Don't Contrast the Impossible: Region-Constrained Batching for Contrastive User Modeling on a Local Community Platform
यह शोध पत्र रीजन-कंस्ट्रेंड बैच सैंपलिंग (RCBS) का प्रस्ताव देता है, जो स्थानीय सामुदायिक प्लेटफार्मों के लिए एक नवीन बैचिंग विधि है जो कंट्रास्टिविव यूजर मॉडलिंग को बेहतर बनाने के लिए भौगोलिक रूप से असंभव नेगेटिव्स को व्यवहार्य (फीज़िबल) नेगेटिव्स से बदल देता है, जिससे उत्पादन में अनुशंसा (रिकमेंडेशन) और विज्ञापन प्रदर्शन में वृद्धि होती 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 रोबोट को यह सिखाने की कोशिश कर रहे हैं कि लोग क्या पसंद करते हैं। कंप्यूटर विज्ञान की दुनिया में, इसे "रिकमेंडर सिस्टम्स" (recommender systems) कहा जाता है, और रोबोट का मस्तिष्क "कॉन्ट्रास्टिव लर्निंग" (contrastive learning) नामक एक तकनीक का उपयोग करके बनाया गया है। इसे "अंतर खोजने" के खेल की तरह समझें। रोबोट को यह सिखाने के लिए कि उपयोगकर्ता क्या पसंद करता है, आप उसे किसी ऐसी चीज़ की तस्वीर दिखाते हैं जिस पर उन्होंने क्लिक किया है (एक "पॉजिटिव") और फिर उसे बहुत सारी अन्य तस्वीरें दिखाते हैं जिन्हें उन्होंने क्लिक नहीं किया ("नेगेटिव्स")। रोबोट यह समझकर सीखता है, "आह, उपयोगकर्ता इसे पसंद करता है, लेकिन उन अन्य चीज़ों को नहीं।"
इस खेल को अच्छी तरह से काम करने के लिए, जो "नेगेटिव" तस्वीरें आप रोबोट को दिखाते हैं, वे ऐसी होनी चाहिए जिन्हें उपयोगकर्ता देख सकता था लेकिन उसने बस उन्हें अनदेखा कर दिया। यदि आप एक ऐसे उपयोगकर्ता को पेंगुइन की तस्वीर दिखाते हैं जो रेगिस्तान के बीच में रहता है और जिसने कभी पेंगुइन नहीं देखा है, तो रोबोट कुछ भी उपयोगी नहीं सीख पाता। उपयोगकर्ता ने पेंगुइन को इसलिए अनदेखा नहीं किया क्योंकि उसे वह नापसंद था; बल्कि इसलिए क्योंकि उसे देखना उसके लिए असंभव था। यह शोध पत्र एक विशिष्ट समस्या पर काम करता है जहाँ "गेम बोर्ड" के नियम बहुत सख्त हैं कि कौन क्या देख सकता है, और रोबोट को असंभव चीजें दिखाकर भ्रमित किया जा रहा था।
समस्या: असंभव विकल्पों के साथ रोबोट को सिखाना
करोट (Karrot) जैसे स्थानीय सामुदायिक ऐप पर, जो दक्षिण कोरिया में सामान खरीदने और बेचने के लिए एक लोकप्रिय जगह है, खेल के नियम अमेज़न जैसे वैश्विक स्टोर की तुलना में बहुत अलग हैं। करोट पर, आप केवल वही वस्तुएं देख सकते हैं जो आपके पास हैं। यदि आप सियोल में रहते हैं, तो आप बुसान में बिक्री के लिए रखी गई साइकिल नहीं देख पाएंगे, भले ही वह सबसे शानदार साइकिल क्यों न हो। ऐप को इस तरह डिज़ाइन किया गया है कि दूरी एक दीवार की तरह काम करती है; दीवार के दूसरी ओर की वस्तुएं आपके लिए अदृश्य होती हैं।
शोधकर्ताओं ने पाया कि रोबोट को प्रशिक्षित करने का मानक तरीका एक बड़ी गलती कर रहा था। रोबोट को "मिनी-बैचेस" (mini-batches) का उपयोग करके प्रशिक्षित किया जा रहा था, जो उपयोगकर्ताओं और वस्तुओं के बेतरतीब ढंग से मिले-जुले छोटे समूह होते हैं। चूंकि मिश्रण रैंडम था, इसलिए रोबोट अक्सर उपयोगकर्ता को ऐसी वस्तुएं दिखा रहा था जो उस विशिष्ट उपयोगकर्ता के लिए देखना भौतिक रूप से असंभव थीं। उदाहरण के लिए, यह एक पड़ोस के उपयोगकर्ता को दूसरे पड़ोस की वस्तु दिखा सकता था जो उससे 50 किलोमीटर दूर है।
यह शोध पत्र इन्हें "असंभव नेगेटिव्स" (impossible negatives) कहता है। जब रोबोट देखता है कि एक उपयोगकर्ता एक ऐसी वस्तु को अनदेखा करता है जिसे देखना उसके लिए असंभव था, तो वह सोचता है, "ठीक है, इस उपयोगकर्ता को निश्चित रूप से यह वस्तु नापसंद है!" लेकिन यह गलत है। उपयोगकर्ता ने इसे नापसंद नहीं किया; वह बस इसे देख नहीं सकता था। यह एक शिक्षक द्वारा छात्र को उस प्रश्न का उत्तर न देने के लिए डांटने जैसा है जो एक ऐसी भाषा में लिखा गया है जिसे छात्र नहीं जानता। यह शोध पत्र तर्क देता है कि प्रशिक्षण खेल में इन "असंभव" विकल्पों को भरने से रोबोट की सीखने की क्षमता कम हो जाती है, जिससे वह यह अनुमान लगाने में खराब हो जाता है कि लोग वास्तव में क्या चाहते हैं।
