Predicting Human Visual Attention on Words in Source Code
यह शोध पत्र एक नवीन कम्प्यूटेशनल मॉडल प्रस्तुत करता है जो जावा और सी प्रोग्रामिंग भाषाओं में अनुभवजन्य आई-ट्रैकिंग डेटा के साथ न्यूरल नेटवर्क के आंतरिक ध्यान (इंटरनल अटेंशन) को संरेखित करने के लिए एक विशिष्ट लॉस फंक्शन का उपयोग करके सोर्स कोड पर मानव दृश्य ध्यान की भविष्यवाणी करने में मौजूदा बेसलाइन और उन्नत एआई सिस्टम से काफी बेहतर प्रदर्शन 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
कल्पना कीजिए कि आप यह समझने की कोशिश कर रहे हैं कि जब कोई इंसान किताब पढ़ रहा होता है, तो उसका मस्तिष्क कैसे काम करता है। आप उनसे सीधे यह नहीं पूछ सकते कि, "अभी आप क्या सोच रहे हैं?" क्योंकि शायद उन्हें खुद भी पता न हो, या वे झूठ बोल सकते हैं। इसलिए, वैज्ञानिक उनकी आँखों पर नज़र रखने के लिए एक विशेष कैमरे का उपयोग करते हैं। इसे आई-ट्रैकिंग (eye-tracking) कहा जाता है। यह एक छोटे स्पॉटलाइट की तरह है जो इस बात का पीछा करता है कि व्यक्ति कहाँ देख रहा है, जिससे हमें ठीक से पता चलता है कि वे किन शब्दों को घूर रहे हैं, किन्हें छोड़ रहे हैं, और वे कहाँ रुक रहे हैं। कंप्यूटर विज्ञान की दुनिया में, यह एक बहुत बड़ी बात है क्योंकि सॉफ्टवेयर इंजीनियर अपना पूरा जीवन सोर्स कोड (source code) को देखते हुए बिताते हैं—जो कि वे टेक्स्ट-आधारित निर्देश हैं जो कंप्यूटर को बताते हैं कि क्या करना है। लेकिन कोड केवल एक कहानी नहीं है; यह एक पहेली है। इंजीनियर इसे उपन्यास की तरह नहीं पढ़ते; वे आगे-पीछे कूदते हैं, पंक्तियों को दोबारा पढ़ते हैं, और सुरागों की तलाश करते हैं। वे कहाँ देख रहे हैं, इसे समझना हमें बेहतर उपकरण बनाने, स्पष्ट स्क्रीन डिजाइन करने और यहाँ तक कि कंप्यूटर को इंसानों की तरह सोचना सिखाने में मदद करता है।
अब, पेचीदा हिस्सा यह है: कंप्यूटर आमतौर पर यह अनुमान लगाने में बहुत खराब होते हैं कि इंसान कहाँ देख रहा है। उन्हें लग सकता है कि एक लंबा, जटिल शब्द सबसे महत्वपूर्ण है, जबकि एक मानव इंजीनियर जानता है कि उसके बगल वाला छोटा, उबाऊ शब्द वास्तव में पूरे प्रोग्राम की कुंजी है। यह शोध पत्र इस बारे में है कि कंप्यूटर को अंदाज़ा लगाना बंद करके और इंसान की तरह "देखना" शुरू करने के लिए कैसे प्रशिक्षित किया जाए। शोधकर्ताओं ने एक विशेष प्रकार का कंप्यूटर मस्तिष्क (एक मॉडल) बनाया, जिसने वास्तविक मनुष्यों को कोड पढ़ते हुए देखकर सीखा। उन्होंने कंप्यूटर को केवल यह नहीं बताया, "यह रहा कोड, अगला शब्द अनुमान लगाओ।" इसके बजाय, उन्होंने उसे एक गुप्त 'चीट शीट' दी: एक मानचित्र कि मानव आँखें वास्तव में कहाँ टिकी थीं। उन्होंने कंप्यूटर को अपने स्वयं के आंतरिक "गज़ (gaze)" की तुलना मानव के वास्तविक गज़ से करने के लिए प्रशिक्षित किया, और अपनी सोच को तब तक समायोजित किया जब तक कि दोनों आपस में मिल न गए।
