GATTA: Graph Active Learning with Test-Time Augmentation
यह शोध पत्र GATTA को प्रस्तुत करता है, जो एक ग्राफ एक्टिव लर्निंग फ्रेमवर्क है जो विश्वसनीय अनिश्चितता अनुमान (uncertainty estimates) उत्पन्न करने के लिए कंसिस्टेंसी-आधारित फ़िल्टरिंग के साथ टेस्ट-टाइम ऑग्मेंटेशन का लाभ उठाता है, और यह प्रदर्शित करता है कि यह दृष्टिकोण सरल एक्विजिशन रणनीतियों को महत्वपूर्ण रूप से उन्नत करके कम कम्प्यूटेशनल ओवरहेड के साथ जटिल एन्सेम्बल विधियों से बेहतर 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
डिजिटल युग में, हमारी दुनिया का एक बड़ा हिस्सा केवल वस्तुओं की एक सपाट सूची के रूप में नहीं, बल्कि कनेक्शनों के एक विशाल जाल के रूप में मैप किया जाता है। एक ऐसे सोशल नेटवर्क के बारे में सोचें जहाँ दोस्त आपस में जुड़े होते हैं, या एक वैज्ञानिक डेटाबेस के बारे में जहाँ शोध पत्र एक-दूसरे को उद्धृत (cite) करते हैं। इन उलझे हुए जालों को समझने के लिए, कंप्यूटर एक विशेष प्रकार के आर्टिफिशियल इंटेलिजेंस का उपयोग करते हैं जिसे ग्राफ न्यूरल नेटवर्क कहा जाता है। ये सिस्टम संबंधों की संरचना से सीखने में असाधारण रूप से कुशल होते हैं, जिससे हमें यह अनुमान लगाने में मदद मिलती है कि कौन से अणु किसी बीमारी को ठीक कर सकते हैं या किसी समुदाय में सूचना कैसे फैलती है। हालाँकि, इन स्मार्ट सिस्टम्स को प्रभावी ढंग से सीखने के लिए आमतौर पर बड़ी मात्रा में लेबल किए गए डेटा की आवश्यकता होती है। वास्तविक दुनिया में, डेटा को लेबल करना अक्सर धीमा, महंगा और मानव विशेषज्ञों की आवश्यकता वाला कार्य होता है। यदि आप मेडिकल रिकॉर्ड में किसी दुर्लभ बीमारी या वित्तीय नेटवर्क में किसी विशिष्ट प्रकार की धोखाधड़ी की पहचान करने की कोशिश कर रहे हैं, तो आप कंप्यूटर से केवल अनुमान लगाने के लिए नहीं कह सकते; आपको उत्तर को सत्यापित करने के लिए एक इंसान की आवश्यकता होती है। यह एक ऐसी बाधा पैदा करता है जहाँ कंप्यूटर सीखने के लिए तैयार है, लेकिन इंसान आवश्यक उदाहरण प्रदान करने के लिए बहुत व्यस्त है।
इसे हल करने के लिए, शोधकर्ता 'एक्टिव लर्निंग' नामक तकनीक का उपयोग करते हैं। हजारों यादृच्छिक (random) उदाहरणों को लेबल करने के लिए मानव से पूछने के बजाय, कंप्यूटर एक जिज्ञासु छात्र की तरह व्यवहार करता है, जो केवल उन विशिष्ट जानकारियों के बारे में पूछता है जिन्हें लेकर वह सबसे अधिक भ्रमित है। यह नेटवर्क के सबसे अनिश्चित नोड्स (nodes) को चुनता है और एक इंसान से उन्हें लेबल करने के लिए कहता है, इस उम्मीद में कि ये कुछ नए उदाहरण उसे सबसे अधिक सिखाएंगे। हालाँकि, चुनौती यह जानना है कि कौन से नोड्स वास्तव में अनिश्चित हैं। कनेक्शनों के एक जटिल जाल में, कंप्यूटर का अनुमान उसके पड़ोसियों द्वारा प्रभावित हो सकता है, जिससे यह बताना कठिन हो जाता है कि मशीन वास्तव में अनिश्चित है या केवल डेटा के शोर (noise) से भ्रमित है। यदि कंप्यूटर लेबल करने के लिए गलत उदाहरण चुनता है, तो मानवीय प्रयास व्यर्थ जाता है, और सिस्टम धीरे सीखता है।
