AmalthAI: An Open-Source Computer Vision Platform for Cultural Heritage
अमाल्थएआई (AmalthAI) एक ओपन-सोर्स, सेल्फ-होस्टेबल कंप्यूटर विजन प्लेटफॉर्म है जिसे गैर-तकनीकी सांस्कृतिक विरासत विशेषज्ञों को पुरातात्विक कलाकृतियों के विश्लेषण के लिए मशीन लर्निंग मॉडल को स्वतंत्र रूप से प्रशिक्षित करने, मान्य करने और व्याख्या करने के लिए सशक्त बनाने हेतु डिज़ाइन किया गया है, जबकि यह सुनिश्चित किया जाता है कि संवेदनशील डेटा संस्थागत अभिरक्षा के भीतर ही रहे।
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
एक ऐसी दुनिया की कल्पना करें जहाँ प्राचीन इतिहास पत्थर, मिट्टी और कपड़े में लिखा गया है, लेकिन उसकी स्याही फीकी पड़ रही है। सदियों से, पुरातत्वविद इन सुरागों को पढ़ने के लिए जासूस रहे हैं, जो अक्सर सूक्ष्मदर्शी (microscopes) के नीचे छोटे, नाजुक अवशेषों को गौर से देखते रहे हैं। लेकिन अब, इस बल में एक नया प्रकार का जासूस शामिल हो गया है: कंप्यूटर। यह क्षेत्र, जिसे कंप्यूटर विज़न (Computer Vision) कहा जाता है, मूल रूप से मशीनों को इंसानों की तरह तस्वीरों को "देखने" और समझने के लिए सिखाना है। केवल एक बिल्ली या कार को पहचानने के बजाय, इन मशीनों को एक प्राचीन टोकरी की विशिष्ट बुनाई या मिट्टी के बर्तन की बनावट को पहचानने के लिए प्रशिक्षित किया जा सकता है।
हालाँकि, इसमें एक पेंच है। कंप्यूटर को देखना सिखाने के लिए आमतौर पर गणित और कोडिंग में पीएचडी की आवश्यकता होती है। यह एक रेस कार के इंजन को ठीक करने की कोशिश करने जैसा है जब आप केवल गाड़ी चलाना जानते हों। अधिकांश पुरातत्वविद इतिहास में अत्यंत कुशल होते हैं लेकिन वे प्रोग्रामर नहीं होते, और अधिकांश प्रोग्रामर यह नहीं जानते कि कांस्य युग (Bronze Age) का करघा आधुनिक करघे से कैसे अलग है। यह शोध पत्र उस अंतर को पाटने का प्रयास करता है। यह सवाल उठाता है: क्या हम एक ऐसा उपकरण बना सकते हैं जो इतिहास विशेषज्ञों को बिना कोडिंग सीखे सुपर-स्मार्ट एआई (AI) का उपयोग करने दे? और क्या हम इसे इस तरह से कर सकते हैं कि उनका बहुमूल्य, गुप्त डेटा क्लाउड पर भेजने के बजाय उनके अपने लैब के भीतर सुरक्षित रहे?
द "अमाल्थ एआई" (AmalthAI) मैजिक बॉक्स
मिलिए अमाल्थ एआई (AmalthAI) से, एक नया, ओपन-सोर्स प्लेटफॉर्म जो पुरातत्वविदों के लिए एक "जादुई डिब्बे" की तरह काम करता है। इसे विज्ञान के लिए एक हाई-टेक, यूजर-फ्रेंडली वीडियो गेम कंसोल की तरह समझें। उलझाने वाले कोड की पंक्तियों से जूझने के बजाय, शोधकर्ता एक सरल वेब इंटरफेस का उपयोग करके कलाकृतियों की तस्वीरें अपलोड कर सकते हैं, कंप्यूटर को बता सकते हैं कि वे क्या सीखना चाहते हैं, और उसका जादू चलते हुए देख सकते हैं।
यह पेपर इस प्लेटफॉर्म को पुरातत्व की धूल भरी दुनिया और आर्टिफिशियल इंटेलिजेंस की भविष्यवादी दुनिया के बीच एक सेतु के रूपв में पेश करता है। इसे विशेष रूप से सांस्कृतिक विरासत (Cultural Heritage) विशेषज्ञों के लिए डिज़ाइन किया गया है—वे लोग जो प्राचीन इतिहास, कला और कलाकृतियों का अध्ययन करते हैं—जो मशीन लर्निंग का उपयोग करना चाहते हैं लेकिन उनके पास इसे शून्य से बनाने के लिए तकनीकी पृष्ठभूमि नहीं है।
