ट्स)
एक बार जब AI के पास "पाठ्यपुस्तक" और "अनुवादित कहानियाँ" आ गईं, तो शोधकर्ताओं को एक तरीका चाहिए था जिससे वे AI को बिना भ्रमित हुए तीनों सबक (पहचानना, वर्गीकृत करना, तर्क देना) सिखा सकें।
- रूपक: एक सामान्य डॉक्टर की कल्पना करें जो हर चीज़ में अच्छा है लेकिन विशेषज्ञ नहीं है। शोधकर्ताओं ने इस डॉक्टर को तीन विशेषज्ञ सहायकों (जिन्हें "एक्सपर्ट्स" कहा जाता है) की एक टीम दी।
- एक्सपर्ट 1 हंसी को पहचानने में माहिर है।
- एक्सपर्ट 2 हंसी के प्रकार का अनुमान लगाने में माहिर है।
- एक्सपर्ट 3 कारण समझाने में माहिर है।
- द राउटर (मैनेजर): एक "मैनेजर" (राउटर) है जो सवाल को देखता है। यदि सवाल है "क्या वे हंसे?", तो मैनेजर एक्सपर्ट 1 को बुलाता है। यदि सवाल है "वे क्यों हंसे?", तो वह एक्सपर्ट 3 को बुलाता है। वे सभी एक ही मस्तिष्क में मिलकर काम करते हैं, लेकिन काम के आधार पर अपनी भूमिका बदलते हैं। यह AI को तेज़ और स्मार्ट बनाता है।
4. "अभ्यास ड्रिल" (सेल्फ-इंस्ट्रक्शन)
उनके द्वारा एकत्र किए गए वास्तविक दुनिया के वीडियो बेहतरीन थे, लेकिन वे हर संभव स्थिति को कवर करने के लिए पर्याप्त नहीं थे।
- रूपक: AI को और अधिक स्मार्ट बनाने के लिए, उन्होंने एक शक्तिशाली AI (GPT-4) का उपयोग करके नई अभ्यास ड्रिल लिखवाईं।
- AI को निर्देश दिया गया: "यहाँ हंसी के कुछ उदाहरण हैं। अब, 1,000 नए परिदृश्य आविष्कार करें जहाँ लोग हंस सकते हैं, जिसमें अजीब या असहज स्थितियाँ भी शामिल हों।"
- इसने AI को उन स्थितियों पर अभ्यास करने की अनुमति दी जिन्हें उसने पहले कभी नहीं देखा था, जिससे वह वास्तविक जीवन के आश्चर्यों को संभालने में बहुत बेहतर हो गया।
परिणाम
जब उन्होंने इस नए सिस्टम का परीक्षण किया:
- यह उन पिछले मॉडलों की तुलना में हंसी को समझने में बहुत बेहतर था जो सीधे वीडियो देखने की कोशिश करते थे।
- यह टेक्स्ट में वर्णित बॉडी लैंग्वेज और टोन को देखकर सही ढंग से पहचान सका कि हंसी "अजीब" थी न कि "मज़ेदार"।
- इंसान इसके स्पष्टीकरणों को अन्य मॉडलों की तुलना में अधिक पसंद करते थे क्योंकि उन्हें वे अधिक सटीक और मानवीय लगे।
संक्षेप में: इस शोध पत्र ने केवल एक बेहतर हंसी डिटेक्टर नहीं बनाया; इसने एक ऐसा सिस्टम बनाया जो वीडियो को एक कहानी में अनुवाद करता है, उस कहानी का विश्लेषण करने के लिए विशेषज्ञों की एक टीम का उपयोग करता है, और मानव सामाजिक संकेतों का मास्टर बनने के लिए काल्पनिक परिदृश्यों पर अभ्यास 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।