Neuro-symbolic learning over OWL 2 DL via consequence-based compilation to differentiable circuits

आर्टिफिशियल इंटेलिजेंस के विशाल परिदृश्य में, दो अलग-अलग परंपराएं लंबे समय से मशीनों को दुनिया समझाने के लिए प्रतिस्पर्धा कर रही हैं। एक परंपरा, जिसे डीप लर्निंग के रूप में जाना जाता है, कच्चे डेटा में पैटर्न पहचानने में उत्कृष्ट है, जैसे कि किसी तस्वीर में बिल्ली की पहचान करना या हाथ से लिखे नंबर को पढ़ना। यह लाखों आंतरिक 'नॉब्स' (knobs) को तब तक समायोजित करके सीखता है जब तक कि इसे सही उत्तर न मिल जाए, लेकिन यह दुनिया को नियंत्रित करने वाले नियमों की स्पष्ट समझ के बिना ऐसा करता है। दूसरी परंपरा, जो तर्क और ज्ञान प्रतिनिधित्व (knowledge representation) में निहित है, ऐसे सिस्टम बनाती है जो सख्त नियमों के साथ तर्क करती है, जैसे कि एक डिजिटल विश्वकोश जिसे पता है कि एक "पूडल" एक प्रकार का "कुत्ता" है और "कुत्ते" "स्तनधारी" हैं। यह प्रणाली सटीक और विश्वसनीय है लेकिन अक्सर छवियों और ध्वनियों की अव्यवस्थित, असंरचित वास्तविकता के साथ जुड़ने में संघर्ष करती है। वर्षों से, शोधकर्ताओं ने इन दोनों दृष्टिकोणों को मिलाने का प्रयास किया है, जिससे "न्यूरो-सिंबोलिक" (neuro-symbolic) सिस्टम बनाए जा गए हैं जो देख भी सकते हैं और तर्क भी कर सकते हैं। चुनौती यह रही है कि जटिल ज्ञान का वर्णन करने के लिए उपयोग की जाने वाली सबसे शक्तिशाली तार्किक भाषाएं उस गणितीय भाषा में अनुवादित करना अविश्वसनीय रूप से कठिन है जिसका उपयोग न्यूरल नेटवर्क सीखने के लिए करते हैं।

किंग अब्दुल्ला यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी के शोधकर्ताओं की एक टीम ने 'बाओबाब' (Baobab) नामक एक नया तरीका विकसित किया है जो एक विशिष्ट, अत्यधिक जटिल प्रकार के तार्किक सिस्टम के लिए इस अंतर को सफलतापूर्वक पाटता है। उन्होंने एक कंपाइलर बनाया है जो दुनिया का एक विस्तृत तार्किक विवरण लेता है—जिसमें चीजें कैसे संबंधित हैं, कितनी चीजें अस्तित्व में हो सकती हैं, और श्रेणियां कैसे ओवरलैप होती हैं, इसके नियम शामिल हैं—और इसे एक ऐसी संरचना में अनुवादित करता है जिसका उपयोग न्यूरल नेटवर्क सीखने के लिए कर सकता है। पिछले प्रयासों के विपरीत, जिन्होंने या तो तार्किक नियमों को बहुत अधिक सरल बना दिया या उन्हें पूरी तरह से छोड़ दिया, यह विधि मूल नियमों की पूर्ण जटिलता को सुरक्षित रखती है। शोधकर्ताओं ने अपने सिस्टम का परीक्षण यह पूछकर किया कि एक न्यूरल नेटवर्क हस्तलिखित अंकों की छवियों को देखे और न केवल संख्याओं को पहचाने, बल्कि छिपे हुए तार्किक गुणों को भी समझे, जैसे कि कोई संख्या अभाज्य (prime) है या सम (even), केवल मशीन को दिए गए तार्किक नियमों के आधार पर। सिस्टम ने इन छिपे हुए अवधारणाओं को उच्च सटीकता के साथ पहचानना सीखा, भले ही छवियों ने स्वयं उनके बारे में कोई सीधा संकेत न दिया हो।

