Context and Symmetry in Auditing: A Case Study of Skeleton Inference in Motion Capture
यह शोध पत्र "संदर्भगत ऑडिटिंग" (contextual auditing) प्रस्तुत करता है और उन चुनौतियों का समाधान करने के लिए विज्ञान और प्रौद्योगिकी अध्ययन से "सममिति" (symmetry) की अवधारणा का लाभ उठाता है जब सत्य (ground truth) अज्ञात या विवादित हो, और मोशन कैप्चर में कंकाल अनुमान (skeleton inference) पर एक केस स्टडी के माध्यम से इस दृष्टिकोण का प्रदर्शन करता 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 मानव शरीर को समझना सिखाने की कोशिश कर रहे हैं। आप चाहते हैं कि वह जानता हो कि एक हाथ कितना लंबा है, एक कंधा कितना चौड़ा है, या एक घुटना कैसे मुड़ता है। लेकिन यहाँ एक पेंच है: रोबोट शरीर के अंदर नहीं देख सकता। वह केवल बाहर देख सकता है। तो, आपको कैसे पता चलेगा कि रोबोट सच बोल रहा है? यह एआई ऑडिटिंग (AI auditing) नामक एक क्षेत्र का बड़ा सवाल है। आमतौर पर, यह जाँचने के लिए कि क्या कोई रोबोट सही है, आप उसके उत्तर की तुलना एक "ग्राउंड ट्रुथ" (ground truth) से करते हैं—एक पूर्ण, अकाट्य तथ्य, जैसे कि एक ऐसा पैमाना जो कभी झूठ नहीं बोलता। लेकिन क्या होता है जब वहाँ कोई आदर्श पैमाना ही नहीं होता? क्या होगा यदि आप जिस चीज़ को माप रहे हैं (जैसे त्वचा के नीचे छिपी एक हड्डी की सटीक लंबाई) उसे सीधे देखना असंभव हो? यहीं पर चीजें पेचीदा हो जाती हैं। वैज्ञानिकों को यह तय करना पड़ता है कि सबसे पहले "सत्य" किसे माना जाए, और कभी-कभी, अलग-अलग विशेषज्ञों के बीच असहमति होती है। यह शोध पत्र उस उलझी हुई, भ्रमित करने वाली, लेकिन दिलचस्प दुनिया में उतरता है जहाँ हम उन एआई सिस्टमों का ऑडिट करने की कोशिश करते हैं जो हमारे शरीर को मापते हैं, भले ही हमारे पास जाँचने के लिए कोई पूर्ण उत्तर कुंजी (answer key) न हो।
इस शोध पत्र के लेखक, कॉरनेल टेक और वर्जीनिया विश्वविद्यालय जैसी जगहों के शोधकर्ताओं की एक टीम ने, इस समस्या को एक विशिष्ट प्रकार के एआई की ओर देखकर हल करने का निर्णय लिया: मोशन कैप्चर सिस्टम्स (motion capture systems) या "मोकैप" (mocap)। आपने शायद इन्हें फिल्मों या वीडियो गेम में देखा होगा, जहाँ अभिनेता उन छोटे परावर्तक बिंदुओं (reflective dots) से ढके सूट पहनते हैं, और कैमरे उन बिंदुओं को ट्रैक करके एक डिजिटल कंकाल बनाते हैं जो अभिनेता की तरह ही चलता है। यह शोध पत्र इन सिस्टमों द्वारा किए जाने वाले एक विशिष्ट कार्य पर केंद्रित है जिसे "स्केलेटन इन्फरेंस" (skeleton inference) कहा जाता है, जहाँ कंप्यूटर त्वचा पर मौजूद बिंदुओं के आधार पर हड्डियों की स्थिति का अनुमान लगाता है।
शोधकर्ता तर्क देते हैं कि इन सिस्टमों की जाँच करने का पुराना तरीका—सिर्फ कंप्यूटर के अनुमान की तुलना एक "पूर्ण" माप से करना—यहाँ अच्छी तरह से काम नहीं करता है क्योंकि, कई शरीर के अंगों के लिए, शुरुआत में ही कोई एक "पूर्ण" माप मौजूद नहीं होता है। क्या अग्रबाहु (forearm) की लंबाई दो हड्डियों के बीच की दूरी है, या त्वचा पर दो बिंदुओं के बीच की दूरी है? वे अलग हैं! इस समस्या को हल करने के लिए, टीम एक नया ऑडिट करने का तरीका पेश करती है जिसे कॉन्टेक्स्टुअल ऑडिट (contextual audit) कहा जाता है। केवल नंबरों को देखने के बजाय, वे उस पूरी "कहानी" को देखते हैं कि माप कैसे होता है: इसे कौन कर रहा है, वे किन उपकरणों का उपयोग करते हैं, और वे क्या मानते हैं कि सत्य है। वे सिमेट्री (symmetry) यानी समरूपता की एक अवधारणा का भी उपयोग करते हैं, जो एक जासूस के नियम की तरह है: मापने के हर संभावित तरीके (भले ही वे गलत हों) के साथ समान स्तर के संदेह और सम्मान का व्यवहार करें। केवल यह मानकर न बैठें कि आपका पैमाना सही है और कंप्यूटर गलत है; यह मान लें कि दोनों अलग-अलग तरीकों से त्रुटिपूर्ण हो सकते हैं, और फिर यह पता लगाएँ कि वे क्यों असहमत हैं।
