Lexical discovery in unknown environments orchestrated by Large Language Models
यह शोध पत्र न्यूरो-सिम्बोलिक लेक्सिकल डिस्कवरी (NSLD) ढांचे का प्रस्ताव करता है, जहाँ LLM-आधारित एजेंट अज्ञात दृश्य संस्थाओं के लिए साझा शब्दावलियों को स्वायत्त रूप से विकसित और अभिसरित करते हैं, जिससे वे नए "एलियन" शब्दों को सिमेंटिक एम्बेडिंग निकटता के माध्यम से प्राकृतिक भाषा से जोड़कर स्वायत्त अन्वेषण मिशनों के लिए पूर्व-परिनियोजन योजना बनाने में सक्षम होते 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 खोजकर्ताओं का एक समूह एक ऐसे ग्रह पर उतरता है जहाँ किसी भी चीज़ का कोई नाम नहीं है। न कोई मानचित्र, न शब्दकोश, और न ही उन अजीब चमकते पत्थरों या तैरते जीवों के लिए मानवीय शब्द जिन्हें वे देख रहे हैं। वे एक-दूसरे से इन नई चीज़ों के बारेंे में कैसे बात करेंगे? यह "सिंबल ग्राउंडिंग" (symbol grounding) की पहेली है। सरल शब्दों में, यह एक बनाई गई ध्वनि या प्रतीक को उस वास्तविक चीज़ से जोड़ने की चुनौती है जिसे आप देख या छू सकते हैं, न कि केवल उसे किसी दूसरे शब्द से जोड़ने की। आमतौर पर, रोबोट और एआई (AI) मानवीय किताबें पढ़कर या मानवीय वीडियो देखकर सीखते हैं, इसलिए वे केवल उन चीज़ों के शब्दों को जानते हैं जिन्हें मनुष्यों ने पहले ही नाम दे दिया है। लेकिन क्या होता है जब वे किसी बिल्कुल नई चीज़ का सामना करते हैं, ऐसी चीज़ जो मौजूद नहीं है? यह शोध पत्र उसी रहस्य की गहराई में जाता है, और यह पूछता है कि क्या एआई एजेंटों की एक टीम अज्ञात के लिए अपनी साझा भाषा खुद बना सकती है और फिर उसे हमें सिखा सकती है।
इस अध्ययन के पीछे के शोधकर्ताओं, राफेल सेंड्रा-अरान्ज़ और उनकी टीम ने एक डिजिटल प्रयोग स्थापित किया ताकि यह देखा जा सके कि क्या एआई रोबोटों का एक झुंड इस समस्या को अपने आप हल कर सकता है। उन्होंने "न्यूरो-सिम्बोलिक लेक्सिकल डिस्कवरी" (NSLD) नामक एक ढांचा बनाया। इसे एक अजीब, एलियन दुनिया की खोज करने वाले रोबोटों के समूह द्वारा खेले गए "टेलीफोन" के खेल की तरह समझें। इस दुनिया में, रोबोटों को दस अलग-अलग दृश्य वस्तुओं का सामना करना पड़ता है—जैसे अजीब, बनावट वाले पत्थर या एलियन जीव—जिन्हें विशेष रूप से पूरी तरह से नया बनाया गया था, ताकि एआई केवल अपने प्रशिक्षण डेटा से उनके नाम का अनुमान न लगा सके।
रोबोट एक विशेष "मस्तिष्क" से लैस हैं जो एक विज़न सिस्टम (वस्तु को देखने के लिए), एक मेमोरी बैंक (नामों को संग्रहीत करने के लिए), और एक लैंग्वेज मॉडल (सोचने और बात करने के लिए) को जोड़ता है। वे एक खेल खेलते हैं जहाँ एक रोबोट, "स्पीकर" (वक्ता), एक वस्तु चुनता है और उसे एक नाम देने की कोशिश करता है। दूसरा रोबोट, "हियरर" (श्रोता), उसी वस्तु को देखता है और उसे नाम बताने का अनुमान लगाता है। यदि वे एक ही बना हुआ शब्द चुनते हैं, तो उन्हें आत्मविश्वास का एक अंक मिलता है; यदि वे अलग-अलग शब्द चुनते हैं, तो वे एक अंक खो देते हैं और अपने विकल्पों पर पुनर्विचार करना पड़ता है। सैकड़ों राउंड के बाद, रोबोट बहस करने लगते हैं, सहमत होते हैं, और अंततः उन दस अजीब वस्तुओं में से प्रत्येक के लिए एक एकल, साझा नाम पर स्थिर हो जाते हैं।
