NeurOWL: An LLM-Based Neural-symbolic Framework for Incomplete OWL Ontology Reasoning
यह शोध पत्र NeurOWL प्रस्तुत करता है, जो एक एंड-टू-एंड न्यूरो-सिम्बोलिक फ्रेमवर्क है जो अपूर्ण OWL ऑन्टोलॉजी में सबसमप्शन (subsumption) की सिमेंटिक प्लाउज़िबिलिटी (semantic plausibility) को सत्यापित करने और संभावित लुप्त एक्सिओम्स (axioms) के साथ तार्किक रूप से सुसंगत स्पष्टीकरण उत्पन्न करने के लिए लार्ज लैंग्वेज मॉडल्स और ऑन्टोलॉजी एम्बेडिंग्स का लाभ उठाता 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 विशाल, अंतरतारकीय रहस्य को सुलझाने की कोशिश कर रहे हैं, लेकिन आपकी सुराग पुस्तिका के कई पन्ने गायब हैं। आपके पास विभिन्न पात्रों के बीच संबंधों के बारे में नियमों की एक सूची है—जैसे "सभी बिल्लियाँ स्तनधारी हैं" या "सभी स्तनधारी दूध उत्पन्न करते हैं"—लेकिन पुस्तक स्पष्ट रूप से यह नहीं कहती कि "सभी पर्शियन बिल्लियाँ जानवर हैं।" कंप्यूटर विज्ञान की दुनिया में, इसे ऑन्टोलॉजी (ontology) कहा जाता है। एक ऑन्टोलॉजी को एक अत्यंत व्यवस्थित, डिजिटल विश्वकोश के रूप में समझें जो कंप्यूटर को दुनिया को समझने का तरीका सिखाता है। यह नियमों को परिभाषित करने के लिए OWL (वेब ऑन्टोलॉजी लैंग्वेज) नामक एक सख्त भाषा का उपयोग करता है ताकि मशीनें तर्क कर सकें, या "सोच" सकें कि चीजें एक साथ कैसे फिट बैठती हैं।
हालाँकि, वास्तविक दुनिया के विश्वकोश शायद ही कभी पूर्ण होते हैं। वे अक्सर अधूरे होते हैं क्योंकि दुनिया इतनी बड़ी है कि हर एक नियम को लिखना संभव नहीं है, या क्योंकि विशेषज्ञों के पास काम पूरा करने का समय नहीं हुआ है। जब एक कंप्यूटर इन "टूटे हुए" विश्वकोपों का उपयोग करने की कोशिश करता है, तो वह अटक जाता है। वह यह सिद्ध नहीं कर पाता कि एक पर्शियन बिल्ली एक जानवर है क्योंकि उससे जुड़ा विशिष्ट नियम गायब है। यह स्वास्थ्य सेवा और जीव विज्ञान जैसे क्षेत्रों में एक बहुत बड़ी समस्या है, जहाँ एक संबंध छूट जाने का अर्थ हो सकता है—किसी इलाज या निदान को मिस कर देना। वैज्ञानिकों ने कंप्यूटर से गायब नियमों का अनुमान लगाने के लिए कहकर इसे ठीक करने की कोशिश की है, लेकिन आमतौर पर, उन्हें अनुमान लगाने के लिए पहले से लिखी गई संभावित अनुमानों की एक सूची की आवश्यकता होती है, जो एक घास के ढेर में सुई खोजने जैसा है जहाँ आपको केवल एक छोटे, पूर्व-निर्धारित बॉक्स के भीतर ही देखने की अनुमति दी गई है।
यहाँ आता है NeurOWL, एक नया ढांचा जो एक सुपरपावर वाले जासूस की तरह काम करता है। अनुमानों के छोटे बॉक्स में फंसे रहने के बजाय, NeurOWL कंप्यूटर के सख्त तर्क को एक लार्ज लैंग्वेज मॉडल (एक AI जो मानव पाठ को पढ़ता और समझता है) की रचनात्मक अंतर्दृष्टि के साथ जोड़ता है। यह केवल यह जाँच नहीं करता कि क्या कोई नियम सत्य है; बल्कि यह यह भी पता लगाता है कि वह क्यों सत्य हो सकता है भले ही नियम पुस्तिका का एक पन्ना गायब हो, और फिर वह आपके लिए वह गायब पन्ना लिख देता है। यह एक ऐसे जासूस की तरह है जो अपराध स्थल को देख सकता है, यह महसूस कर सकता है कि एक गवाह गायब है, और फिर उस गवाह के बारे में सटीक अनुमान लगाने के लिए मोहल्ले के अपने ज्ञान का उपयोग कर सकता है, और यह भी सुनिश्चित कर सकता है कि उसका अनुमान तार्किक रूप से सही हो।
जासूस का टूलकिट: NeurOWL कैसे काम करता है