इस उपलब्धि का मूल यह है कि शोधकर्ताओं ने अनुवाद प्रक्रिया को कैसे संभाला। उन्होंने एक तार्किक ज्ञान आधार (knowledge base) लिया, जो अनिवार्य रूप रूप से इस बात के कथनों का संग्रह है कि अवधारणाएं एक-दूसरे से कैसे संबंधित हैं, और इसे एक विशिष्ट प्रकार के सर्किट आरेख (circuit diagram) में संकलित किया। यह आरेख एक फिल्टर के रूप में कार्य करता है, जो यह जांचता है कि न्यूरल नेटवर्क द्वारा किए गए अनुमान तार्किक नियमों के अनुसार समझ में आते हैं या नहीं। यदि नेटवर्क भविष्यवाणी करता है कि एक संख्या सम और अभाज्य दोनों है (जो केवल संख्या दो के लिए सत्य है), तो सर्किट इसकी अनुमति देता है। यदि यह भविष्यवाणी करता है कि एक संख्या सम और विषम दोनों है, तो सर्किट उस संभावना को खारिज कर देता है। इस जांच को लाखों बार चलाकर, सिस्टम न्यूरल नेटवर्क को सही तार्किक संबंधों को सीखने के लिए निर्देशित कर सकता है, भले ही छवियां उन संबंधों को स्पष्ट रूप से लेबल न करें जिन्हें वे देखती हैं। शोधकर्ताओं ने सिद्ध किया कि यह अनुवाद गणितीय रूप से सुदृढ़ है, जिसका अर्थ है कि सर्किट मूल तार्किक नियमों को बिना किसी जानकारी को खोए या त्रुटि पेश किए सटीक रूप से दर्शाता है।

अध्ययन का एक महत्वपूर्ण निष्कर्ष इन हाइब्रिड सिस्टमों में एक सामान्य समस्या से संबंधित है जिसे "रीजनिंग शॉर्टकट" (reasoning shortcut) कहा जाता है। जब किसी मशीन को कई संभावित सही उत्तरों वाले कार्य दिया जाता है, तो वह अक्सर एक ही उत्तर चुनने और अन्य को अनदेखा करने का तरीका ढूंढ लेती है, जो प्रभावी रूप से तार्किक प्रणाली को दरकिनार कर देती है। उदाहरण के लिए, यदि कोई नियम किसी दृश्य के कई अलग-अलग विन्यासों (configurations) की अनुमति देता है, तो एक मानक न्यूरल नेटवर्क एक एकल विन्यास पर टिक सकता है और यह पहचानने में विफल हो सकता है कि अन्य वैध विन्यास मौजूद हैं। शोधकर्ताओं ने पाया कि उनकी नई विधि, जब नेटवर्क को सभी संभावित वैध विन्यासों के साथ बीजित (seed) करने की एक विशिष्ट तकनीक के साथ जोड़ी जाती है, तो इस शॉर्टकट को दूर कर सकती है। एक एकल, संभावित रूप से गलत उत्तर पर सिमटने के बजाय, सिस्टम सभी सही संभावनाओं पर एक संभाव्यता वितरण (probability distribution) बनाए रखने के लिए सीखता है, जिससे एक ऐसा स्तर की सटीकता प्राप्त होती है जो पहले इस प्रकार के जटिल तर्क के लिए किसी भी विधि ने नहीं प्राप्त की थी।

