Inverse Theory of Mind Modeling for Content Recommendation: From Web Browsing to Dynamic Intelligent Interfaces
यह शोध पत्र एक इनवर्स थ्योरी ऑफ माइंड (IToM) पाइपलाइन प्रस्तावित करता है जो उपयोगकर्ता के विश्वासों को पुनर्गठित करने और ब्राउज़िंग इंटरैक्शन से संरचित पर्सोना उत्पन्न करने के लिए LLM-संचालित काउंटरफैक्चुअल रीजनिंग और एबडक्टिव इन्फरेंस का उपयोग करता है, जो उपयोगकर्ता के लक्षणों की भविष्यवाणी करने में बेहतर सटीकता प्रदर्शित करता है और VisionOS जैसे अनुप्रयोगों में गतिशील, मोडैलिटी-अज्ञेयवादी सामग्री अनुशंसाओं को सक्षम बनाता 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 यह अनुमान लगाने की कोशिश कर रहे हैं कि आपका दोस्त रात के खाने में क्या चाहता है। यदि आप केवल उन्हें एक बार पिज्जा के विज्ञापन पर क्लिक करते हुए देखते हैं, तो आप सोच सकते हैं, "आहा! उन्हें पिज्जा बहुत पसंद है!" लेकिन क्या होगा अगर वे केवल कीमतों की तुलना कर रहे थे? या शायद वे किसी और के लिए उपहार देख रहे थे? कंप्यूटर की दुनिया में, यह उन तरीकों के साथ एक बड़ी समस्या है जिनसे हम आमतौर पर "अनुशंसा प्रणाली" (recommender systems) बनाते हैं। ये वे स्मार्ट एल्गोरिदम हैं जो फिल्में, गाने या उत्पाद सुझाते हैं। पारंपरिक रूप से, वे एक सांख्यिकीविद् (statistician) की तरह कार्य करते हैं जो केवल इस बात को गिनता है कि आपने कितनी बार एक बटन दबाया है। वे क्रिया (क्लिक) को देखते हैं लेकिन उसके पीछे के 'क्यों' को नहीं समझते। वे नहीं जानते कि आपने किसी चीज़ को इसलिए चुना क्योंकि आपको वह पसंद है, या इसलिए क्योंकि आप बोर हो रहे थे, या इसलिए क्योंकि आप भ्रमित थे।
इसे ठीक करने के लिए, वैज्ञानिक मनोविज्ञान की एक अवधारणा की ओर देख रहे हैं जिसे "थ्योरी ऑफ माइंड" (Theory of Mind) कहा जाता है। इसे किसी दूसरे के दिमाग के भीतर क्या चल रहा है—उनके विश्वास, उनके लक्ष्य और उनके रहस्य—को समझने या कल्पना करने की क्षमता के रूप में सोचें। आमतौर पर, कंप्यूटर इसका उपयोग यह अनुमान लगाने के लिए करते हैं कि आप आगे क्या करेंगे, यह मानकर कि आप क्या चाहते हैं। लेकिन यह शोध पत्र इस पटकथा को बदल देता है। यह पूछता है: क्या होगा यदि हम पीछे की ओर काम कर सकें? क्या होगा यदि हम आपके भविष्य का अनुमान लगाने के बजाय, आपके पिछले क्लिकों को देखें और यह पता लगाने के लिए एक प्रकार की "उल्टी जासूसी" (reverse detective work) का उपयोग करें कि आप वास्तव में कौन हैं? यही मुख्य विचार है: बिखरे हुए, रोज़मर्रा के डिजिटल पदचिह्नों को लेना और उनका उपयोग करके किसी व्यक्ति के व्यक्तित्व की एक समृद्ध, समझने योग्य कहानी बनाना, बिना उनसे एक भी सर्वेक्षण प्रश्न पूछे।
JPMorgan Chase में काम करने वाले इन शोधकर्ताओं ने "इनवर्स थ्योरी ऑफ माइंड" (IToM) नामक एक नई विधि प्रस्तावित की है। इसे एक डिजिटल जासूसी एजेंसी के रूप में समझें। केवल यह रिकॉर्ड करने के बजाय कि आपने दौड़ने के जूतों की एक जोड़ी पर क्लिक किया, सिस्टम पूछता है, "ठीक है, जब आपने क्लिक किया तो स्क्रीन पर क्या था? वहां अन्य जूते कौन से थे? आपने इन्हीं को क्यों चुना और दूसरों को क्यों नहीं?" निर्णय के सटीक क्षण को फिर से बनाने के माध्यम से, सिस्टम तर्क देने के लिए एक शक्तिशाली AI (एक लार्ज लैंग्वेज मॉडल) का उपयोग करता है। यह "विश्वासों" की एक सूची तैयार करता है जो आपके व्यवहार की व्याख्या करती है, जैसे, "यह व्यक्ति शैली के ऊपर टिकाऊपन को महत्व देता है," या "वे एक सावधानीपूर्वक शोध करने वाले व्यक्ति हैं जो खरीदने से पहले समीक्षाएं पढ़ते हैं।"
