AdaJEPA: An Adaptive Latent World Model
adaJEPA एक एडेप्टिव लेटेंट वर्ल्ड मॉडल है जो मॉडल प्रेडिक्टिव कंट्रोल लूप के भीतर टेस्ट-टाइम सेल्फ-सुपरवाइज्ड अडैप्टेशन को निष्पादित करके, प्रेक्षित स्टेट ट्रांजिशन का उपयोग करते हुए अतिरिक्त एक्सपर्ट डेमोंस्ट्रेशन की आवश्यकता के बिना मॉडल को निरंतर पुन: कैलिब्रेट करके, डिस्ट्रीब्यूशन शिफ्ट के तहत प्लानिंग रोबस्टनेस को बढ़ाता 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 एक सिम्युलेटर में कार चलाना सीख रहे हैं। आप हफ्तों तक अभ्यास करते हैं, और सिम्युलेटर आपको ठीक-ठीक सिखाता है कि स्टीयरिंग व्हील और गैस पेडल के प्रति कार कैसे प्रतिक्रिया देती है। आप आभासी शहर (virtual city) में नेविगेट करने में माहिर हो जाते हैं।
अब, कल्पना कीजिए कि आप उसी कार को वास्तविक सड़क पर ले जाते हैं। लेकिन यहाँ एक पेंच है: वास्तविक सड़क थोड़ी अलग है। शायद टायर थोड़े अधिक फिसलन भरे हैं, हवा तेज़ है, या सड़क धूल की एक परत से ढकी है जो सिम्युलेटर में नहीं थी।
"फ्रोजन" (Frozen) मॉडल्स की समस्या
आज के अधिकांश AI सिस्टम उस ड्राइवर की तरह काम करते हैं जिसने सिम्युलेटर को तो पूरी तरह से याद कर लिया है, लेकिन वास्तविक कार में कदम रखने के बाद कुछ भी नया सीखने से इनकार कर देता है। तकनीकी शब्दों में, ये सिस्टम एक "वर्ल्ड मॉडल" (दुनिया कैसे काम करती है इसका मानसिक मानचित्र) का उपयोग करते हैं जो प्रशिक्षण के बाद "फ्रोजन" (स्थिर/जमा हुआ) हो जाता है।
यदि वास्तविक दुनिया थोड़ी भी बदल जाती है—जैसे बारिश के कारण कार का हैंडलिंग बदलना या कोई नया अवरोध आना—तो AI का मानसिक मानचित्र गलत हो जाता है। यह अपने पुराने, पूर्ण सिम्युलेटर ज्ञान के आधार पर चलाने की कोशिश करता है, लेकिन कार वैसी प्रतिक्रिया नहीं देती जैसी उम्मीद थी। AI वही "परफेक्ट" चालें चलता रहता है, लेकिन क्योंकि वास्तविकता बदल गई है, वह दुर्घटनाग्रस्त हो जाता है या गंतव्य तक पहुँचने में विफल रहता है।
समाधान: AdaJEPA (एक अनुकूलनशील ड्राइवर)
यह पेपर AdaJEPA पेश करता है, जो ड्राइविंग का एक नया तरीका है जो एक इंसान की तरह काम करता है। अपने पुराने प्रशिक्षण पर कठोरता से चिपके रहने के बजाय, AdaJEPA के पास एक विशेष "प्लान-एक्ट-अडैप्ट-रिप्लान" (योजना-कार्य-अनुकूलन-पुनर्योजना) लूप है।
यह इस प्रकार काम करता है, एक सरल उपमा का उपयोग करते हुए:
- प्लान (योजना): AI अपने वर्तमान मानसिक मानचित्र के आधार पर आगे की सड़क को देखता है और एक मार्ग की योजना बनाता है।
- एक्ट (कार्य): यह पहला कदम उठाता है (जैसे स्टीयरिंग को थोड़ा मोड़ना)।
- ऑब्जर्व (अवलोकन): यह तुरंत देखता है कि वास्तव में क्या हुआ। क्या कार उम्मीद से अधिक फिसली? क्या इसने अधिक तीखा मोड़ लिया?