यह कैसे काम करता है: तीन महाशक्तियाँ
अमाल्थ एआई पुरातत्वविदों को उनकी छवियों का विश्लेषण करने के लिए तीन मुख्य महाशक्तियाँ देता है:
- द क्लासिफायर (वर्गीकरण करने वाला): कल्पना कीजिए कि आपके पास प्राचीन कपड़ों की मिली-जुली तस्वीरों का एक बड़ा ढेर है। क्लासिफायर एक तस्वीर को देखता है और कहता है, "यह ऊन से बना है," या "यह एक विशेष स्पिनिंग तकनीक का उपयोग करके बनाया गया था।" यह अराजकता को व्यवस्थित श्रेणियों में छाँट देता है।
- द सेगमेंटर (हाइलाइटर): कभी-कभी, फोटो का महत्वपूर्ण हिस्सा बहुत छोटा होता है। शायद यह मिट्टी के टुकड़े पर धागे का एक धुंधला सा निशान हो। सेगमेंटर एक डिजिटल हाइलाइटर पेन की तरह कार्य करता है, जो पृष्ठभूमि की गंदगी या दरारों को अनदेखा करते हुए केवल उस विशिष्ट भाग के चारों ओर एक सटीक रूपरेखा खींचता है।
- द डिटेक्टर (खोजकर्ता): यह एक अस्त-व्यस्त दृश्य में विशिष्ट वस्तुओं को खोजता है, जैसे खुदाई स्थल की एक ही फोटो में मिट्टी के बर्तनों के सभी टूटे हुए टुकड़ों को ढूंढना।
सबसे शानदार बात क्या है? यह प्लेटफॉर्म सारा भारी काम खुद संभाल लेता है। यह कुबफ्लो (Kubeflow) नामक एक सिस्टम का उपयोग करता है (इसे एक अत्यंत व्यवस्थित रोबोट मैनेजर के रूपв में समझें) जो एक साथ हजारों प्रयोग चलाता है, जिससे सर्वोत्तम परिणाम खोजने के लिए विभिन्न सेटिंग्स को आज़माया जा सके। इसमें "हाइपरपैरामीटर ट्यूनिंग" (Hyperparameter Tuning) की सुविधा भी है, जो एक स्मार्ट सहायक की तरह है जो मशीन के नॉब्स और डायल को स्वचालित रूप से समायोजित करता है ताकि सर्वोत्तम प्रदर्शन प्राप्त हो सके, ताकि पुरातत्वविद को अनुमान न लगाना पड़े।
"विश्वास करें" फीचर: यह सुरक्षित और स्मार्ट क्यों है?
संग्रहालयों और विश्वविद्यालयों के लिए सबसे बड़ी चिंताओं में से एक डेटा संप्रभुता (Data Sovereignty) है। कई प्राचीन कलाकृतियाँ राज्य के स्वामित्व वाली होती हैं या उनके चित्रों के जाने के स्थान के बारे में सख्त नियम होते हैं। वे अपनी छवियों को किसी यादृच्छिक क्लाउड सर्वर पर अपलोड नहीं कर सकते। अमाल्थ एआई इसे सेल्फ-होस्टेबल (Self-hostable) बनाकर हल करता है। इसका मतलब है कि पूरा सिस्टम संग्रहालय या विश्वविद्यालय के भीतर रखी एक कंप्यूटर मशीन पर चल सकता है। डेटा इमारत से बाहर नहीं जाता। यह एक निजी लाइब्रेरी रखने जैसा है जिसकी चाबियाँ केवल आपके पास हैं।
लेकिन क्या होगा अगर कंप्यूटर गलत हो जाए? यहीं पर विज़न-लैंग्वेज असिस्टेंट (Vision-Language Assistant) काम आता है। यह एक विशेष एआई है जो केवल एक संख्या नहीं देता; बल्कि यह बात करता है। जब कंप्यूटर कोई अनुमान लगाता है, तो वह ग्रैड-कैम (Grad-CAM) नामक टूल का उपयोग करके छवि का "हीट मैप" भी दिखाता है, जो यह उजागर करता है कि वह वास्तव में कहाँ देख रहा था। फिर, एक स्मार्ट टेक्स्ट-जेनेरेटर (विज़न-लैंग्वेज मॉडल) एक सरल अंग्रेजी स्पष्टीकरण लिखता है, जैसे: "मुझे लगता है कि यह ऊन है क्योंकि मैं यहाँ ये रेशे देख रहा हूँ।" यह मानव विशेषज्ञ को काम की जाँच करने और कहने की अनुमति देता है, "हाँ, यह समझ में आता है," या "नहीं, आप गलत जगह देख रहे हैं।" यह एआई को एक 'ब्लैक बॉक्स' से एक सहायक साथी में बदल देता है।
