Lexical Consensus: Grounded Word Learning and Shared Meaning in Artificial Agents
यह शोध पत्र 'लेक्सिकल कंसेंसस' (Lexical Consensus) ढांचे को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि कृत्रिम एजेंट अर्थ संबंधी संबद्धता के बजाय प्रत्यक्ष बोध की दूरी (perceptual distance) के आधार पर आधारभूत शब्द अर्थों को प्राप्त और स्थिर कर सकते हैं, जो एक सुदृढ़ शिक्षण प्रवणता (learning gradient) को प्रकट करता है जहाँ मूल श्रेणियाँ सीखने में सबसे आसान होती हैं जबकि दूरस्थ-विभक्त अवधारणाएँ संयोग के स्तर के करीब पहुँच जाती हैं, और यह भी रेखांकित करता है कि द्वि-दिशीय नामकरण और पुनर्प्राप्ति जमे हुए प्रत्यक्ष बोध ज्यामितियों (frozen perceptual geometries) के भीतर विशिष्ट तंत्रों पर निर्भर करती हैं।
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 रोबोट को बोलना सिखा रहे हैं, लेकिन उसे परिभाषाओं से भरी डिक्शनरी देने के बजाय, आप चित्रों की ओर इशारा करते हैं और कहते हैं, "यह एक slithy है," या "वह एक vorpal है।" रोबोट ने पहले कभी ये शब्द नहीं सुने हैं और अभी इनके लिए इसका कोई अर्थ नहीं है। मुख्य प्रश्न जो यह शोध पत्र पूछता है, वह यह है: क्या रोबोट वास्तव में केवल चित्रों को देखकर इन शब्दों का अर्थ सीख सकता है, और क्या वह इन्हें बाद में याद रख पाएगा?
शोधकर्ता, पी. एम. वेरा के नेतृत्व में, यह परीक्षण करने के लिए लेक्सिकल कंसेंसस (Lexical Consensus) नामक एक विशेष प्रयोग बनाया। यह कैसे काम करता है, इसे सरल उपमाओं के माध्यम से समझाया गया है।
1. रोबोट की "आंखें" पहले से ही व्यवस्थित हैं
रोबोट द्वारा कोई शब्द सीखने से पहले, उसे "आंखें" (एक प्री-ट्रेन्ड कंप्यूटर विजन मॉडल जिसे DINOv2 कहा जाता है) दी जाती हैं। इन आंखों को एक अत्यधिक व्यवस्थित लाइब्रेरी की तरह समझें।
- लाइब्रेरी में किताबें पहले से ही शैली (genre) के अनुसार क्रमबद्ध हैं। सभी "मेंढक" वाली किताबें एक शेल्फ पर हैं, सभी "घोड़े" वाली किताबें दूसरी शेल्फ पर हैं, और सभी "जहाज" वाली किताबें तीसरी शेल्फ पर हैं।
- रोबोट देखना नहीं सीखता; वह बस इस पूर्व-व्यवस्थित लाइब्रेरी का उपयोग करता है। शोधकर्ता यह देखना चाहते थे कि क्या रोबोट इन मौजूदा शेल्फों पर नए लेबल लगाना सीख सकता है।
2. "कैरोल" शब्दावली
सामान्य शब्दों जैसे "कुत्ता" या "कार" के बजाय, शोधकर्ताओं ने लुईस कैरोल की एलिस इन वंडरलैंड के काल्पनिक शब्दों (जैसे slithy, mimsy, और vorpal) का उपयोग किया।
- क्यों? क्योंकि यदि आप "कुत्ता" शब्द का उपयोग करते हैं, तो हो सकता है कि रोबोट पहले से ही जानता हो कि कुत्ता क्या है। काल्पनिक शब्दों का उपयोग करके, शोधकर्ता यह सुनिश्चित करते हैं कि रोबोट केवल उन चित्रों से सीख रहा है जो उन्हें दिखाए गए हैं, न कि उस चीज़ से जो वह पहले से जानता था।
3. कठिनाई के चार स्तर (कॉन्सेप्ट कार्विंग)
शोधकर्ताओं ने यह परीक्षण करने के लिए कि सीखना कितना कठिन था, रोबोट का चार अलग-अलग प्रकार के पाठों के साथ परीक्षण किया:
- स्तर 1: नेटिव कॉन्सेप्ट्स (आसान शेल्फ)।
- पाठ: "यह शब्द slithy का अर्थ है केवल मेंढक।"
- परिणाम: रोबोट ने इसे तुरंत सीख लिया। यह एक पहले से ही पूरी तरह व्यवस्थित शेल्फ पर नया नाम टैग लगाने जैसा है।
- स्तर 2: कोहेरेंट ओवरएक्सटेंशन (संबंधित शेल्फ)।
- पाठ: "यह शब्द mimsy का अर्थ है मेंढक और टोड।" (ऐसी चीजें जो दिखने में समान हैं)।
- परिणाम: रोबोट ने इसे अभी भी बहुत अच्छी तरह से सीखा। यह दो शेल्फों पर नाम टैग लगाने जैसा है जो एक-दूसरे के ठीक बगल में हैं।
- स्तर 3: मिड-रेंज डिसजंक्टिव (दूर स्थित शेल्फ)।
- पाठ: "यह शब्द vorpal का अर्थ है मेंढक और जहाज।" (ऐसी चीजें जो कुछ अलग हैं)।
- परिणाम: रोबोट संघर्ष करने लगा। उसने अक्सर अर्थ गलत समझा।
- स्तर 4: फार-डिसजंक्टिव (विपरीत शेल्फ)।
- पाठ: "यह शब्द gimble का अर्थ है मेंढक और हवाई जहाज।" (ऐसी चीजें जो पूरी तरह से असंबंधित और लाइब्रेरी के अलग-अलग हिस्सों में हैं)।
- परिणाम: रोबोट विफल रहा। उसका प्रदर्शन केवल अनुमान लगाने से बेहतर नहीं था।
बड़ी खोज: रोबोट ने शब्दों को इस आधार पर नहीं सीखा कि समूह कितना "तार्किक" था। उसने इस आधार पर सीखा कि चित्र उनकी आंतरिक लाइब्रेरी में एक-दूसरे के कितने करीब दिखते थे। यदि चित्र उनके पड़ोसी थे, तो रोबलो ने शब्द सीख लिया। यदि चित्र उनकी लाइब्रेरी के अलग-अलग हिस्सों में रहने वाले अजनबी थे, तो वह शब्द नहीं सीख सका।
4. "नाम" बनाम "स्मृति" परीक्षण
शोधकर्ताओं ने रोबोट का दो तरीकों से परीक्षण किया:
- नामकरण (इमेज वर्ड): चित्र दिखाएं, पूछें "यह क्या है?"