इस विचार का परीक्षण करने के लिए, टीम ने न्यूयॉर्क यूनिवर्सिटी में एक वास्तविक दुनिया का प्रयोग आयोजित किया। उन्होंने मोशन कैप्चर विशेषज्ञों के साथ काम किया जो रचनात्मक डिजाइन के लिए इन सिस्टमों का उपयोग करते हैं, जैसे कि वीडियो गेम बनाना। उन्होंने 24 लोगों को दो अलग-अलग तरीकों से अपने शरीर को मापने के लिए नियुक्त किया। पहले, उन्होंने कैमरों और 41 परावर्तक मार्करों के साथ उच्च-तकनीकी मोशन कैप्चर सिस्टम का उपयोग किया। दूसरा, उन्होंने उन्हीं शरीर के अंगों को मापने के लिए मानक स्वास्थ्य दिशानिर्देशों का पालन करते हुए, एक साधारण, पुराने ज़माने के इंची टेप (tape measure) का उपयोग किया।
यहाँ मोड़ यह है: शोधकर्ताओं ने टेप को "सत्य" और कंप्यूटर को "झूठा" नहीं माना। इसके बजाय, उन्होंने दोनों को एक ही चीज़ का अनुमान लगाने के अलग-अलग तरीकों के रूप में माना। उन्होंने पाया कि कंप्यूटर सिस्टम कुछ लोगों के लिए बहुत अच्छा काम करता था लेकिन दूसरों के लिए संघर्ष करता था, विशेष रूप से यदि उस व्यक्ति के शरीर का आकार उन "औसत" शरीरों से मेल नहीं खाता था जिन पर सिस्टम को मूल रूप से प्रशिक्षित किया गया था (जो ऐतिहासिक रूप से ज्यादातर दुबले और पुरुष थे)। टेप के अपने मुद्दे भी थे, जो इस बात पर निर्भर करते थे कि उसे पकड़ने वाला व्यक्ति शरीर के लैंडमार्क्स की व्याख्या कैसे करता है।
अपने इस नए "सिमेट्री" दृष्टिकोण का उपयोग करके, टीम ने दिखाया कि बिना किसी पूर्ण ग्राउंड ट्रुथ के भी आप इन सिस्टमों का प्रभावी ढंग से ऑडिट कर सकते हैं। उन्होंने पाया कि कंप्यूटर की त्रुटियाँ यादृच्छिक (random) नहीं थीं; वे उन विशिष्ट धारणाओं से जुड़ी थीं जो सिस्टम ने मानव शरीर के बारे में बनाई थीं। उदाहरण के लिए, यदि किसी व्यक्ति में "सॉफ्ट टिश्यू" (वसा या मांसपेशी) अधिक था, तो कंप्यूटर का हड्डी की लंबाई के बारे में अनुमान भटक जाता था। यह शोध पत्र सुझाव देता है कि इन छिपे हुए अनुमानों और माप लेने के संदर्भ को समझकर, हम यह पता लगा सकते हैं कि एआई हमें कहाँ विफल कर रहा है, भले ही हम किसी एक "सही" संख्या की ओर इशारा न कर सकें।
अंततः, यह शोध पत्र यह दावा नहीं करता है कि इसने मोशन कैप्चर को ठीक कर दिया है या पूर्ण शरीर माप के रहस्य को सुलझा लिया है। इसके बजाय, यह सवाल पूछने का एक बेहतर तरीका सुझाता है। यह दिखाता है कि जब हम ऐसे एआई के साथ व्यवहार कर रहे होते हैं जो हमें मापता है, तो हमें एक जादुई "सत्य" खोजने के बजाय उन प्रथाओं, उपकरणों और पूर्वाग्रहों को देखने की आवश्यकता है जो सिस्टम में निर्मित हैं। यह एक अनुस्मारक है कि इससे पहले कि हम कार्यस्थल सुरक्षा या चिकित्सा निदान के लिए अपने शरीर को मापने के लिए किसी रोबोट पर भरोसा करें, हमें उस जटिल, मानवीय कहानी को समझने की आवश्यकता है कि उस रोबोट ने शुरू में हमें मापना कैसे सीखा।
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।