Disentangling Model and Human Data Uncertainty in Apparent Facial Age Estimation
यह शोधपत्र यह प्रदर्शित करता है कि APPA-REAL डेटासेट पर प्रशिक्षित बेयसियन न्यूरल नेटवर्क चेहरे की आयु अनुमान में एलियटोरिक (aleatoric) और एपिस्टेमिक (epistemic) अनिश्चितताओं को प्रभावी ढंग से अलग और परिमाणित कर सकते हैं, जिससे यह स्पष्ट होता है कि एलियटोरिक अनिश्चितता डेटासेट के आकार के बावजूद स्थिर रहती है जबकि एपिस्टेमिक अनिश्चितता प्रशिक्षण डेटा घटने के साथ बढ़ती है।
मूल पेपर CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) के तहत सार्वजनिक डोमेन को समर्पित 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 किसी फोटो को देखकर सिर्फ देखकर यह अनुमान लगाने की कोशिश कर रहे हैं कि कोई अजनबी कितने साल का है। आप कह सकते हैं, "वे लगभग 30 के दिखते हैं," लेकिन आपका दोस्त कह सकता है, "बिल्कुल नहीं, वे 40 के दिखते हैं!" आर्टिफिशियल इंटेलिजेंस की दुनिया में, यह सिर्फ एक मासूम असहमति नहीं है; यह एक बहुत बड़ी पहेली है। AI सिस्टम चेहरे देखने और उम्र का अनुमान लगाने में बेहतर हो रहे हैं, लेकिन वे अक्सर अति-आत्मविश्वासी 'सब कुछ जानने वाले' की तरह व्यवहार करते हैं। वे आपको एक संख्या देते हैं और ऐसा व्यवहार करते हैं जैसे वह परम सत्य हो, भले ही उत्तर अस्पष्ट हो। यह खतरनाक है क्योंकि यदि कोई कंप्यूटर गलत उत्तर के बारे में बहुत अधिक आश्वस्त है, तो वह गलत निर्णय ले सकता है, जैसे कि किसी किशोर को शराब खरीदने देना या किसी वरिष्ठ नागरिक को वेबसाइट से रोकना। इसे ठीक करने के लिए, वैज्ञानिक AI को यह स्वीकार करना सिखा रहे हैं कि वह केवल अनुमान लगा रहा है। वे चाहते हैं कि कंप्यूटर कहे, "मुझे लगता है कि वे 30 के हैं, लेकिन मैं केवल 50% निश्चित हूँ," या "मुझे लगता है कि वे 30 के हैं, लेकिन मैं बहुत आश्वस्त हूँ।" इसे करने के लिए, शोधकर्ताओं ने अनिश्चितता को दो प्रकारों में विभाजित किया है: एलेयटोरिक (aleatoric) अनिश्चितता, जो डेटा की स्वाभाविक गड़बड़ी है (जैसे कि कैसे मनुष्य उम्र पर सहमत नहीं हो पाते), और एपिस्टेमिक (epistemic) अनिश्चितता, जो AI की अपनी अज्ञानता है (जैसे कि एक छात्र जिसने पर्याप्त अध्ययन नहीं किया है)।
यह शोध पत्र एक जासूसी कहानी की तरह है जहाँ जांचकर्ता कंप्यूटर को यह बताने के लिए प्रशिक्षित करने की कोशिश कर रहे हैं कि "डेटा भ्रमित करने वाला है" और "मैं भ्रमित हूँ" के बीच अंतर कैसे किया जाए। शोधकर्ताओं ने APPA-REAL नामक एक विशेष डेटासेट का उपयोग किया, जहाँ हजारों वास्तविक मनुष्यों ने एक ही चेहरे को देखा और इस पर वोट दिया कि वे कितने वर्ष के दिखते हैं। क्योंकि इतने सारे लोगों ने वोट दिया था, शोधकर्ता सटीक रूप से माप सके कि मनुष्यों के बीच कितनी असहमति थी (वह "गड़बड़ी") और इसका उपयोग AI को प्रशिक्षित करने के लिए किया। उन्होंने तीन अलग-अलग प्रकार के "बायेसियन" (Bayesian) AI मॉडल बनाए—इन्हें ऐसे समझें कि ये तीन अलग-अलग टीमों के जासूस हैं, जिनमें से प्रत्येक अनुमान लगाने और अपने विश्वास को मापने के लिए एक अलग रणनीति का उपयोग करता है। उन्होंने इन टीमों का परीक्षण उन्हें अलग-अलग मात्रा में डेटा देकर किया, जिसमें कुछ चुनिहीं तस्वीरों से लेकर पूरी लाइब्रेरी तक शामिल थी।