बड़ा परीक्षण: मिट्टी के निशान का रहस्य
यह सिद्ध करने के लिए कि यह काम करता है, टीम ने केवल इसके बारे में बात नहीं की; उन्होंने इसका उपयोग मिट्टी के निशानों (textile imprints on clay) से जुड़े एक वास्तविक पुरातात्विक रहस्य पर किया।
कल्प_िए कि प्राचीन लोगों ने मिट्टी के बर्तन बनाने के लिए गीली मिट्टी में कपड़ा दबाया था। कभी-कभी, कपड़ा एक छोटा सा निशान छोड़ देता है। ये निशान दुर्लभ और नाजुक होते हैं, लेकिन वे इस बारे में रहस्य खोलते हैं कि कपड़े किस चीज के बने थे (जैसे सन/flax, ऊन, या नेटल) और उन्हें कैसे बनाया गया था (स्पिनिंग, ड्रिलिंग, या स्प्लिसिंग)।
शोधकर्ताओं ने अमाल्थ एआई को इन मिट्टी के निशानों का एक कस्टम डेटासेट दिया। उन्होंने प्लेटफॉर्म से पूछा:
- सेगमेंट (Segment): मिट्टी पर निशान के सटीक किनारे को खोजें।
- क्लासिफाई (Classify): सामग्री (जैसे, "क्या यह सन है या नेटल?") और तकनीक (जैसे, "क्या यह स्पिन किया गया था या ड्रिल किया गया था?") का अनुमान लगाएं।
परिणाम उत्साहजनक थे। प्लेटफॉर्म ने विशेषज्ञों को ऐसे मॉडल प्रशिक्षित करने में मदद की जो लगभग 77.53% सटीकता के साथ सामग्री की पहचान कर सके और 85.57% सटीकता के साथ तकनीकों की पहचान कर सके। इससे भी महत्वपूर्ण बात यह है कि कंप्यूटर ने जो गलतियाँ कीं, वे तार्किक थीं। उदाहरण के लिए, इसने कभी-कभी "नेटल" को अन्य रेशों के साथ भ्रमित किया, जिसे मानव विशेषज्ञ भी पहचानने में कठिन पाते हैं। यह सुझाव देता है कि कंप्यूटर वास्तव में सही चीजों को "देख" रहा था, न कि केवल रैंडम अनुमान लगा रहा था।
इसका क्या अर्थ है (और क्या नहीं)
शोध पत्र सुझाव देता है कि अमाल्थ एआई एक शक्तिशाली नया उपकरण है जो गैर-विशेषज्ञों को जटिल कंप्यूटर विज़न प्रयोग चलाने की अनुमति देता है। यह सिद्ध करता है कि आप एक ऐसा सिस्टम बना सकते हैं जो उपयोग में आसान (कोडिंग की आवश्यकता नहीं) और सुरक्षित (डेटा को ऑन-साइट रखता है) दोनों हो।
हालाँकि, लेखक अतिशयोक्ति करने से बचते हैं। वे स्वीकार करते हैं कि वर्तमान में प्लेटफॉर्म की कुछ सीमाएँ हैं:
- यह अभी उपयोगकर्ताओं को हर एक छोटी सेटिंग (जैसे कस्टम गणितीय सूत्र) को बदलने की अनुमति नहीं देता है, जिससे यह सरल तो रहता है लेकिन उन विशेषज्ञों के लिए कम लचीला हो जाता है जो पूर्ण नियंत्रण चाहते हैं।
- इसके लिए उपयोगकर्ता को अपलोड करने से पहले अपने डेटा को पूरी तरह से व्यवस्थित करना आवश्यक है।
- यह वर्तमान में केवल मानक 2D रंगीन तस्वीरों के साथ काम करता है, विशेष मल्टी-स्पेक्ट्रल छवियों के साथ नहीं जो छिपे हुए विवरणों को प्रकट कर सकती हैं।
यह पेपर यह दावा नहीं करता है कि इसने पुरातत्व को "हल" कर दिया है। इसके बजाय, यह सुझाव देता है कि यह प्लेटफॉर्म एक ठोस, काम करने वाला प्रोटोटाइप है जो इतिहास और हाई-टेक के बीच के अंतर को पाटता है। यह दिखाता है कि सही उपकरणों के साथ, एक इतिहासकार एक डेटा वैज्ञानिक बन सकता है, जो कोड की नई भाषा सीखने की आवश्यकता के बिना हमारे अतीत को समझने के नए तरीके खोल सकता है। दरवाजा खुला है, और जादुई डिब्बा खेलने के लिए तैयार 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।