मुख्य खोज यह है कि यह नया कंप्यूटर मॉडल मानवीय ध्यान (attention) की नकल करने में आश्चर्यजनक रूप से अच्छा है। जब शोधकर्ताओं ने इसे तीन अलग-अलग प्रोग्रामरों के समूहों (कुछ जावा कोड पढ़ रहे थे, कुछ सी कोड) के विरुद्ध परखा, तो कंप्यूटर के अनुमान वास्तविक मनुष्यों द्वारा किए गए कार्यों के बहुत करीब थे, जो कि किसी भी पिछले कंप्यूटर मॉडल से कहीं बेहतर थे। वास्तव में, कुछ परीक्षणों में, कंप्यूटर पुराने मानक तरीकों की तुलना में यह अनुमान लगाने में 64% और यहाँ तक कि 467% बेहतर था कि एक इंसान कहाँ देखेगा। इसने केवल संख्याओं को सही नहीं पकड़ा; इसने मानव विचार के पैटर्न को सीखा।
लेकिन शोधकर्ताओं ने वहीं हाथ नहीं धोए। वे यह देखना चाहते थे कि क्या यह "मानव-समान" ध्यान कंप्यूटर को एक कठिन काम करने में मदद कर सकता है: आँखों की गति के सटीक क्रम की भविष्यवाणी करना, जिसे स्कैनपाथ (scanpath) कहा जाता है। कल्पना कीजिए कि आप जंगल के माध्यम से एक हाइकर द्वारा लिए जाने वाले सटीक पथ की चरण-दर-चरण भविष्यवाणी करने की कोशिश कर रहे हैं। मानव नेत्र डेटा के साथ प्रशिक्षित कंप्यूटर, अन्य प्रसिद्ध AI मॉडलों (जैसे GPT-5 और Claude) और पढ़ने के कार्य पर पिछले सर्वश्रेष्ठ कंप्यूटर प्रोग्राम की तुलना में इन पथों की बेहतर भविष्यवाणी करने में सक्षम था। हालाँकि इसने लेखन कार्य पर भी सुधार दिखाया, लेकिन शोधकर्ताओं ने उल्लेख किया कि ये विशिष्ट लाभ पिछले सर्वश्रेष्ठ कंप्यूटर प्रोग्राम की तुलना में सांख्यिकीय रूप से महत्वपूर्ण नहीं थे, हालांकि वे वाणिज्यिक मॉडलों से बेहतर प्रदर्शन करते रहे। यह सुझाव देता है कि जब हम कंप्यूटर को उसी तरह ध्यान देना सिखाते हैं जैसे मनुष्य करते हैं, तो वे न केवल बेहतर ढंग से पढ़ना सीखते हैं, बल्कि वे सोचने की प्रक्रिया को भी समझने लगते हैं।
हालाँकि, लेखक इस बात पर ज़ोर देते हैं कि उन्होंने मानव मन के रहस्य को सुलझा लिया है। वे स्वीकार करते हैं कि उनका मॉडल लोगों के एक समूह द्वारा आमतौर पर क्या किया जाता है, उसका एक "अनुमानक (estimator)" है, न कि किसी एक व्यक्ति के मस्तिष्क की सटीक प्रति। इसकी सीमाएँ भी हैं; यह कोड के छोटे टुकड़ों पर सबसे अच्छा काम करता है और यदि कोड बहुत बड़ा है जिसे यह एक बार में अपनी मेमोरी में फिट नहीं कर सकता, तो यह भ्रमित हो सकता है। लेकिन परिणाम एक मजबूत संकेत हैं कि हमारी आँखों की गति को देखकर, हम मशीनों को दुनिया को थोड़ा हमारे जैसा देखना सिखा सकते 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।