बड़ी खोज यह है कि अनिश्चितता के दो प्रकार बहुत अलग तरह से व्यवहार करते हैं, और AI उन्हें अलग करना सीख सकता है। डेटा की "गड़बड़ी" (एलेयटोरिक अनिश्चितता) बिल्कुल वैसी ही रही चाहे AI ने कितने भी फोटो देखे हों। यह एक शोर वाले कमरे की तरह है: चाहे एक व्यक्ति सुन रहा हो या हजार, बैकग्राउंड शोर का स्तर नहीं बदलता। शोधपत्र ने पाया कि यह शोर का स्तर 18 वर्ष वर्ग (जो लगभग 4.2 वर्ष के मानक विचलन में बदल जाता है) पर स्थिर था। यह पुष्टि करता है कि कुछ भ्रम मानव धारणा की प्रकृति में ही बना हुआ है।
दूसरी ओर, AI की अपनी अज्ञानता (एपिस्टेमिक अनिश्चितता) बिल्कुल वैसे ही काम करती है जैसा अपेक्षित था: जैसे-जैसे AI ने अधिक डेटा देखा, यह नाटकीय रूप से गिर गई। जब AI ने प्रशिक्षण डेटा का केवल 1% (लगभग 40 चित्र) देखा, तो वह बेहद अनिश्चित था। लेकिन जैसे ही उन्होंने इसे अधिक डेटा दिया, 100% सेट तक, AI बहुत अधिक आश्वस्त हो गया। उदाहरण के लिए, "ड्रॉपकनेक्ट" (DropConnect) पद्धति ने 5% डेटा पर लगभग 12.9 वर्ष वर्ग से लेकर पूरे डेटासेट के साथ 6.0 वर्ष वर्ग तक अपनी एपिस्टेमिक अनिश्चितता को गिरते हुए देखा। "डीप एनसेम्बल्स" (Deep Ensembles) पद्धति समग्र रूप से सबसे सटीक थी, जो 8.0 वर्ष का मीन एब्सोल्यूट एरर (MAE) लेकर समाप्त हुई, जबकि "फ्लिपआउट" (Flipout) सीखने में थोड़ी धीमी थी, जो 8.9 वर्ष का MAE लेकर समाप्त हुई।
शोधपत्र ने यह भी परीक्षण किया कि क्या ये स्मार्ट AI जासूस चेहरे के एक नए, अलग सेट (UTKFace डेटासेट) को संभाल सकते हैं। परिणामों ने दिखाया कि जब डेटा बदला, तो AI के विश्वास का स्तर उचित रूप से बदल गया, जिससे सिद्ध हुआ कि मॉडल अनिश्चितता की अपनी समझ को सामान्य बना सकते हैं। हालाँकि, लेखकों ने उल्लेख किया कि "फ्लिपआउट" पद्धति थोड़ी अस्थिर और डगमगाती हुई थी, विशेष रूप से जब डेटा कम था, जो सुझाव देता है कि यह उन स्थितियों के लिए सबसे अच्छा विकल्प नहीं हो सकता है जहाँ AI को बहुत सीमित जानकारी के साथ बहुत विश्वसनीय होने की आवश्यकता होती है।
अंततः, यह शोध बताता है कि अनिश्चितता के इन दो प्रकारों को अलग करना न केवल संभव है बल्कि आयु अनुमान (एक रिग्रेशन कार्य) में सरल हाँ/ना वर्गीकरण कार्यों की तुलना में वास्तव में बेहतर काम करता है। अध्ययन निष्कर्ष निकालता है कि जबकि डीप एनसेम्बल्स सबसे सटीक हैं, ड्रॉपकनेक्ट विधि स्पष्ट तस्वीर प्रदान करती है कि अधिक डेटा के साथ AI का विश्वास कैसे बढ़ता है। इसका अर्थ है कि हम एक ऐसे AI की ओर एक कदम और करीब हैं जो न केवल आपकी उम्र का अनुमान लगाता है, बल्कि यह भी जानता है कि वह कब केवल अनुमान लगा रहा 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।