यहीं पर जादू होता है: सिस्टम केवल एक अनुमान नहीं लगाता। वह जानता है कि मानवीय व्यवहार जटिल होता है। हो सकता कि आपने जूते इसलिए खरीदे क्योंकि आपको दौड़ना पसंद है, या शायद इसलिए क्योंकि वे सेल में थे और आपको एक उपहार की आवश्यकता थी। इस अनिश्चितता को संभालने के लिए, AI आपके व्यक्तित्व प्रोफाइल के कई अलग-अलग संस्करण बनाता है, जैसे कि जासूसों की एक टीम प्रत्येक अलग सिद्धांत पेश कर रही हो। फिर, यह सभी सिद्धांतों को सावधानीपूर्वक तौलता है। यदि साक्ष्य मजबूत हैं, तो यह विशिष्ट सिद्धांत की ओर झुकता है; यदि साक्ष्य कमजोर हैं, तो यह सुरक्षित खेलता है और उस ओर झुकता है जो अधिकांश लोगों के लिए सामान्य रूप से सत्य है। यह AI को जंगली, रूढ़िवादी अनुमान लगाने (जैसे यह मान लेना कि हर सावधान ग्राहक एक चिंतित अंतर्मुखी है) से रोकता है।
टीम ने इस विचार का परीक्षण अमेज़न शॉपिंग सत्रों के एक विशेष डेटासेट का उपयोग करके किया, जिसमें न केवल क्लिक शामिल थे, बल्कि वे वास्तविक पृष्ठ भी थे जो लोगों ने देखे थे और महत्वपूर्ण रूप से, वास्तविक साक्षात्कार और व्यक्तित्व परीक्षण भी थे जो उन खरीदारों ने दिए थे। उन्होंने पाया कि उनके "उल्टे जासूस" (reverse detective) व्यक्तित्व आश्चर्यजनक रूप से अच्छे थे। वास्तव में, कुछ परीक्षणों में, AI का उपयोगकर्ता के व्यक्तित्व के बारे में अनुमान उतना ही अच्छा था, या उससे भी बेहतर था, जितना कि वह वास्तविक व्यक्तित्व परीक्षण जो उपयोगकर्ता ने लिया था। उन्होंने दिखाया कि ये AI-जनित प्रोफाइल यह भविष्यवाणी कर सकते थे कि उपयोगकर्ता आगे क्या करेगा, उसे किस तरह के उत्पाद पसंद आएंगे, और यहाँ तक कि वह अपनी खरीदारी की आदतों के बारे में प्रश्नों का उत्तर कैसे देगा।
शायद सबसे रोमांचक हिस्सा यह है कि ये प्रोफाइल केवल कंप्यूटर के भीतर छिपे हुए नंबर नहीं हैं। वे सरल, मानवीय भाषा में लिखे गए हैं। इसका मतलब है कि कंप्यूटर 2D वेब ब्राउज़िंग से निर्मित प्रोफाइल का उपयोग करके एक भविष्य के हेडसेट (जैसे Apple Vision Pro) के लिए 3D इंटरफ़ेस डिज़ाइन कर सकता है। उदाहरण के लिए, यदि AI यह पता लगाता है कि आप एक "बजट-सचेत योजनाकार" हैं, तो यह स्वचालित रूप से एक 3D बैंकिंग ऐप को व्यवस्थित कर सकता है ताकि आपके बचत लक्ष्यों को केंद्र में दिखाया जा सके, जबकि चमकदार निवेश प्रस्तावों को छिपाया जा सके। यह शोध पत्र सुझाव देता है कि यह दृष्टिकोण साधारण क्लिक-ट्रैकिंग और गहरे मानवीय बोध के बीच के अंतर को पाटता है, जो अधिक स्मार्ट, अधिक सहानुभूतिपूर्ण इंटरफेस बनाने का एक तरीका प्रदान करता है जो केवल हमारे क्लिक के अनुसार नहीं, बल्कि हमारे व्यक्तित्व के अनुसार अनुकूलित होते हैं। हालाँकि, लेखक सावधानी बरतते हुए कहते हैं कि जबकि परिणाम आशाजनक हैं, सिस्टम में अभी भी सीमाएँ हैं; यह बड़े डेटा के साथ सबसे अच्छा काम करता है और कभी-कभी चरम व्यक्तित्व लक्षणों की पूरी तरह से भविष्यवाणी करने में संघर्ष करता है, जो यह दर्शाता है कि हालांकि "उल्टा जासूस" अपना काम करने में अच्छा हो रहा है, फिर भी इसमें सीखने की गुंजाइश 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।