जो बात वास्तव में शानदार है वह यह है कि रोबोट केवल एक यादृच्छिक ध्वनि पर सहमत नहीं होते हैं। क्योंकि वे एक स्मार्ट विज़न सिस्टम का उपयोग करते हैं, उनके नए नाम वास्तव में वस्तुओं के रूप से "एंकर" (जुड़े हुए) होते हैं। शोध पत्र दिखाता है कि रोबोट अपने नए एलियन शब्दों को मानव अंग्रेजी शब्दों से भी जोड़ सकते हैं, इस आधार पर कि वस्तुएं दिखने में कितनी समान हैं। उदाहरण के लिए, यदि एक नया एलियन पत्थर थोड़ा बहुत 'बोल्डर' (बड़ा पत्थर) जैसा दिखता है, तो एआई उस नए एलियन शब्द को अंग्रेजी शब्द "रॉक" (चट्टान) से जोड़ सकता है। इसका मतलब है कि रोबोट केवल बड़बड़ा नहीं रहे हैं; वे अपनी नई खोजों और हमारी मौजूदा भाषा के बीच एक पुल बना रहे हैं।
टीम ने इन सिमुलेशन को केवल दो से लेकर बीस तक के रोबोटों के समूहों के साथ चलाया, और उन्होंने पाया कि रोबोट हमेशा एक साझा शब्दावली पर सहमत होने में सफल रहे, चाहे समूह कितना भी बड़ा क्यों न हो। हालाँकि, समूह जितना बड़ा होता गया, उन्हें सहमत होने में उतना ही अधिक समय लगा। सबसे छोटे समूह (दो रोबोट और तीन वस्तुएं) में, उन्होंने लगभग 16 राउंड में इसे सुलझा लिया। लेकिन सबसे बड़े समूह (बीस रोबोट और दस वस्तुएं) में, उन्हें पूर्ण सहमति तक पहुँचने में लगभग 4,600 राउंड लगे। शोधकर्ताओं ने गणितीय सूत्र भी बनाए जो सटीक रूप से भविष्यवाणी कर सकते हैं कि एक समूह के सहमत होने में कितना समय लगेगा, जो इंजीनियरों को वास्तविक मिशन लॉन्च करने से पहले योजना बनाने में मदद कर सकता है।
यह ध्यान रखना महत्वपूर्ण है कि यह पूरी कहानी एक कंप्यूटर सिमुलेशन के भीतर हुई। रोबोट वास्तव में किसी ग्रह पर नहीं चले थे, और "एलियंस" केवल कंप्यूटर-जनित चित्र थे। शोध पत्र यह दावा नहीं करता है कि यह वास्तविक दुनिया के रोबरों के लिए एक हल की गई समस्या है, लेकिन यह सुझाव देता है कि यह तरीका एक नियंत्रित डिजिटल वातावरण में बहुत अच्छी तरह काम करता है। लेखक तर्क देते हैं कि यह एक महत्वपूर्ण प्रगति है क्योंकि यह दिखाता है कि एआई उन चीजों को नाम देना सीख सकता है जिन्हें उसने पहले कभी नहीं देखा है, बिना किसी मनुष्य के हस्तक्षेप के उन्हें हर एक शब्द सिखाए। यह उस दिन की ओर एक पहला कदम है जब हमारे रोबोटिक खोजकर्ता गहरे समुद्र या दूर के चंद्रमाओं से वापस आ सकेंगे और कह सकेंगे, "हमें यह अजीब चीज़ मिली है, और इसे हम यह कहते 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।