यह शोध पत्र NeurOWL को एक "न्यूरो-सिम्बोलिक" (neuro-symbolic) ढांचे के रूप में पेश करता है। यह एक फैंसी तरीका है यह कहने का कि यह दो प्रकार की सोच को मिलाता है: सिम्बोलिक (कंप्यूटर का सख्त, गणितीय तर्क) और न्यूरल (AI की धुंधली, पैटर्न-मैचिंग अंतर्दृष्टि)। लक्ष्य सरल है: एक टूटी हुई नियम पुस्तिका और "क्या एक पर्शियन बिल्ली एक जानवर है?" जैसा प्रश्न दिए जाने पर, NeurOWL तय करता है कि उत्तर "हाँ" होने की संभावना है या "नहीं", और यदि यह "हाँ" है, तो यह समझाने के लिए पहेली के गायब हिस्सों को खोजता है कि ऐसा क्यों है।
यहाँ जासूस चरण-दर-चरण मामला सुलझाता है:
चरण 1: तर्क की जाँच (द "ओब्वियस" टेस्ट)
सबसे पहले, NeurOWL सख्त कंप्यूटर तर्क से पूछता है: "क्या मैं केवल वर्तमान में उपलब्ध नियमों का उपयोग करके इसे सिद्ध कर सकता हूँ?" यदि उत्तर हाँ है, तो बहुत अच्छा! यह आपको प्रमाण देता है। लेकिन यदि उत्तर नहीं है (क्योंकि नियम पुस्तिका अधूरी है), तो यह हार नहीं मानता। यह मान लेता है कि कुछ नियम गायब हैं और अगले चरण पर बढ़ जाता है।
चरण 2: तार्किक सेतु (द "कनेक्ट द डॉट्स" चरण)
यहीं पर जासूस चतुर हो जाता है। यदि "पर्शियन बिल्ली" से "जानवर" तक का रास्ता टूटा हुआ है, तो NeurOWL एक "ब्रिज" अवधारणा (bridge concept) की तलाश करता है जो उन्हें जोड़ सके।
- डाउनवर्ड सर्च (नीचे की ओर खोज): यह लक्ष्य के "बच्चों" को देखता है। यदि "जानवर" के बच्चे जैसे "स्तनधारी" और "बिल्ली" हैं, तो शायद गायब नियम "पर्शियन बिल्ली एक बिल्ली है" है?
- अपवर्ड सर्च (ऊपर की ओर खोज): यह शुरुआती बिंदु के "माता-पिता" को देखता है। यदि "पर्शियन बिल्ली" एक "पालतू बिल्ली" का प्रकार है, तो शायद गायब नियम "पालतू बिल्ली एक बिल्ली है" है?
सिस्टम इन संभावित पुलों को खोजने के लिए कंप्यूटर के तर्क का उपयोग करता है, लेकिन फिर यह सत्यापन के लिए LLM (AI जासूस) को बुलाता है। AI नामों और विवरणों को पढ़ता है और कहता है, "हाँ, यह समझ में आता है! एक पालतू बिल्ली निश्चित रूप से एक बिल्ली है।"
चरण 3: सिमेंटिक ब्रिज (द "गट फीलिंग" चरण)
यदि तार्किक खोज विफल हो जाती है, तो NeurOWL शुद्ध अंतर्दृष्टि की ओर स्विच करता है। यह एम्बेडिंग्स (embeddings) का उपयोग करता है, जो शब्दों के डिजिटल फिंगरप्रिंट की तरह हैं। यह AI से पूछता है: "क्या पूरे विश्वकोश में कोई ऐसी अवधारणा है जो 'पर्शियन बिल्ली' और 'जानवर' के बीच स्थित महसूस होती है?" AI अपने भाषाई ज्ञान को स्कैन करता है और एक संभावित उम्मीदवार का सुझाव देता है। यदि उसे कोई मिलता है, तो वह जाँचता है कि क्या वह संबंध बना रहता है। यदि नहीं, तो यह सीधे यह अनुमान लगा सकता है कि "पर्शian बिल्ली एक जानवर है" वाला नियम पूरी तरह से गायब है और इसे सीधे जोड़ा जाना चाहिए।
उन्होंने क्या पाया: एक जासूस की सफलता की कहानी
शोधकर्ताओं ने दो विशाल विश्वकोपों से वास्तविक दुनिया के डेटा पर NeurOWL का परीक्षण किया: FoodOn (भोजन और कृषि के बारे में) और Snomed CT (एक विशाल चिकित्सा डेटाबेस)। उन्होंने यादृच्छिक रूप से (randomly) इन विश्वकोपों के 5% नियमों को हटाकर इनके "टूटे हुए" संस्करण बनाए, सिर्फ यह देखने के लिए कि क्या NeurOWL उन्हें ठीक कर सकता है।
परिणाम प्रभावशाली थे। जब यह अनुमान लगाने के लिए पूछा गया कि क्या कोई गायब नियम तर्कसंगत है, तो NeurOWL ने FoodOn डेटासेट पर लगभग 97% बार और Snomed CT डेटासेट पर 96.8% बार सही उत्तर दिया। लेकिन असली जादू इसके स्पष्टीकरणों में था। अन्य तरीकों के विपरीत जो केवल "हाँ" या "नहीं" कहते हैं, NeurOWL वास्तव में गायब नियमों को लिख देता है।