समाधान: "सेम-नेबरहुड" (समान पड़ोस) का नियम
इसे ठीक करने के लिए, लेखकों—सुंगहो हान, ब्योंगचांग किम और जिन यू—ने एक नया तरीका प्रस्तावित किया जिसे रीजन-कंस्ट्रेंड बैच सैंपलिंग (RCBS) कहा जाता है।
सभी को एक ही बड़े बर्तन में डालने के बजाय, RCBS एक सख्त मोहल्ला निगरानी (neighborhood watch) की तरह काम करता है। जब यह रोबोट को प्रशिक्षित करने के लिए उपयोगकर्ताओं का एक समूह बनाता है, तो यह केवल उन्हीं उपयोगकर्ताओं को चुनता है जो एक ही क्षेत्र में (या बहुत करीबी क्षेत्रों में) रहते हैं। क्योंकि इस समूह में हर कोई पास-पास रहता है, इसलिए समूह में दिखाई जाने वाली हर वस्तु वह होती जिसे उस समूह में से कोई भी सैद्धांतिक रूप से देख सकता था।
यह सरल परिवर्तन एक शक्तिशाली प्रभाव डालता है। अब, जब रोबोट देखता है कि एक उपयोगकर्ता किसी वस्तु को अनदेखा करता है, तो वह निश्चित रूप से जानता है कि उपयोगकर्ता उसे देख सकता था। यदि वे फिर भी क्लिक नहीं करते हैं, तो यह एक वास्तविक संकेत है कि उनकी रुचि इसमें नहीं है। इन्हें "फिजिबल नेगेटिव्स" (feasible negatives) कहा जाता है। शोध पत्र सुझाव देता है कि ये "फिजिबल" विकल्प आसान "असंभव" विकल्पों की तुलना में रोबोट के लिए सीखना अधिक कठिन और अधिक सूचनात्मक हैं। यह रोबोट के प्रशिक्षण को "बंद डिब्बे में क्या है इसका अनुमान लगाने" से अपग्रेड करके "अपने सामने रखे डिब्बे में क्या है इसका अनुमान लगाने" में बदलने जैसा है।
उन्होंने क्या पाया: एक बेहतर रोबोट
टीम ने इस विचार का परीक्षण दो तरीकों से किया: पहले सिमुलेशन के माध्यम से ऑफलाइन (अभ्यास मैच की तरह), और दूसरा वास्तविक ऐप के साथ वास्तविक उपयोगकर्ताओं के साथ (लाइव A/B टेस्ट)।
सिमुलेशन में, उन्होंने मापा कि प्रशिक्षण समूहों में कितने "असंभव" विकल्प थे। पुराने रैंडम तरीके के साथ, चौंकाने वाले 98% नकारात्मक विकल्प उपयोगकर्ता के देखने के लिए असंभव थे। उनके नए RCBS तरीके के साथ, वे उस संख्या को घटाकर 30% तक लाने में सफल रहे।
परिणाम स्पष्ट थे। नए "पड़ोस नियम" के साथ प्रशिक्षित रोबोट उपयोगकर्ताओं को समझने में बहुत बेहतर हो गया।
- ऑफलाइन टेस्ट: नया रोबोट पुराने रोबोट की तुलना में होम फीड सर्च के लिए अपनी सही वस्तुओं को खोजने की क्षमता में लगभग 7.56% और विज्ञापन रैंकिंग के लिए 4.61% सुधार कर गया।
- लाइव टेस्ट: जब उन्होंने नए रोबोट को वास्तविक ऐप में डाला, तो परिणाम और भी रोमांचक थे। होम फीड पर क्लिक की संख्या 10.0% बढ़ गई, और फीड देखने वाले लोगों की संख्या (इम्प्रेशंस) में 5.12% की वृद्धि हुई। विज्ञापनों ने भी बेहतर प्रदर्शन किया, जिसमें लोगों के क्लिक करने में 7.46% की वृद्धि हुई।
निष्कर्ष
शोध पत्र निष्कर्ष निकालता है कि स्थानीय सामुदायिक प्लेटफार्मों के लिए, आप केवल उपयोगकर्ताओं और वस्तुओं को बेतरतीब ढंग से मिला नहीं सकते। आपको भूगोल का सम्मान करना होगा। यह सुनिश्चित करके कि रोबोट केवल उन चीजों से सीखता है जिन्हें उपयोगकर्ता वास्तव में देख सकता है, रोबोट बहुत तेजी से और समझदारी से सीखता है। लेखकों ने पहले से ही इस नई पद्धति को करोट में तैनात कर दिया है, और अब यह लाखों उपयोगकर्ताओं को उनके अपने पड़ोस में उनकी पसंद की चीजें खोजने में मदद कर रहा है। वे सुझाव देते हैं कि हालांकि यह एक बड़ा कदम है, भविष्य में इन "पड़ोस" नियमों को और अधिक सूक्ष्म बनाने के और भी तरीके हो सकते हैं, लेकिन फिलहाल, "असंभव का मुकाबला न करने" का सरल समाधान सफल 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।