- अडैप्ट (अनुकूलन - जादुई चरण): अपने अगले कदम की योजना बनाने से पहले ही, AI उस एक अवलोकन का उपयोग अपने मानसिक मानचित्र को अपडेट करने के लिए करता है। यह कहता है, "ठीक है, मेरे मानचित्र ने कहा था कि कार बाईं ओर मुड़ेगी, लेकिन इसने वास्तव में दाईं ओर मुड़ना चुना। मुझे अपनी समझ को सुधारने की आवश्यकता है कि यह कार अभी कैसे चलती है।"
- रिप्लान (पुनर्योजना): इस थोड़े सुधारे गए मानचित्र के साथ, यह अगले कदम की योजना बनाता है।
यह एक सेकंड के अंश में, बार-बार होता है, जबकि AI चलता रहता है। यह एक ऐसे ड्राइवर की तरह है जो एक सप्ताह पुराने स्थिर मानचित्र पर भरोसा करने के बजाय, सड़क से मिलने वाले तत्काल फीडबैक के आधार पर लगातार अपना स्टीयरिंग एडजस्ट करता है।
यह क्यों महत्वपूर्ण है
शोधकर्ताओं ने इसे मुख्य रूप से दो तरीकों से परखा:
- दृश्य परिवर्तन (Visual Changes): कल्पना कीजिए कि कमरे की रोशनी बदल जाती है, या आप जिस वस्तु को धकेल रहे हैं उसका रंग बदल जाता है। एक फ्रोजन AI भ्रमित हो सकता है क्योंकि उसे तेज़ रोशनी में एक ग्रे वस्तु के साथ प्रशिक्षित किया गया था। AdaJEP जल्दी समझ जाता है, "ओह, यह वस्तु अब लाल है, और रोशनी कम है," और तुरंत अपनी योजना को समायोजित करता है।
- भौतिक परिवर्तन (Physics Changes): कल्पना कीजिए कि फर्श अचानक बहुत अधिक फिसलन भरा (कम घर्षण वाला) हो गया है या वस्तु बहुत भारी है। एक फ्रोजन AI उसी बल के साथ धक्का देगा जो उसने सूखे फर्श पर इस्तेमाल किया था और विफल हो जाएगा। AdaJEPA धक्का देता है, देखता है कि वस्तु बहुत दूर फिसल गई, और तुरंत सीखता है, "मुझे कम धक्का देने की आवश्यकता है," अगले ही कदम के लिए।
परिणाम
पेपर दिखाता है कि AdaJEPA अविश्वसनीय रूप से कुशल है। इसे सब कुछ फिर से सीखने की आवश्यकता नहीं होती है। अक्सर इसे अपने मानसिक मानचित्र को ठीक करने के लिए हर क्रिया के बाद केवल एक छोटा सा समायोजन (एक सिंगल "ग्रेडिएंट स्टेप") की आवश्यकता होती है।
- "सेफ" (सुरक्षित) ज़ोन में: भले ही दुनिया बिल्कुल वैसी ही हो जैसी AI ने उम्मीद की थी, AdaJEPA प्रदर्शन को नुकसान नहीं पहुँचाता; यह बस स्थिर रहता है।
- "चेंज्ड" (बदले हुए) ज़ोन में: जब दुनिया बदल जाती है (नए आकार, अलग रंग, फिसलन भरे फर्श), तो AdaJEPA फ्रोजन मॉडल्स की तुलना में नाटकीय रूप रूप से बेहतर प्रदर्शन करता है। यह गलतियों से बहुत तेज़ी से उबरता है और अपने लक्ष्यों को अधिक बार प्राप्त करता है।
निष्कर्ष
यह पेपर तर्क देता है कि AI को एक स्थिर मूर्ति नहीं होना चाहिए जो प्रशिक्षण लैब छोड़ने के बाद सीखना बंद कर देती है। इसके बजाय, इसे एक जीवित प्रणाली होना चाहिए जो कार्य करते समय दुनिया के प्रति अपनी समझ को निरंतर कैलिब्रेट करती रहे। AdaJEPA सिद्ध करता है कि इन छोटे, वास्तविक समय के समायोजनों को करके, एक AI बदलते और अप्रत्याशित दुनिया को उन मॉडल्स की तुलना में बहुत बेहतर तरीके से संभाल सकता है जो अनुकूलन करने से इनकार कर देते 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।