Lesioned Multimodal Language Models Reproduce Aphasic Picture-Naming Patterns
यह अध्ययन प्रदर्शित करता है कि मल्टीमॉडल लैंग्वेज मॉडल LLaVA 1.6 पर लक्षित लीजन्स (lesions) और व्यवधानों (perturbations) को लागू करने से एफ़ेज़िया (aphasia) वाले व्यक्तियों के विशिष्ट चित्र-नामकरण त्रुटि प्रोफाइलों को मात्रात्मक रूप से पुनरुत्पादित किया जा सकता है, जो यह सुझाव देता है कि ऐसे मॉडल स्ट्रोक के बाद होने वाले भाषा संबंधी दोषों के अनुकरण के लिए "डिजिटल ट्विन्स" के रूप में कार्य कर सकते 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 आपके पास एक सुपर-स्मार्ट रोबोट दिमाग है जिसने इंटरनेट की लगभग हर किताब पढ़ ली है और चित्रों का सटीक वर्णन करना सीख लिया है। अब, कल्पना कीजिए कि आप उस व्यक्ति के मस्तिष्क के भीतर क्या होता है, यह समझना चाहते हैं जिसने स्ट्रोक के कारण अपनी बोलने की क्षमता खो दी है। इन लोगों को "एफ़ेज़िया (aphasia) वाले व्यक्तियों" के रूप में जाना जाता है; वे केवल यादृच्छिक रूप से शब्द नहीं भूलते, बल्कि वे बहुत विशिष्ट, अनुमानित गलतियाँ करते हैं। कभी-कभी वे एक गलत शब्द बोलते हैं जो सुनने में समान लगता है (जैसे "pear" के बजाय "pair" कहना), कभी-कभी वे अर्थ को मिला देते हैं (जैसे "butterfly" के लिए "buttercup" कहना), और कभी-कभी वे हार मान लेते हैं और कुछ नहीं बोलते।
लंबे समय तक, वैज्ञानिकों ने सोचा: क्या हम उस सुपर-स्मार्ट रोबोट दिमाग को ले सकते हैं, उसमें एक छोटा सा छेद कर सकते हैं, और इसे एक इंसान की तरह व्यवहार करने के लिए मजबूर कर सकते हैं जो एफ़ेज़िया से पीड़ित है?
बड़ा प्रयोग
इस अध्ययन में, शोधकर्ताओं ने एक शक्तिशाली रोबोट मस्तिष्क जिसे LLaVA 1.6 कहा जाता है, को लिया और उसे फिलाडेल्फिया नेमिंग टेस्ट (Philadelphia Naming Test) दिया। यह टेस्ट रोबोट को 175 चित्र दिखाता है और पूछता है, "यह क्या है?" रोबोट आमतौर पर इसे सही बताता है। लेकिन फिर, शोधकर्ताओं ने रोबोट को एक बहुत ही नियंत्रित तरीके से "खराब" करने का निर्णय लिया।
रोबोट के मस्तिष्क को एक विशाल गगनचुंबी इमारत के रूप में सोचें जिसमें 40 मंजिलें (परतें) हैं। प्रत्येक मंजिल के अंदर, 5,120 छोटे लाइट स्विच (इकाइयाँ) हैं जो रोबोट को सोचने में मदद करते हैं। शोधकर्ताओं ने पूरी इमारत को नहीं तोड़ा। इसके बजाय, उन्होंने एक मंजिल चुनी, उस मंजिल पर लाइट स्विच का एक निश्चित प्रतिशत चुना (10% से लेकर 100% तक), और उन स्विचों पर 'स्टैटिक नॉइज़' (शोर/हलचल) को बढ़ा दिया। यह ऐसा है जैसे आप एक ऐसे कमरे में चल रहे हों जहाँ रोशनी टिमटिमा रही है और भिनभिना रही है, जिससे रोबोट के लिए ध्यान केंद्रित करना कठिन हो गया है।
उन्होंने क्या पाया
परिणाम आश्चर्यजनक रूप से सटीक थे। जब उन्होंने "शोर" और "टूटे हुए स्विचों" को समायोजित किया, तो रोबोट ठीक उसी तरह की गलतियाँ करने लगा जैसे वास्तविक मनुष्य एफ़ेज़िया के साथ करते हैं।
गलतियों का मेनू: रोबोट सात में से छह प्रकार की गलतियाँ उत्पन्न कर सका जो मनुष्य करते हैं:
- सही (Correct): इसने अभी भी कुछ सही बताया।
- सिमेंटिक (Semantic): इसने एक शब्द को संबंधित दूसरे शब्द से बदल दिया (जैसे "cat" के बजाय "dog")।
- असंबंधित (Unrelated): इसने एक यादृच्छिक शब्द चुना (जैसे "cat" के लिए "table")।
- मिश्रित (Mixed): इसने अर्थ और ध्वनि दोनों को मिला दिया।
- नियोलोजिज्म (Neologism): इसने एक बिल्कुल नया, निरर्थक शब्द बनाया (जैसे "flitterfly")।
- कोई प्रतिक्रिया नहीं (No Response): इसने बस बोलना बंद कर दिया।