- प्राप्ति (वर्ड इमेज): कहें "मुझे एक slithy दिखाओ," और रोबोट से चित्रों के ढेर में से सही चित्र चुनने को कहें।
उन्होंने पाया कि ये अलग-अलग कौशल हैं।
- नामकरण के लिए, एक साधारण "औसत" स्मृति ठीक थी।
- प्राप्ति के लिए, रोबोट तब बहुत बेहतर था जब उसने विशिष्ट उदाहरणों (जैसे एक फोटो एल्बम) को याद रखा। भीड़ में अपने किसी विशिष्ट मित्र को ढूंढना आसान है यदि आप उसका चेहरा याद रखते हैं, बजाय इसके कि आप केवल "एक औसत व्यक्ति कैसा दिखता है" इसे याद रखें।
5. रोबोट ग्रुप चैट (कंसेंसस)
शोधकर्ताओं ने फिर कई रोबोटों को एक कमरे में रखा और उन्हें शब्दों के अर्थ पर सहमत होने के लिए एक-दूसरे से बात करने दी।
- परिणाम: रोबोट जल्दी ही इस बात पर सहमत हो गए कि शब्दों का क्या अर्थ है।
- सावधानी: वे इसलिए सहमत हुए क्योंकि उन सभी के पास एक ही पूर्व-व्यवस्थित लाइब्रेरी (एक जैसी "आंखें") थी। उन्होंने एक-दूसरे से मेल खाने के लिए अपनी आंतरिक लाइब्रेरी को नहीं बदला; उन्होंने बस अपनी साझा लाइब्रेरी के आधार पर अपने उत्तरों में समन्वय किया। शब्दों ने दुनिया को देखने के उनके तरीके को नहीं बदला; उन्होंने बस उन्हें सहमत होने में मदद की।
6. "फाल्सिफिकेशन" जाँच (क्या रोबोट ने धोखाधड़ी की?)
यह सुनिश्चित करने के लिए कि रोबोट केवल अनुमान नहीं लगा रहा है या पैटर्न याद नहीं कर रहा है, शोधकर्ताओं ने प्रयोग को तोड़ने की कोशिश की:
- रैंडम लेबल: उन्होंने शब्दों को बेतरतीब ढंग से बदल दिया। रोबोट विफल रहा।
- रैंडम पिक्चर्स: उन्होंने वास्तविक चित्रों के बजाय रैंडम नॉइज़ (शोर) दिया। रोबोट विफल रहा।
- आउट-ऑफ-बॉक्स: उन्होंने रोबोट को ऐसे चित्र दिखाए जो उसने पहले कभी नहीं देखे थे। रोबोट ने सही ढंग से कहा, "मैं यह शब्द नहीं जानता।"
निचोड़
यह शोध पत्र यह सिद्ध करता है कि किसी कृत्रिम एजेंट (AI) के लिए नया शब्द सीखने के लिए, उस अवधारणा को इस तरह फिट होना चाहिए कि वह पहले से ही उसकी दुनिया को देखने के तरीके में समाहित हो सके।
- यह जादू नहीं है: आप केवल रोबोट को यह नहीं सिखा सकते कि "मेंढक = हवाई जहाज" और उम्मीद नहीं कर सकते कि यह काम करेगा।
- यह संरचना के बारे में है: सीखना तब होता है जब नया शब्द उन प्राकृतिक समूहों से मेल खाता है जिन्हें रोबोट पहले से ही देखता है।
- यह एक सीमा है: रोबोट उन शब्दों को सीख सकता है जो दिखने में समान चीजों के लिए होते हैं, लेकिन जब आप उसे ऐसी चीजों के लिए शब्द सिखाने की कोशिश करते हैं जो एक-दूसरे से बिल्कुल अलग हैं, तो वह रुक जाता है।
संक्षेप में, AI के लिए भाषा सीखना इस बात से सीमित है कि वह दुनिया को कैसे देखता है। यदि दुनिया AI के लिए व्यवस्थित दिखती है, तो शब्द टिक जाते हैं। यदि दुनिया AI के लिए एक अस्त-व्यस्त जंजाल की तरह है, तो शब्द बिखर जाते हैं।
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।