Do Vision Encoders Exhibit Human-like Color Thresholds?

हमारी सबसे बुद्धिमान मशीनों का रंग अंधापन

कल्पना कीजिए कि आप सूर्यास्त देख रहे हैं। आपकी आँखों के लिए, आकाश केवल नारंगी रंग का एक बड़ा धब्बा नहीं है; यह एक सहज ढाल (ग्रेडिएंट) है जहाँ रंगों के कुछ सूक्ष्म बदलावों को पहचानना आसान होता है, जबकि अन्य इतने सटीक रूप से आपस में मिल जाते हैं कि आप उनके बीच अंतर नहीं कर पाते। मानव दृष्टि इसी तरह काम करती है: हमारा मस्तिष्क कुछ रंगों के प्रति अविश्वसनीय रूप से संवेदनशील होता है और कुछ के प्रति कम, जिससे दुनिया का एक ऐसा "मानचित्र" बनता है जो पूरी तरह से एक समान नहीं होता। वैज्ञानिक दशकों से इस असमान संवेदनशीलता के बारे में जानते हैं, और उन्होंने ठीक से मानचित्रित किया है कि किसी रंग को बदलने के लिए कितना बदलना आवश्यक है ताकि हम उसे नोटिस कर सकें।

अब, एक कंप्यूटर को देखना सिखाने की कल्पना करें। हमने "विज़न एनकोडर" नामक विशाल डिजिटल मस्तिष्क बनाए हैं जो लाखों तस्वीरों का अध्ययन करके बिल्लियों, कारों और बादलों को पहचान सकते हैं। ये मशीनें आधुनिक आर्टिफिशियल इंटेलिजेंस (AI) की चमक हैं। लेकिन यहाँ एक बड़ा सवाल है: क्या ये डिजिटल मस्तिष्क रंगों को वैसे ही देखते हैं जैसे हम देखते हैं? क्या उनके पास उस असमान "मानचित्र" का अपना संस्करण है, जो एक लाल सेब में उन्हीं सूक्ष्म बदलावों को देखता है जो एक इंसान देखता है, या वे दुनिया को एक पूरी तरह से अलग, शायद बहुत अधिक विचित्र लेंस के माध्यम से देखते हैं? यह एक नया अध्ययन हल करने के लिए निकला है, जो यह परीक्षण करता है कि क्या हमारे सबसे उन्नत AI ने अनजाने में मानव की तरह देखना सीख लिया है, या वह अभी भी उन तरीकों में रंग अंधा है जिनकी हमने कभी उम्मीद नहीं की थी।

महान रंग परीक्षण: क्या AI मस्तिष्क हमारी तरह देखते हैं?

इस अध्ययन में, शोधकर्ताओं की एक टीम ने 50 से अधिक विभिन्न AI विज़न मॉडलों को परखने का निर्णय लिया। इन मॉडलों को छात्रों की एक बड़ी कक्षा के रूप में समझें, जिनमें पुराने, क्लासिक "कन्वोल्यूशनल" नेटवर्क से लेकर नवीनतम, अत्यंत जटिल "ट्रांसफॉर्मर" और वे मॉडल शामिल हैं जिन्होंने छवियों के टेक्स्ट विवरण पढ़कर देखना सीखा है। शोधकर्ता जानना चाहते थे: क्या इन मशीनों में मानव-समान रंग सीमाएँ (color thresholds) हैं?

यह जानने के लिए, उन्होंने केवल AI से रंगों के नाम नहीं पूछे। इसके बजाय, उन्होंने "अंतर पहचानो" का एक खेल बनाया। उन्होंने 18 विशिष्ट संदर्भ रंगों (जैसे नीले या हरे रंग का एक विशेष शेड) को चुना और प्रत्येक को थोड़े अलग रंगों के बादल से घेर दिया। मनुष्यों के लिए, प्रत्येक रंग के चारों ओर एक ज्ञात "सुरक्षित क्षेत्र" होता है—एक खींचे हुए अंडाकार आकार जैसा (जिसे मैकैडम एलिप्स कहा जाता है) जहाँ उस अंडाकार के भीतर होने वाला कोई भी रंग परिवर्तन मानव आँख के लिए अदृश्य होता है। यदि आप उस अंडाकार से थोड़ा भी बाहर कदम रखते हैं, तो आप अचानक अंतर देख सकते हैं।

फिर शोधकर्ताओं ने इन रंगों को AI मॉडलों में डाला। उन्होंने AI से पूछा: "इनमें से कौन सा रंग केंद्र वाले रंग के सबसे समान दिखता है?" AI ने अपने डिजिटल मस्तिष्क में अपना स्वयं का "समानता मानचित्र" बनाकर उत्तर दिया। यदि AI मानव-समान होता, तो उसका "समान रंगों" का मानचित्र मानव "सुरक्षित क्षेत्र" के अंडाकार के साथ पूरी तरह से मेल खाता।