टीम ने अपने दृष्टिकोण की शक्ति को दो अलग-अलग डेटासेट का उपयोग करके प्रदर्शित किया। एक प्रयोग में, उन्होंने MNIST डेटासेट से हस्तलिखित अंकों की छवियों का उपयोग किया। उन्होंने एक तार्किक प्रणाली स्थापित की जहाँ अंक एक श्रृंखला में जुड़े हुए थे, जिससे यह सुनिश्चित होता था कि यदि एक संख्या के बाद दूसरी संख्या आती है, तो एक विशिष्ट संबंध बना रहना चाहिए। न्यूरल नेटवर्क को छवियों के जोड़े दिखाए गए लेकिन उसे वास्तविक संख्याएं नहीं बताई गईं। इसके बजाय, उसे कुछ तार्किक संकेत दिए गए, जैसे कि यह जानना कि एक संख्या सम है और दूसरी अभाज्य है। तार्किक सर्किट के माध्यम से, नेटवर्क ने अंकों की सटीक पहचान करने के लिए अनुमान लगाना सीखा, जिसकी सटीकता 25 प्रतिशत के रैंडम गेस रेट से बढ़कर 99 प्रतिशत हो गई। दूसरे प्रयोग में, उन्होंने अपने तरीके को सिंथेटिक पिज्जा छवियों के डेटासेट पर लागू किया। सिस्टम ने पिज्जा की छिपी हुई श्रेणियों, जैसे कि "शाकाहारी" या "तीखा", को दृश्य टॉपिंग्स और उन श्रेणियों को परिभाषित करने वाले तार्किक नियमों के आधार पर पहचानना सीखा, और फिर से, उन प्रणालियों से बेहतर प्रदर्शन किया जिन्होंने तार्किक सर्किट का उपयोग नहीं किया था।

शोधकर्ताओं ने यह भी दिखाया कि उनका तरीका बायोमेडिकल डेटाबेस और 'सेमेंटिक वेब' (Semantic Web) में उपयोग की जाने वाली तार्किक भाषा के पूर्ण, जटिल संस्करण के साथ काम करता है, जिसमें यह शामिल है कि कितनी वस्तुएं जुड़ी हो सकती हैं और संबंधों की दिशा क्या है। न्यूरल नेटवर्क के साथ इस स्तर की जटिलता का उपयोग करने वाले पिछले प्रयासों को नियमों को इतना सरल बनाना पड़ा कि वे अपना अर्थ खो बैठे। हालांकि, बाओबाब ने बिना सरलीकरण के पूरी जटिलता को संभाला। टीम ने अपने कंपाइलर की शुद्धता को एक औपचारिक प्रमाण प्रणाली (formal proof system) का उपयोग करके सत्यापित किया, जो एक कठोर गणितीय जांच है जो यह सुनिश्चित करती है कि तर्क से सर्किट में अनुवाद त्रुटिहीन है। उन्होंने अपने सिस्टम की मौजूदा विधियों के साथ तुलना भी की और पाया कि उनके प्रयोगों में उपयोग किए गए तार्किक नियमों का एक महत्वपूर्ण हिस्सा पुराने तरीकों द्वारा नहीं संभाला जा सका था, जो सरल, कम अभिव्यंजक रूपों के तर्क तक सीमित थे।

अध्ययन का एक महत्वपूर्ण हिस्सा कई वैध उत्तरों के मुद्दे को संबोधित करने से जुड़ा था। कई वास्तविक दुनिया के परिदृश्यों में, दी गई जानकारी एक अद्वितीय समाधान निर्धारित करने के लिए पर्याप्त नहीं होती है। उदाहरण के लिए, यदि एक नियम कहता है कि एक व्यक्ति पुरुष या महिला है, और हम जानते हैं कि वह विपरीत लिंग के व्यक्ति से विवाहित है, तो जोड़े के लिंगों के लिए अभी भी दो वैध संभावनाएं हैं। मानक न्यूरल नेटवर्क अक्सर यहाँ विफल हो जाते हैं, और मनमाने ढंग से एक संभावना को चुनकर उसे ही एकमात्र सत्य मान लेते हैं। शोधकर्ताओं ने पाया कि विभिन्न तार्किक पथों के मिश्रण का उपयोग करके, जो प्रत्येक वैध संभावना के अनुरूप है, उनका सिस्टम एक साथ सभी सही उत्तरों का प्रतिनिधित्व कर सकता है। इसने सिस्टम को प्रत्येक परिणाम के लिए एक कैलिब्रेटेड संभाव्यता प्रदान करने की अनुमति दी, जो डेटा में वास्तविक अनिश्चितता को दर्शाती है, न कि झूठी निश्चितता को थोपती है। यह क्षमता चिकित्सा जैसे क्षेत्रों में अनुप्रयोग के लिए आवश्यक है, जहाँ एक एकल निदान की पहचान करने के उतना ही महत्वपूर्ण है जितना कि संभावित निदानों की सीमा को समझना।

