TimeLens: On-Device Artifact Recognition with Retrieval-Augmented Question Answering for the Grand Egyptian Museum
TimeLens ग्रैंड इजिप्शियन म्यूजियम के लिए एक ऑन-डिवाइस, द्विभाषी AI मोबाइल गाइड है जो वास्तविक समय में तथ्य-आधारित विजुअल रिकग्निशन और इंटरैक्टिव Q&A प्रदान करने के लिए एक उच्च-सटीक, लाइटवेट आर्टिफैक्ट डिटेक्टर को एक अनुकूलित रिट्रीवल-ऑगमेंटेड जनरेशन सिस्टम 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
कल्पना कीजिए कि आप ग्रैंड इजिप्टियन म्यूजियम (GEM) की यात्रा कर रहे हैं। आप एक डिस्प्ले केस के पास जाते हैं जिसमें 51 अलग-अलग प्राचीन मूर्तियाँ रखी हैं। उनमें से कई लगभग एक जैसी दिखती हैं—जैसे एक ही शाही परिवार के जुड़वां या तीन जुड़वां बच्चे, जिनमें केवल शिरोवस्त्र (headdress) का एक छोटा सा विवरण या मुद्रा में मामूली बदलाव होता है।
आप अपने फोन को जानकारी प्राप्त करने के लिए निकालते हैं। आज के अधिकांश म्यूजियम ऐप्स एक ऐसे पर्यटक की तरह हैं जिसे जवाब पाने के लिए घर फोन करने की जरूरत होती है: वे आपकी फोटो दूर स्थित एक सर्वर पर भेजते हैं, जवाब का इंतजार करते हैं, और अक्सर गलत जवाब देते हैं या तथ्य बना लेते हैं क्योंकि उन्हें विशिष्ट इतिहास का ज्ञान नहीं होता।
TimeLens एक नया मोबाइल ऐप है जिसे इसे ठीक करने के लिए डिज़ाइन किया गया है। यह एक सुपर-स्मार्ट, द्विभाषी (अंग्रेजी और अरबी) टूर गाइड की तरह काम करता है जो पूरी तरह से आपके फोन के अंदर रहता है। यह कैसे काम करता है, यहाँ इसके दो मुख्य "सुपरपावर्स" का विवरण दिया गया है:
1. "ईगल आई" (मूर्तियों को देखना)
ऐप का पहला काम आपकी कैमरा स्क्रीन को देखना और तुरंत कहना है, "यह राजा अखेनाटेन की मूर्ति है," न कि "यह एक सामान्य मूर्ति है।"
- समस्या: शोधकर्ताओं ने पाया कि मूर्तियाँ इतनी समान हैं कि कंप्यूटर आसानी से भ्रमित हो जाते हैं। यह केवल एक धुंधली फोटो देखकर 50 समान जुड़वा बच्चों में से अंतर करने की कोशिश करने जैसा है।
- गलती: शुरुआत में, टीम ने एक "रोबोटिक सहायक" (एक AI जिसे YOLO-World कहा जाता है) का उपयोग उनके लिए फोटो को लेबल करने के लिए किया। लेकिन वह रोबोट जुड़वाओं को आपस में मिला देता था या गलत चीजों की ओर इशारा करता था, जैसे कि एक बेंच या दीवार पर लगा साइन।
- समाधान: टीम को एहसास हुआ कि समस्या रोबोट नहीं थी; बल्कि निर्देश थे। उन्होंने रोबोट के त्वरित अनुमानों पर भरोसा करना बंद करने का फैसला किया और इसके बजाय हजारों फोटो में हर एक मूर्ति के चारों ओर सावधानीपूर्वक बॉक्स बनाने में समय बिताया।
- परिणाम: एक बार जब उन्होंने "निर्देशों" (लेबल) को साफ कर दिया, तो ऐप अविश्वसनीय रूप से सटीक हो गया। अब यह लगभग एक जैसी दिखने वाली मूर्तियों के बीच 99.5% सटीकता के साथ अंतर कर सकता है।
- जादू: यह "ईगल आई" इतना छोटा और कुशल (केवल लगभग 6 मेगाबाइट, जो कुछ हाई-रेजोल्यूशन फोटो के आकार के बराबर है) है कि यह पूरी तरह से आपके फोन पर चलता है। इसे डेटा इंटरनेट पर भेजने की आवश्यकता नहीं है, इसलिए यह तुरंत काम करता है, भले ही आपके पास सिग्नल न हो।
2. "ईमानदार लाइब्रेरियन" (सवालों के जवाब देना)
एक बार जब ऐप जान जाता है कि आप क्या देख रहे हैं, तो आप इससे सवाल पूछ सकते हैं जैसे, "इसे किसने बनाया?" या "इस प्रतीक का क्या अर्थ है?"