परिणाम: इंद्रधनुष में एक बेमेल स्थिति

निष्कर्ष चौंकाने वाले थे। अध्ययन में पाया गया कि, सामान्य तौर पर, ये AI मॉडल मनुष्यों की तरह रंग नहीं देखते हैं।

यहाँ तक कि सर्वश्रेष्ठ प्रदर्शन करने वाले मॉडल भी केवल 25% बार मानव रंग संवेदनशीलता से मेल खाते थे (विशेष रूप से, एक स्कोर जिसे mIoU कहा जाता है, वह 0.25 से कम था)। इसे समझने के लिए, यदि आप मानव धारणा को पूरी तरह से मिलाने की कोशिश कर रहे होते, तो ये AI मॉडल एक चौथाई से भी कम विवरण सही प्राप्त कर रहे थे। वे रंगों के प्रति पूरी तरह अंधे नहीं थे, लेकिन इंद्रधनुष का उनका "मानचित्र" विकृत था।

अध्ययन ने विभिन्न प्रकार के AI छात्रों के बारे में क्या खोजा, यहाँ दिया गया है:

• स्व-शिक्षित छात्र जीते: वे मॉडल जिन्होंने बिना किसी लेबल के चित्रों को देखकर खुद को सिखाया (सेल्फ-सुपरवाइज्ड), उन्होंने सबसे अच्छा काम किया। वे मानव दृष्टि के सबसे करीब थे, हालांकि पूर्णता से अभी भी दूर थे।
• टेक्स्ट-लर्नर अनिश्चित थे: वे मॉडल जिन्होंने छवियों को टेक्स्ट के साथ मिलाने से सीखा (जैसे CLIP), वे सबसे अप्रत्याशित थे। उनमें से कुछ कक्षा में सबसे ऊपर थे, जबकि अन्य सबसे नीचे थे। वे ध्रुवीकृत थे, जिसका अर्थ है कि या तो उन्होंने इसे कुछ हद तक सही समझा या बहुत गलत समझा।
• बड़ा होना बेहतर नहीं है: आप सोच सकते हैं कि एक विशाल, अत्यधिक जटिल AI मॉडल एक छोटे, पुराने मॉडल की तुलना में बेहतर देखेगा। लेकिन अध्ययन ने दिखाया कि मॉडल के आकार को बढ़ाने से समस्या स्वतः ठीक नहीं हुई। वास्तव में, कुछ पुराने, छोटे मॉडल (जैसे क्लासिक VGG16) आधुनिक फाउंडेशन मॉडलों के समान ही प्रदर्शन करते थे। यह सुझाव देता है कि केवल मस्तिष्क को बड़ा करने से उसे मानव की तरह रंग देखना नहीं सिखाया जा सकता।
• नीला रंग की समस्या: AI को नीले रंगों के साथ सबसे अधिक संघर्ष करना पड़ा। जिस तरह मनुष्यों को बहुत मिलते-जुलते नीले रंगों के बीच अंतर करने में कठिनाई होती है, AI को यहाँ सबसे कठिन अनुभव हुआ, और अक्सर वे "सुरक्षित क्षेत्रों" को पूरी तरह से गलत बताते थे।

यह क्यों महत्वपूर्ण है

शोधकर्ताओं का सुझाव है कि मानव-समान रंग संवेदनशीलता स्वाभाविक रूप से नहीं आती सिर्फ इसलिए क्योंकि एक AI को भारी मात्रा में तस्वीरों पर प्रशिक्षित किया गया है। इन मॉडलों को प्रशिक्षित करने का वर्तमान तरीका रंग धारणा के सूक्ष्म विवरणों (जैसे वस्तुओं को पहचानना या टेक्स्ट को समझना) के बजाय अन्य चीजों को प्राथमिकता देता है।

अध्ययन निष्कर्ष निकालता है कि हालांकि इन AI मॉडलों ने रंगों को एक संरचित तरीके से व्यवस्थित करना सीख लिया है (वे केवल रैंडम शोर नहीं हैं), वे इसे हमारे तरीके से अलग तरह से व्यवस्थित करते हैं। यदि आप इन मॉडलों का उपयोग उन कार्यों के लिए करते हैं जिनमें सटीक रंग मिलान की आवश्यकता होती है—जैसे पुरानी पेंटिंग्स को बहाल करना, यह जांचना कि फल पका है या नहीं, या डिजिटल कला डिजाइन करना—तो आपको समस्याओं का सामना करना पड़ सकता है। AI को लग सकता है कि दो रंग समान हैं, जबकि एक मानव स्पष्ट रूप से देख सकता है कि वे भिन्न हैं, या इसके विपरीत।

संक्षेप में, हमारी डिजिटल आँखें "बड़ी तस्वीर" देखने में बेहतर हो रही हैं, लेकिन वे अभी भी उन सूक्ष्म, रंगीन विवरणों को देखना सीख रही हैं जो हमारी दुनिया को हमारे लिए वास्तविक बनाते हैं। एक मशीन सूर्यास्त को कैसे देखती है और हम उसे कैसे देखते हैं, उसके बीच का अंतर अभी भी बहुत बड़ा है।