इस कार्य ने ऐसे सिस्टम की व्यावहारिक सीमाओं को भी रेखांकित किया। हालांकि यह विधि शक्तिशाली है, जैसे-जैसे समस्या की जटिलता बढ़ती है, तार्किक सर्किट का आकार तेजी से बढ़ता है। पिज्जा प्रकारों के पूर्ण ऑन्टोलॉजी (ontology) से जुड़े एक परीक्षण में, शोधकर्ताओं ने पाया कि पूरे नियमों को सर्किट में संकलित करने के लिए उपलब्ध मेमोरी से अधिक मेमोरी की आवश्यकता थी, जिससे उन्हें अंतिम प्रशिक्षण के लिए नियमों के एक सरलीकृत उपसमुच्चय (subset) का उपयोग करने के लिए मजबूर होना पड़ा। यह सुझाव देता है कि हालांकि यह विधि सैद्धांतिक रूप से सुदृढ़ और प्रभावी है, इसे सबसे बड़े, सबसे जटिल ज्ञान आधारों तक स्केल करने के लिए और इंजीनियरिंग प्रगति की आवश्यकता होगी। फिर भी, सरलीकृत पिज्जा डेटासेट और अंक पहचान कार्य पर सफल अनुप्रयोग यह सिद्ध करता है कि यह दृष्टिकोण व्यवहार्य और प्रभावी है।

इस शोध के निहितार्थ केवल बेहतर इमेज रिकग्निशन से परे हैं। यह आर्टिफिशियल इंटेलिजेंस को वैज्ञानिक डेटाबेस में पाए जाने वाले समृद्ध, संरचित ज्ञान को न्यूरल नेटवर्क की सीखने की प्रक्रिया में सीधे एकीकृत करने का मार्ग प्रदान करता है। इसका अर्थ यह है कि भविष्य के एआई सिस्टम छवियों से सीख सकते हैं और साथ ही जीव विज्ञान, रसायन विज्ञान या भौतिकी के सख्त, सत्यापित नियमों का पालन भी कर सकते हैं। यह सुनिश्चित करके कि मशीन के अनुमान हमेशा स्थापित वैज्ञानिक ज्ञान के अनुरूप हों, यह दृष्टिकोण अधिक विश्वसनीय और भरोसेमंद एआई की ओर ले जा सकता है, विशेष रूप से उन उच्च-दांव वाले क्षेत्रों में जहां त्रुटियों के गंभीर परिणाम हो सकते हैं। शोधकर्ताओं ने अपने कोड और टूल को जनता के लिए उपलब्ध करा दिया है, जिससे दूसरों को इस नींव पर निर्माण करने और यह अन्वेषण करने के लिए आमंत्रित किया गया है कि तर्क और सीखने का यह एकीकरण कितनी दूर तक जा सकता है।

अंततः, अध्ययन यह प्रदर्शित करता है कि पैटर्न पहचान और तार्किक तर्क के बीच के अंतर को दोनों के सामर्थ्य से समझौता किए बिना पाटा जा सकता है। जटिल तार्किक नियमों को एक ऐसे प्रारूप में अनुवादित करके जिसे न्यूरल नेटवर्क संसाधित कर सकें, शोधकर्ताओं ने एक ऐसा सिस्टम बनाया है जो न केवल डेटा से, बल्कि ज्ञान की संरचना से भी सीखता है। छिपी हुई अवधारणाओं को पुनः प्राप्त करने, तर्क संबंधी शॉर्टकट से बचने और आधुनिक तार्किक भाषाओं की पूर्ण जटिलता को संभालने की क्षमता, मशीन को केवल पैटर्न पहचानने से आगे बढ़कर वास्तव में उन संबंधों और नियमों के बारे में तर्क करने की दिशा में एक महत्वपूर्ण कदम है जो उनके संचालन को नियंत्रित करते हैं। परिणाम बताते हैं कि सही उपकरणों के साथ, आर्टिफिशियल इंटेलिजेंस केवल पैटर्न पहचानने से आगे बढ़कर वास्तव में उन संबंधों और नियमों के बारे में तर्क करने में सक्षम हो सकता है जो उन्हें संचालित करते हैं।