← नवीनतम पेपर
💻 computer science

Moose: Latent concept learning with reasoning-shortcut awareness in EL++\mathcal{EL}^{++}

यह शोधपत्र Moose को प्रस्तुत करता है, जो एक न्यूरो-सिम्बोलिक विधि है जो आंशिक पर्यवेक्षण के तहत प्रथम रीजनिंग-शॉर्टकट-जागरूक लेटेंट कॉन्सेप्ट लर्निंग को सक्षम करने के लिए EL++\mathcal{EL}^{++} ऑन्टोलॉजी को डिफरेंशिएबल सेंटेंशियल डिसिजन डायग्राम्स में संकलित करता है, जो ऑन्टोलॉजी-आधारित कार्यों पर मौजूदा बेसलाइन्स से बेहतर प्रदर्शन करता है।

मूल लेखक: Olga Mashkova, Asaad Mohammedsaleh, Fernando Zhapa-Camacho, Robert Hoehndorf

प्रकाशित 2026-08-14
📖 8 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Olga Mashkova, Asaad Mohammedsaleh, Fernando Zhapa-Camacho, Robert Hoehndorf

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

छिपे हुए मन की पहेली

कल्पना कीजिए कि आप एक रोबोट को दुनिया को समझना सिखाने की कोशिश कर रहे हैं। आपके पास अपने टूलबॉक्स में दो शक्तिशाली उपकरण हैं। पहला है न्यूरल नेटवर्क (Neural Networks), जो सुपर-फास्ट पैटर्न पहचानने वाले यंत्रों की तरह हैं। वे बिल्ली की तस्वीर देखकर यह कहने में माहिर हैं कि, "यह एक बिल्ली है!" क्योंकि उन्होंने पहले लाखों बिल्लियाँ देखी हैं। लेकिन वे एक जादू के खेल की तरह हैं; वे पैटर्न के आधार पर अनुमान लगाते हैं, और कभी-कभी भ्रमित हो जाते हैं या ऐसे नियम बना लेते हैं जिनका कोई अर्थ नहीं निकलता। दूसरा उपकरण है सिम्बोलिक लॉजिक (Symbolic Logic), जो एक सख्त नियम पुस्तिका की तरह है। यह कहता है, "यदि एक बिल्ली के पास मूंछें और एक पूंछ है, तो वह एक स्तनधारी (mammal) है।" यह कभी अनुमान नहीं लगाता; यह नियमों का पूरी तरह से पालन करता है। लेकिन यह एक धुंधली फोटो को देखकर यह समझने में बहुत खराब है कि वह क्या है।

एक लंबे समय से, वैज्ञानिक इन दोनों उपकरणों को एक सुपर-ब्रेन में मिलाने की कोशिश कर रहे हैं, जिसे न्यूरो-सिम्बोलिक एआई (Neuro-symbolic AI) कहा जाता है। लक्ष्य एक ऐसा सिस्टम बनाना है जो एक तस्वीर देख सके (एक न्यूरल नेटवर्क की तरह) लेकिन साथ ही यह भी समझ सके कि चीजें आपस में कैसे जुड़ी हुई हैं (एक तर्कशास्त्री की तरह)। हालाँकि, एक पेचीदा समस्या है: जब रोबोट के पास सभी तथ्य नहीं होते, तो वह कभी-कभी एक "शॉर्टकट" ढूंढ लेता है। वह केवल एक छोटे, अप्रासंगिक विवरण को देखकर सही उत्तर का अनुमान लगाना सीख सकता है, बजाय इसके कि वह बड़ी तस्वीर को वास्तव में समझे। इसे रीजनिंग शॉर्टकट (Reasoning Shortcut) कहा जाता है। यह उस छात्र की तरह है जो किसी विशिष्ट परीक्षा के लिए उत्तर कुंजी (answer key) रट लेता है लेकिन वास्तविक गणित नहीं सीख पाता। इस क्षेत्र में बड़ा सवाल यह है: क्या हम एक ऐसा सिस्टम बना सकते हैं जो वास्तविक नियमों को सीख सके, भले ही हमें केवल आंशिक संकेत दिए जाएं, बिना इन शॉर्टकट के जाल में फंसे?