इसे हल करने के लिए, बुडापेस्ट और ल्यूवेन के शोधकर्ताओं की एक टीम ने GATTA नामक एक नई विधि पेश की है, जिसका अर्थ है 'ग्राफ एक्टिव लर्निंग विद टेस्ट-टाइम ऑग्मेंटेशन'। उनका काम सुझाव देता है कि इन सिस्टम्स को यह समझने में कहीं अधिक स्मार्ट बनाने का एक आश्चर्यजनक रूप से सरल तरीका है कि वे क्या नहीं जानते। इसका मूल विचार इमेज रिकग्निशन (छवि पहचान) में लंबे समय से उपयोग की जाने वाली एक तकनीक से लिया गया है, जहाँ एक कंप्यूटर एक तस्वीर को देखता है, और फिर उसी तस्वीर के थोड़े बदले हुए संस्करणों को देखता है—शायद चमक को समायोजित करके या कोण को बदलकर—यह देखने के लिए कि क्या उसका उत्तर बदल जाता है। यदि कंप्यूटर हर थोड़े से बदलाव के लिए अलग उत्तर देता है, तो वह जानता है कि वह अनिश्चित है। यदि वह हर बार एक ही उत्तर देता है, तो वह आश्वस्त है। शोधकर्ताओं ने इस अवधारणा को ग्राफ डेटा के लिए अनुकूलित किया, लेकिन एक महत्वपूर्ण मोड़ के साथ। एक तस्वीर के विपरीत, जहाँ उसे घुमाने से वस्तु नहीं बदलती, ग्राफ में कनेक्शन बदलने से डेटा का अर्थ मौलिक रूप से बदल सकता है। यदि आप एक सोशल नेटवर्क में दो लोगों के बीच एक लिंक हटा देते हैं, तो कंप्यूटर अचानक सोच सकता है कि वे अजनबी हैं।
इसे संभालने के लिए, GATTA फ्रेमवर्क कंप्यूटर के निर्णय लेने के क्षण में कई थोड़े अलग वर्ज़न वाले ग्राफ उत्पन्न करता है। फिर यह उन सभी विभिन्न संस्करणों के उत्तरों को देखता है। यदि कंप्यूटर सभी विविधताओं में आश्वस्त है, तो वह जानता है कि वह नोड पूछने योग्य नहीं है। यदि उत्तर हर जगह बिखरे हुए हैं, तो वह जानता है कि वह नोड मानव लेबलिंग के लिए एक अच्छा उम्मीदवार है। लेकिन क्योंकि इनमें से कुछ बदलाव अनजाने में डेटा के अर्थ को बिगाड़ सकते हैं, इसलिए शोधकर्ताओं ने एक सुरक्षा फ़िल्टर जोड़ा है। यह फ़िल्टर जाँचता है कि क्या कंप्यूटर का पूर्वानुमान विभिन्न संस्करणों में सुसंगत रहता है। यदि ग्राफ का कोई संस्करण कंप्यूटर को किसी नोड के लिए पूरी तरह से अलग श्रेणी का अनुमान लगाने पर मजबूर करता है, तो उस संस्करण को अविश्वसनीय मानकर हटा दिया जाता है। सिस्टम फिर वास्तविक अनिश्चितता को मापने के लिए केवल सुसंगत संस्करणों से प्राप्त परिणामों का औसत निकालता है।
