Search Beyond What Can Be Taught: Evolving the Knowledge Boundary in Agentic Visual Generation
यह शोध पत्र SearchGen बेंचमार्क और कॉर्पस को पेश करते हुए विज़ुअल जनरेशन में संरचनात्मक विश्व-ज्ञान की बाधा (structural world-knowledge bottleneck) को संबोधित करता है, यह प्रदर्शित करते हुए कि अनिश्चित प्रतिधारण (indiscriminate retrieval) के कारण सहज खोज (naive search) विफल हो जाती है, और एक 'टीच-देन-सर्च' (teach-then-search) सह-प्रशिक्षण ढांचा प्रस्तावित करता है जो प्रभावी एजेंटिक विज़ुअल जनरेशन को सक्षम करने के लिए जनरेटर की ज्ञान सीमा की गतिशील रूप से खोज करता 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
यहाँ शोध पत्र "Search Beyond What Can Be Taught: Evolving the Knowledge Boundary in Agentic Visual Generation" का सरल भाषा और रचनात्मक उपमाओं (analogies) के साथ हिंदी अनुवाद दिया गया है।
मुख्य समस्या: "आत्मविश्वासी जालसाज" कलाकार (The "Confident Faker" Artist)
कल्पना कीजिए कि आपने एक प्रतिभाशाली कलाकार को काम पर रखा है जिसने एक विशाल पुस्तकालय की हर किताब को रट लिया है। वह उस लाइब्रेरी की किसी भी चीज़ को पूरी तरह से बना सकता है। लेकिन, यदि आप उससे कुछ ऐसा बनाने के लिए कहते हैं जो कल हुआ था (जैसे कोई नया सेलिब्रिटी) या कुछ बहुत ही विशिष्ट जो कभी किसी किताब में नहीं आया (जैसे किसी स्थानीय शहर का त्योहार), तो वह यह नहीं कहता कि "मुझे नहीं पता।" इसके बजाय, वह आत्मविश्वास के साथ एक नकली संस्करण बनाता है जो दिखने में तो असली लगता है लेकिन पूरी तरह से गलत होता है।
यही वर्तमान AI इमेज जनरेटरों के साथ समस्या है। वे रेंडरिंग (चित्र बनाने) में तो बहुत अच्छे हैं, लेकिन ज्ञान (तथ्यों को जानने) में बहुत खराब हैं। वे अपनी याददाश्त के "कटऑफ डेट" (सीमा तिथि) में फंसे हुए हैं। यदि आप उनसे 2025 के वर्ल्ड कप स्टैंडिंग के बारे में पूछते हैं, तो वे उन्हें नहीं जान सकते क्योंकि उनका प्रशिक्षण डेटा 2025 से पहले समाप्त हो गया था।
समाधान: कलाकार को एक सर्च इंजन देना
स्पष्ट समाधान सरल लगता है: "कलाकार को एक सर्च इंजन दे दो ताकि वह चित्र बनाने से पहले तथ्यों को खोज सके।"
हालाँकि, लेखकों ने पाया कि नादान तरीके से सर्च करना चीजों को और खराब बना देता है।
- उपमा: कल्पना कीजिए कि आप एक शेफ को स्टेक पकाने के लिए कहते हैं। यदि आप बस ढेर सारी रैंडम सामग्री (सर्च रिजल्ट्स) उनके काउंटर पर डाल देते हैं, तो वे भ्रमित हो सकते हैं। वे शायद टमाटर का उपयोग तब कर लें जब उन्हें उसकी ज़रूरत ही नहीं थी, या वे केवल रंग के संदर्भ के रूप में उपयोग करने के बजाय आपके द्वारा दिखाए गए स्टेक की पूरी फोटो की नकल करने लगें।
- परिणाम: AI को "शोर" (noise) मिलता है। वह गलत चीजों की नकल करने लगता है या उन जानकारियों से भ्रमित होने लगता है जो वह पहले से जानता था, जिससे चित्र पहले से भी बदतर हो जाते हैं।
खोज: "ज्ञान की सीमा" (The "Knowledge Boundary")
यह शोध पत्र एक चतुर अवधारणा पेश करता है जिसे Knowledge Boundary कहा जाता है। AI के मस्तिष्क को दो कमरों वाले घर के रूप में सोचें:
- मेमोरी रूम (आंतरिक): वे चीजें जो AI ने सीखी हैं और जिन्हें वह याददाश्त से बना सकता है (जैसे बिल्ली कैसी दिखती है)।
- रेफरेंस रूम (बाहरी): वे चीजें जिन्हें AI को ढूंढना ही होगा क्योंकि वे बहुत नई, दुर्लभ या विशिष्ट हैं (जैसे पिछले सप्ताह रिलीज़ हुए गेम का एक विशिष्ट पहनावा)।
समस्या यह है कि: AI को यह नहीं पता कि इन दोनों कमरों के बीच की दीवार कहाँ है।
- यदि वह उन चीजों के लिए सर्च करता है जिन्हें वह पहले से जानता है, तो वह भ्रमित हो जाता है (शोर)।