मूस (Moose): वह जासूस जो नियमों की जांच करता है

यह पेपर एक नई विधि पेश करता है जिसे मूस (Moose) कहा जाता है (इसका अर्थ तकनीकी है, लेकिन आइए इसे बस एक चतुर जासूस के रूप में सोचें)। मूस एक विशिष्ट पहेली को हल करने के लिए बनाया गया है: रोबोट को उन छिपे हुए तथ्यों को खोजने में सिखाना जिन्हें वह देखता है, जिसका उपयोग एक सख्त नियमों के सेट द्वारा किया जाता है जिसे OWL 2 EL ऑन्टोलॉजी (ontology) कहा जाता है। एक ऑन्टोलॉजी को नियमों के एक विशाल, पूर्व-लिखित विश्वकोश के रूप में समझें। उदाहरण के लिए, जीव विज्ञान के एक विश्वकोश में यह लिखा हो सकता है कि, "सभी बिल्लियाँ स्तनधारी हैं" और "कोई भी स्तनधारी पौधा नहीं है।"

मूस जिस चुनौती का सामना करता है, वह तब होती है जब आप रोबोट को एक तस्वीर दिखाते हैं (जैसे MNIST डेटासेट से एक अंक) और उसे बताते हैं, "यह संख्या सम (even) है," लेकिन आप उसे यह नहीं बताते कि वह संख्या वास्तव में क्या है। रोबोट को वह संख्या (छिपी हुई अवधारणा) का अनुमान लगाना होगा जबकि यह सुनिश्चित करना होगा कि उसका अनुमान विश्वकोश के नियमों में फिट बैठता है।

यहाँ मूस कैसे काम करता है, चरण-दर-चरण दिया गया है:

  1. द रूलबुक कंपाइलर (The Rulebook Compiler): सबसे पहले, मूस विशाल विश्वकोश (ऑन्टोलॉजी) को लेता है और उसे एक विशेष प्रकार के मानचित्र में अनुवादित करता है जिसे सेंटेंशियल डिसीजन डायग्राम (SDD) कहा जाता है। कल्पना कीजिए कि आप नियमों का प्रतिनिधित्व करने वाले एक विशाल, उलझे हुए ऊन के गोले को एक व्यवस्थित फ्लोचार्ट में सुलझा रहे हैं। यह मानचित्र विशेष है क्योंकि इसे "वेटेड" (weighted) किया जा सकता है, जिसका अर्थ है कि रोबोट विभिन्न रास्तों को प्रायिकता (probabilities) दे सकता है।
  2. लॉजिक चेक (The Logic Check): जब रोबोट एक छवि देखता है और एक अनुमान लगाता है (जैसे, "मुझे लगता है कि यह 4 है"), तो मूस केवल उसे स्वीकार नहीं करता। यह अनुमान को फ्लोचार्ट के माध्यम से चलाता है। यदि अनुमान नियमों को तोड़ता है (जैसे, रोबोट सोचता है कि यह 4 है, लेकिन नियम कहते हैं कि 4 विषम (odd) है, जो एक विरोधाभास है), तो सिस्टम को पता चल जाता है कि कुछ गलत है।
  3. "शॉर्टकट" फिक्स (The "Shortcut" Fix): यहीं पर मूस वास्तव में स्मार्ट हो जाता है। कभी-कभी, रोबमाट एक शॉर्टकट ढूंढ लेता है। उदाहरण के लिए, यदि रोबोट एक 4 देखता है और नियम कहता है "4 सम है," तो वह केवल 4 देखते ही हमेशा "सम" का अनुमान लगाना सीख सकता है, बिना वास्तव में यह सीखे कि 4 कैसा दिखता है। मूस फ्लोचार्ट में अतिरिक्त "क्लोजर" (closure) नियम जोड़ता है। ये नियम एक सुरक्षा जाल (safety net) के रूप में कार्य करते हैं, जो रोबोट को केवल सबसे आसान विकल्प के बजाय उन सभी संभावनाओं पर विचार करने के लिए मजबूर करते हैं जो संकेतों के अनुकूल हों। यह एक छात्र को यह बताने जैसा है, "आप केवल इसलिए 'सम' नहीं कह सकते क्योंकि आपने एक 4 देखा; आपको यह साबित करना होगा कि यह पुस्तक के हर एक नियम में फिट बैठता है।"

मूस ने क्या पाया

लेखकों ने मूस का परीक्षण दो मुख्य चुनौतियों पर किया: प्रसिद्ध MNIST डिजिट डेटासेट का एक डिजिटल संस्करण (जहाँ उन्होंने संख्याओं के सम, विषम या अभाज्य होने के बारे में तर्क संबंधी नियम जोड़े थे) और अलग-अलग टॉपिंग वाली पिज्जा का एक कृत्रिम (synthetic) डेटासेट।