- FoodOn डेटासेट पर, इसने गायब नियमों की सही पहचान की और उन्हें 89.3 (जिसे X-F1 कहा जाता है) के स्कोर के साथ समझाया।
- मेडिकल डेटासेट पर, इसने 84.7 का स्कोर प्राप्त किया।
शोध पत्र ने यह भी दिखाया कि NeurOWL लचीला है। यह बिना किसी अतिरिक्त प्रशिक्षण के काम कर सकता है (एक पूर्व-प्रशिक्षित AI का उपयोग करके) या इसे जटिल चिकित्सा शब्दों में बेहतर होने के लिए "फाइन-ट्यून" (एक विशेष क्रैश कोर्स दिया जाना) किया जा सकता है। वास्तव में, जटिल चिकित्सा संबंधों वाले सबसे कठिन मामलों में, फाइन-ट्यून्ड संस्करण काफी बेहतर प्रदर्शन करता है, जिससे सिद्ध होता है कि जासूस को एक विशिष्ट प्रशिक्षण नियमावली देने से मदद मिलती है।
NeurOWL क्या नहीं है (और यह क्या खारिज करता है)
यह जानना महत्वपूर्ण है कि NeurOWL क्या नहीं करता है। शोध पत्र इस विचार को स्पष्ट रूप से खारिज करता है कि इस समस्या को हल करने के लिए आपको संभावित गायब नियमों की एक पूर्व-निर्धारित सूची की आवश्यकता है। पुराने तरीकों के लिए वैज्ञानिकों को यह कहना आवश्यक था कि, "यहाँ वे 100 नियम हैं जिनसे आप अनुमान लगा सकते हैं।" NeurOWL उस नियम पुस्तिका को फेंक देता है और कहता है, "मैं पूरे संसार को देखूँगा और जो भी फिट बैठता है उसका अनुमान लगाऊँगा।"
लेखक यह भी स्पष्ट करते हैं कि वे यह दावा नहीं कर रहे हैं कि उन्होंने ऑन्टोलॉजी रीजनिंग को हमेशा के लिए "हल" कर दिया है। वे यह नहीं कह रहे हैं कि कंप्यूटर अब मानव विशेषज्ञ से अधिक स्मार्ट हो गया है। इसके बजाय, वे सुझाव देते हैं कि यह विधि विशेषज्ञों की सहायता करने के लिए एक शक्तिशाली उपकरण है। सिस्टम को उन मामलों को संभालने के लिए डिज़ाइन किया गया है जहाँ लक्षित नियम वास्तव में गलत भी हो सकता है। यदि AI सोचता है कि "पर्शियन बिल्लियाँ चट्टानें हैं," तो यह "नहीं" कहेगा और रुक जाएगा, न कि किसी गलत स्पष्टीकरण को जबरदस्ती थोपेगा।
इन परिणामों में विश्वास हजारों उदाहरणों पर कठोर परीक्षण से आता है। ये संख्याएँ केवल अनुमान नहीं हैं; ये वास्तविक डेटा पर सिस्टम चलाने से प्राप्त मापे गए परिणाम हैं। हालाँकि, शोध पत्र नोट करता है कि अत्यंत जटिल परिदृश्यों में (जैसे बहुत विशिष्ट चिकित्सा प्रतिबंधों वाले नियमों का अनुमान लगाना), सिस्टम का प्रदर्शन थोड़ा गिर जाता है, जो यह दर्शाता है कि अभी भी सुधार की गुंजाइश है।
निचोड़ (The Bottom Line)
NeurOWL एक ऐसे जासूस की तरह है जो न केवल रहस्य को सुलझाता है बल्कि कहानी का गायब अध्याय भी लिखता है। कंप्यूटर के सख्त तर्क को AI की रचनात्मक अंतर्दृष्टि के साथ जोड़कर, यह एक टूटे हुए विश्वकोश को देख सकता है, यह पता लगा सकता है कि क्या गायब है, और समझा सकता है कि वह क्यों गायब है। इसे उत्तरों की किसी चीट शीट की आवश्यकता नहीं है; यह बस दुनिया के अपने ज्ञान का उपयोग करके रिक्त स्थानों को भरता है। जटिल डेटा पर काम करने वाले किसी भी व्यक्ति के लिए, डॉक्टरों से लेकर खाद्य वैज्ञानिकों तक, इसका अर्थ यह है कि जल्द ही हमारे पास ऐसे AI सहायक हो सकते हैं जो न केवल प्रश्नों के उत्तर दे सकते हैं बल्कि उन पुस्तकों को ठीक करने में भी मदद कर सकते हैं जिनका उपयोग हम प्रश्न पूछने के लिए 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।