- यदि वह उन चीजों के लिए सर्च नहीं करता जिन्हें वह नहीं जानता, तो वह झूठ (fake) बनाता है।
समाधान: एक दो-चरणीय "पहले सिखाओ फिर खोजो" टीम (A Two-Step "Teach-Then-Search" Team)
लेखकों ने एक सिस्टम बनाया जिसमें दो भाग मिलकर काम करते हैं:
- रीज़नर (मैनेजर/तर्क करने वाला): एक AI एजेंट जो तय करता है कि कब सर्च करना है और क्या सर्च करना है।
- जेनरेटर (कलाकार): वह AI जो वास्तव में चित्र बनाता है।
उन्होंने उन्हें एक साथ काम करने के लिए सिखाने के लिए Co-Training नामक एक विशेष प्रशिक्षण विधि का उपयोग किया। यह दो चरणों में होता है:
चरण 1: कलाकार को सिखाना (मेमोरी का विस्तार करना)
सबसे पहले, वे कलाकार को उन चीजों के उदाहरण दिखाते हैं जो वह नहीं जानता था, साथ में सही सर्च परिणाम भी। कलाकार इन नई चीजों को याद रखना सीख जाता है।
- परिणाम: "मेमोरी रूम" बड़ा हो जाता है। कलाकार अब बिना सर्च किए अधिक चीजें जानता है।
चरण 2: मैनेजर को प्रशिक्षित करना (सर्च को बेहतर बनाना)
अब जब कलाकार अधिक चीजें जानता है, तो मैनेजर को उन चीजों के लिए सर्च करना बंद करने की आवश्यकता है जिन्हें कलाकार पहले से जानता है। यदि मैनेजर उन चीजों के लिए सर्च करता रहता है जिन्हें कलाकार पहले से जानता है, तो इससे भ्रम पैदा होता है।
- परिणाम: मैनेजर यह सीखना जाता है कि "मैं जानता हूँ कि कलाकार इसे संभाल सकता है, सर्च करने की ज़रूरत नहीं है!" और वह केवल वास्तव में कठिन चीजों के लिए ही सर्च करता है।
उपमा: प्रशिक्षु और गुरु (The Apprentice and the Master)
कल्पना कीजिए कि एक मास्टर पेंटर (जेनरेटर) और एक रिसर्च असिस्टेंट (रीज़नर) हैं।
- पहले: असिस्टेंट हर अनुरोध के लिए मास्टर को 50 रेफरेंस फोटो का ढेर अंधाधुंध थमा देता है। मास्टर भ्रमित हो जाता है और एक गड़बड़ पेंटिंग बनाता है।
- Co-Training के बाद:
- मास्टर उन फोटो का अध्ययन करता है और उन्हें याददाश्त से पेंट करना सीख जाता है।
- असिस्टेंट यह देखना सीख जाता है कि मास्टर के नए कौशल क्या हैं। यदि मास्टर एक "लाल ड्रैगन" को याददाश्त से पेंट कर सकता है, तो असिस्टेंट फोटो नहीं देता।
- असिस्टेंट फोटो तभी देता है जब मास्टर को "कल रिलीज़ हुए वीडियो गेम के ड्रैगन" को पेंट करने के लिए कहा जाता है।
परिणाम: यह क्यों महत्वपूर्ण है?
शोध पत्र ने SEARCHGEN-20K नामक एक विशाल नए डेटासेट पर इसका परीक्षण किया, जिसमें नई घटनाओं, विशिष्ट पात्रों और सांस्कृतिक प्रतीकों के बारे में 20,000 कठिन अनुरोध शामिल हैं।
- अंतराल (The Gap): मानक AI मॉडल इन नए, ज्ञान-प्रधान अनुरोधों पर बहुत कम स्कोर (100 में से लगभग 20-28) करते हैं। वे इसलिए विफल होते हैं क्योंकि वे तथ्यों को गढ़ने (fake करने) की कोशिश करते हैं।
- सुधार: इस "पहले सिखाओ फिर खोजो" पद्धति का उपयोग करके, AI का स्कोर काफी बढ़ गया।
- मुख्य निष्कर्ष: सिस्टम चयनात्मक (selective) होना सीख गया। इसने तब सर्च करना बंद कर दिया जब उसे ज़रूरत नहीं थी (भ्रम को रोकने के लिए) और तब सर्च किया जब उसे ज़रूरत थी (झूठ बोलने से बचने के लिए)।
सारांश
यह शोध पत्र तर्क देता है कि हमें केवल बड़े AI मॉडल बनाने पर ध्यान नहीं देना चाहिए जो सब कुछ याद रखने की कोशिश करते हैं। इसके बजाय, हमें स्मार्ट टीमें बनानी चाहिए जहाँ AI यह सीख सके कि वह क्या याद रख सकता है और उसे क्या खोजना चाहिए। "सर्च करने वाले" और "बनाने वाले" को एक साथ प्रशिक्षित करके, सिस्टम अपनी सीमाओं को सीखता है, तथ्यों को गढ़ना बंद करता है, और इंटरनेट का उपयोग तभी करता है जब वास्तव में आवश्यकता होती है।
संक्षेप में: AI को केवल एक सर्च इंजन न दें; उसे सिखाएं कि इसका उपयोग कब करना 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।