  • शॉर्टकट से बचना: उन प्रयोगों में जहाँ रोबोट को छिपे हुए संबंधों (जैसे, एक संख्या दूसरी संख्या की ओर ले जाती है) को समझना था, मूस अन्य तरीकों की तुलना में काफी बेहतर था। जबकि अन्य सिस्टम अक्सर "रीजनिंग शॉर्टकट" (एक छोटे से सुराग के आधार पर उत्तर का अनुमान लगाना) का शिकार हो जाते थे, मूस नियमों पर टिका रहा। उदाहरण के लिए, रोल चेन (जहाँ A, B की ओर ले जाता है, और B, C की ओर ले जाता है) से संबंधित एक परीक्षण में, मूस ने 96.1% सटीकता प्राप्त की, जबकि अगली सर्वश्रेष्ठ विधि को केवल 59.6% मिली।
  • ट्रेड-ऑफ (The Trade-off): पेपर में यह भी पाया गया कि सटीक होने (सही उत्तर प्राप्त करना) और कैलिब्रेटेड होने (यह जानना कि आप कितने निश्चित हैं) के बीच एक संतुलन है। जब नियम अस्पष्ट थे (जैसे एक पिज्जा जो दो अलग-अलग प्रकार का हो सकता है), तो मूस को दो रणनीतियों में से एक को चुनना पड़ा:
    • BEARS: यह संस्करण रोबोटों की एक टीम द्वारा वोट देने का उपयोग करता है। यह सही उत्तर प्राप्त करने (सटीकता) में बेहतर था लेकिन गलत होने पर कभी-कभी बहुत अधिक आत्मविश्वासी था।
    • NeupyDM: यह संस्करण अपने अनुमानों को फैलाने के लिए एक अलग प्रकार के गणित का उपयोग करता है। यह यह जानने में बेहतर था कि वह कब अनिश्चित है (कैलिब्रेशन) लेकिन कभी-कभी सही उत्तर थोड़ा कम बार प्राप्त करता था।
  • "क्लोजर" का रहस्य: पेपर ने सिद्ध किया कि बिना उन अतिरिक्त "क्लोजर" नियमों (सुरक्षा जाल) को जोड़े, सिस्टम लगभग पूरी तरह से विफल हो जाएगा, जो लगभग रैंडम अनुमान लगाने (एक परीक्षण में 9.4% सटीकता) तक गिर जाएगा। इससे पता चला कि अतिरिक्त नियम केवल सहायक नहीं थे; वे रोबोट के लिए छिपी हुई अवधारणाओं को सही ढंग से सीखने के लिए आवश्यक थे।

निष्कर्ष

मूस एक नया तरीका है जिससे AI को नियमों की एक सख्त किताब का पालन करके छिपे हुए तथ्यों को सीखना सिखाया जाता है। इसने सिद्ध किया कि जटिल तर्क नियमों को एक विशेष, कुशल मानचित्र में अनुवादित करके, एक रोबोट केवल चित्र का हिस्सा देखकर भी सही तर्क सीख सकता है। लेखकों ने दिखाया कि विशिष्ट सुरक्षा उपायों के बिना, AI सिस्टम अक्सर समस्याओं को हल करने के सरल तरीके खोज लेते हैं। मूस इसे रोककर, सिस्टम को हर संभावना की नियमों के विरुद्ध जांच करने के लिए मजबूर करके ठीक करता है।

हालाँकि यह पेपर एक बड़ी प्रगति है, लेखक सावधानीपूर्वक नोट करते हैं कि यह डेटा के छोटे, परिभाषित सेटों पर सबसे अच्छा काम करता है। उन्होंने अभी तक उन विशाल, वास्तविक दुनिया के डेटाबेस का परीक्षण नहीं किया है जिनका उपयोग अस्पतालों या पूरे इंटरनेट द्वारा किया जाता है, इसलिए जबकि मूस एक शक्तिशाली नया उपकरण है, इसे अभी भी सबसे बड़ी चुनौतियों के लिए परिष्कृत किया जा रहा है। लेकिन फिलहाल के लिए, यह इस बात का एक शानदार उदाहरण है कि कैसे एक रोबोट की आँखों को एक तर्कशास्त्री के मस्तिष्क के साथ जोड़ने से स्मार्ट और अधिक ईमानदार AI प्राप्त किया जा सकता 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।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 💻 cs →