- समस्या: मानक AI चैटबॉट्स उन छात्रों की तरह हैं जो बातें करने में तो माहिर हैं लेकिन तथ्यों में बहुत खराब हैं। यदि उन्हें उत्तर नहीं पता होता है, तो वे अक्सर "हैलुसिनेट" (hallucinate) करते हैं—यानी वे एक विश्वसनीय लगने वाली कहानी बना लेते हैं जो पूरी तरह से गलत होती है। संग्रहालय में, इतिहास बनाना कोई अच्छी बात नहीं है।
- समाधान: टीम ने एक "रिट्रीवल-ऑगमेंटेड जनरेशन" (RAG) सिस्टम बनाया है। इसे एक सख्त लाइब्रेरियन के रूप में समझें।
- उस लाइब्रेरियन के पास एक विशिष्ट, क्यूरेटेड बुकशेल्फ (एक डेटाबेस) है जिसमें संग्रहालय की कलाकृतियों के बारे में ठीक 108 रिकॉर्ड मौजूद हैं, जो अंग्रेजी और अरबी दोनों में लिखे गए हैं।
- जब आप कोई सवाल पूछते हैं, तो लाइब्रेरियन अपनी याददाश्त पर भरोसा नहीं करता। इसके बजाय, वह तुरंत बुकशेल्फ की ओर दौड़ता है, उस विशिष्ट मूर्ति के बारे में सटीक पेज ढूंढता है, और आपको उत्तर पढ़कर सुनाता है।
- यदि उत्तर किताब में नहीं है, तो लाइब्रेरियन कुछ भी मनगढ़ंत बनाने के बजाय बस इतना कहेगा, "मुझे नहीं पता।"
- गति: शुरुआत में, यह "लाइब्रेरियन" धीमा था, किताब खोजने और उत्तर पढ़ने में 30 सेकंड से अधिक का समय लेता था। टीम ने इस प्रक्रिया को अनुकूलित किया (जैसे किताबों को बेहतर ढंग से व्यवस्थित करना और लाइब्रेरियन को तेज़ चश्मा देना), जिससे समय घटकर लगभग 10 सेकंड रह गया।
सब कुछ एक साथ जोड़ना
यह ऐप Flutter का उपयोग करके बनाया गया है, जो एक ऐसा टूल है जो इसे iPhone और Android दोनों पर सुचारू रूप से चलाने की अनुमति देता है।
- आप इसका उपयोग कैसे करेंगे: आप अपनी कैमरा स्क्रीन को एक मूर्ति की ओर करते हैं। "ईगल आई" तुरंत इसकी पहचान कर लेती है। फिर आप अंग्रेजी या अरबी में एक प्रश्न पूछते हैं। "ईमानदार लाइब्रेरियन" अपने स्थानीय डेटाबेस से तथ्य खोजता है और टेक्स्ट-टू-स्पीच का उपयोग करके उत्तर बोलकर सुनाता है।
- यह क्यों महत्वपूर्ण है: अन्य म्यूजियम ऐप्स के विपरीत जिन्हें इंटरनेट की आवश्यकता होती है, जो मैन्युअल रूप से स्कैन किए जाने वाले QR कोड पर निर्भर करते हैं, या जो इतिहास के बारे में झूठ बोल सकते हैं, TimeLens तेज़ है, ऑफलाइन काम करता है, आपकी भाषा बोलता है, और पूरी तरह से तथ्यों पर टिका रहता है।
संक्षेप में, TimeLens आपके फोन को एक जानकार, ईमानदार और त्वरित टूर गाइड में बदल देता है जो कभी थकता नहीं है और कभी मनगढ़ंत बातें नहीं करता, और यह सब आपकी जेब में समा जाता 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।