इस दृष्टिकोण के परिणामों का परीक्षण कई अलग-अलग प्रकार के नेटवर्कों पर किया गया था, जिसमें साइटेशन नेटवर्क (जहाँ पेपर एक-दूसरे से जुड़े होते हैं) और प्रोडक्ट नेटवर्क (जहाँ आइटम एक साथ खरीदे जाते हैं) शामिल हैं। शोधकर्ताओं ने पाया कि इस पद्धति ने बहुत सरल और तेज़ कंप्यूटर रणनीतियों को उन अधिक जटिल और गणनात्मक रूप से महंगे तरीकों के समान या उससे भी बेहतर प्रदर्शन करने की अनुमति दी, जिन्हें विशेष रूप से इस कार्य के लिए डिज़ाइन किया गया था। कई मामलों में, इस नई ऑग्मेंटेशन तकनीक के साथ मिलकर सरल विधि ने अंतिम मॉडल की सटीकता में कई प्रतिशत अंकों का सुधार किया, जो मशीन लर्निंग की दुनिया में एक महत्वपूर्ण बढ़त है। शायद सबसे महत्वपूर्ण बात यह है कि यह विधि मौजूदा सिस्टम के बुनियादी ढांचे (architecture) को बदले बिना या उसे शुरू से फिर से प्रशिक्षित (retrain) किए बिना अच्छी तरह से काम करती है। यह एक 'प्लग-इन अपग्रेड' की तरह था जिसे मौजूदा सिस्टम पर लागू किया जा सकता था।
अध्ययन ने यह भी खुलासा किया कि बदले हुए ग्राफों के समूह का आकार मायने रखता है। शोधकर्ताओं ने पाया कि लगभग 500 अलग-अलग ग्राफ संस्करणों का उपयोग करना गति और सटीकता के बीच सबसे अच्छा संतुलन प्रदान करता है। इस संख्या से आगे जाने पर लाभ कम होने लगता है, जबकि बहुत कम उपयोग करने से वास्तव में अनिश्चित नोड्स को पहचानने के लिए पर्याप्त जानकारी नहीं मिल पाती। उन्होंने यह भी खोजा कि यह विधि तब सबसे अच्छा काम करती है जब ग्राफ में किए गए बदलाव कंप्यूटर की समझ को चुनौती देने के लिए पर्याप्त मजबूत हों, लेकिन इतने मजबूत न हों कि डेटा का अर्थ ही नष्ट कर दें। इन कारकों को सावधानीपूर्वक ट्यून करके, शोधकर्ताओं ने दिखाया कि अभ्यासकर्ता काफी कम कंप्यूटेशनल लागत के साथ उच्च-प्रदर्शन परिणाम प्राप्त कर सकते हैं।
यह कार्य सुझाव देता है कि ग्राफ डेटा पर बेहतर आर्टिफिशियल इंटेलिजेंस का मार्ग हमेशा अधिक जटिल एल्गोरिदम बनाने की आवश्यकता नहीं है। इसके बजाय, यह मौजूदा सिस्टम को अनिश्चितता के प्रति अधिक मजबूत बनाकर पाया जा सकता है। समस्या को कई थोड़े अलग कोणों से देखकर, सिस्टम अपने संदेहों पर भरोसा करना सीख जाता है। इससे मानव विशेषज्ञ अपना समय सबसे मूल्यवान उदाहरणों पर केंद्रित कर सकते हैं, जिससे मशीनों को सिखाने की पूरी प्रक्रिया अधिक कुशल हो जाती है। निष्कर्ष बताते हैं कि कई वास्तविक दुनिया के अनुप्रयोगों के लिए, अनिश्चितता को मापने का एक सरल, विश्वसनीय तरीका एक जटिल, सैद्धांतिक दृष्टिकोण की तुलना में अधिक शक्तिशाली है, जो जुड़े हुए डेटा के साथ काम करने वाले किसी भी व्यक्ति के लिए एक व्यावहारिक उपकरण प्रदान करता 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।