एक खामी: एक प्रकार की गलती थी जिसे बनाने में रोबोट को संघर्ष करना पड़ा: फॉर्मल एरर्स (Formal errors)। ये तब होते हैं जब कोई व्यक्ति एक वास्तविक शब्द बोलता है जो लक्ष्य शब्द के समान सुनाई देता है (जैसे "pair" के लिए "pear")। रोबोट ने ये गलतियाँ कीं, लेकिन वास्तविक मनुष्यों की तुलना में बहुत कम बार। शोधकर्ता सोचते हैं कि ऐसा इसलिए है क्योंकि रोबोट का मस्तिष्क अलग तरह से बना है; यह भ्रमित होने पर निरर्थक शब्द बनाने में बहुत अच्छा है, लेकिन इसके लिए एक ऐसा वास्तविक शब्द पकड़ना कठिन है जो सुनने में लगभग समान हो।
वास्तविक लोगों से मिलान
सबसे रोमांचक हिस्सा? शोधकर्ताओं ने केवल रोबोट को एक "सामान्य" एफ़ेज़िया रोगी की तरह व्यवहार करने के लिए नहीं बनाया। उन्होंने एक वास्तविक अस्पताल के डेटाबेस से 278 विशिष्ट व्यक्तियों से मिलान करने की कोशिश की।
उन्होंने रोबोट को तोड़ने के लाखों अलग-अलग तरीकों (मंजिल बदलना, स्विचों की संख्या बदलना और शोर का स्तर बदलना) के माध्यम से खोज की ताकि प्रत्येक व्यक्ति के लिए सही "नुस्खा" (recipe) मिल सके।
- 97.8% लोगों के लिए, उन्हें एक ऐसा रोबोट सेटिंग मिली जो उस व्यक्ति के गलतियों के पैटर्न के कम से कम 6 में से 7 श्रेणियों से मेल खाती थी।
- 79.5% लोगों के लिए, उन्हें एक ऐसी सेटिंग मिली जो सभी 7 श्रेणियों से पूरी तरह मेल खाती थी।
यह केवल किस्मत नहीं थी। शोधकर्ताओं ने हजारों कंप्यूटर सिमुलेशन चलाए ताकि यह साबित किया जा सके कि यह मिलान वास्तविक है और केवल एक संयोग नहीं है। उन्होंने दिखाया कि रोबट केवल गलतियों की सही संख्या का अनुमान नहीं लगा रहा था; वह गलतियों के संयोजन (combination) को सही तरीके से प्राप्त कर रहा था, ठीक वैसे ही जैसे मानव मस्तिष्क करता है।
इसका क्या अर्थ है (और क्या नहीं)
यह अध्ययन सुझाव देता है कि हम एफ़ेज़िया वाले लोगों के "डिजिटल ट्विन्स" (digital twins) बना सकते हैं। कल्पना कीजिए कि एक डॉक्टर एक रोबोट के मस्तिष्क को थोड़ा बदलकर यह देख सकता है कि वास्तव में एक विशिष्ट रोगी का मस्तिष्क कैसे काम कर रहा है, और फिर उस रोबोट का उपयोग वास्तविक व्यक्ति पर प्रयास करने से पहले विभिन्न उपचारों का परीक्षण करने के लिए कर सकता है।
हालाँकि, पेपर सावधानीपूर्वक कहता है कि यह एक सिमुलेशन है। यह साबित करता है कि रोबोट का आउटपुट मानव के आउटपुट जैसा दिखता है, लेकिन यह यह साबित नहीं करता है कि रोबोट का मस्तिष्क ठीक उसी तरह काम करता है जैसे मानव मस्तिष्क। यह एक बहुत ही यथार्थवादी ज्वालामुखी मॉडल की तरह है जो सही राख और लावा के साथ फटता है; इसका मतलब यह नहीं है कि मॉडल के पास वास्तविक पर्वत की तरह अंदर पिघली हुई चट्टान है।
साथ ही, रोबोट केवल चित्र नामकरण (एक चित्र देखना और उसका नाम बोलना) पर काम करता है। इसका परीक्षण वाक्यों को समझने, आपकी बातों को दोहराने या पढ़ने पर नहीं किया गया है। और चूंकि रोबोट को अंग्रेजी में प्रशिक्षित किया गया था, इसलिए हमें नहीं पता कि क्या यह अन्य भाषाओं में बोलने वाले लोगों के लिए काम करेगा।
निष्कर्ष
सावधानीपूर्वक "लेजनिंग" (क्षति पहुँचाकर) करके एक सामान्य उद्देश्य वाले रोबोट मस्तिष्क को खराब करने के माध्यम से, शोधकर्ताओं ने दिखाया कि यह वास्तविक स्ट्रोक-प्रेरित एफ़ेज़िया वाले लोगों के जटिल, अव्यवस्थित और विशिष्ट त्रुटि पैटर्न को पुनरुत्पादित कर सकता है। यह कंप्यूटरों को न केवल उपकरणों के रूप में, बल्कि दर्पणों के रूप में उपयोग करने की दिशा में एक शक्तिशाली कदम है जो हमें मानव मन को समझने में मदद करते 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।