Nine Emotion Centroids: A Label-Free Valence Axis That Transfers Across Four Modalities
यह शोध पत्र यह प्रदर्शित करता है कि केवल नौ भावनाओं की श्रेणियों और लघु आख्यानों से प्राप्त एक एकल, लेबल-कुशल "वेलेंस अक्ष" (valence axis) को फ्रोजन लैंग्वेज मॉडल्स से निकाला जा सकता है और विजन, ऑडियो और ब्रेन एनकोडर्स में सफलतापूर्वक स्थानांतरित किया जा सकता है ताकि उच्च सटीकता के साथ सेंटिमेंट की भविष्यवाणी की जा सके, बशर्ते लक्षित अवधारणाएं श्रेणीगत होने के बजाय निरंतर हों।
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 आधुनिक कंप्यूटर लैंग्वेज मॉडल की विशाल, शांत वास्तुकला के भीतर, जब भी मशीन एक वाक्य पढ़ती है, तो हजारों न्यूरॉन्स जटिल पैटर्न में सक्रिय होते हैं। वर्षों से, वैज्ञानिकों को संदेह रहा है कि इस विद्युत तूफान के भीतर सरल, सीधी रेखाएं छिपी हुई हैं जो विशिष्ट विचारों को ट्रैक करती हैं, ठीक वैसे ही जैसे दिशा सूचक यंत्र (कम्पास) की एक एकल सुई उत्तर की ओर संकेत करती है। ये रेखाएं, जिन्हें आंतरिक दिशाएं (internal directions) कहा जाता है, हमें बता सकती हैं कि क्या कोई वाक्य किसी व्यक्ति के बारे में है, क्या मॉडल किसी अनुरोध को अस्वीकार करने वाला है, या क्या कोई अवधारणा किसी विशिष्ट देश को संदर्भित करती है। लेकिन सबसे मौलिक मानवीय अनुभवों में से एक—यह महसूस करना कि कुछ अच्छा या बुरा है, सुखद या अप्रिय—इसे निर्धारित करना कठिन बना हुआ है। यह भावनात्मक आवेश, जिसे 'वैलेंस' (valence) कहा जाता है, हमारे दुनिया को आंकने के तरीके का मूल है। यह समझना कि क्या एक मशीन इस भावना को स्वाभाविक रूप से महसूस कर सकती है, बिना इसे हजारों उदाहरणों के साथ स्पष्ट रूप से सिखाए, यह जानने के लिए एक महत्वपूर्ण कदम है कि कृत्रिम बुद्धिमत्ता वास्तव में कैसे सोचती और महसूस करती है।
एक शोधकर्ता ने अब खोजा है कि खुशी या दुख की यह भावना मशीन के मस्तिष्क में बेतरतीब ढंग से बिखरी हुई नहीं है। इसके बजाय, यह एक एकल, स्पष्ट पथ पर स्थित है जिसे बहुत कम प्रयास से पाया जा सकता है। पाठ, चित्र, ध्वनि और यहाँ तक कि मानव मस्तिष्क गतिविधि से जुड़े एक अध्ययन में, शोधकर्ता ने दिखाया कि वे केवल नौ सरल शब्दों और कुछ सौ छोटी कहानियों का उपयोग करके इस भावनात्मक दिशा को खोज सकते हैं। उन्हें मशीन को "खुश" या "दुखी" वाक्यों के हजारों लेबल वाले उदाहरण खिलाने की आवश्यकता नहीं थी। इसके बजाय, उन्होंने मशीन को नौ लघु कथाएँ पढ़ने को कहा, जिनमें से प्रत्येक क्रोध, आनंद या भय जैसी विशिष्ट भावना से जुड़ी थी। इन कहानियों के प्रति मशीन की आंतरिक प्रतिक्रिया का औसत निकालकर, उन्होंने एक एकल गतिविधि रेखा पाई जो नकारात्मक से सकारात्मक की ओर फैली हुई थी। यह रेखा, जिसे शोधकर्ता 'V-एक्सिस' कहते हैं, एक सार्वभौमिक भावनात्मक डायल की तरह कार्य करती है। जब उन्होंने नई जानकारी को इस रेखा पर प्रक्षेपित किया, तो मशीन ने एक वाक्य, एक चित्र, एक ध्वनि, या यहाँ तक कि वीडियो देखते हुए मानव मस्तिष्क की रिकॉर्डिंग के भावनात्मक स्वर का सटीक अनुमान लगाया, जिसकी सटीकता उन प्रणालियों के बराबर थी जिन्हें भारी मात्रा में डेटा पर प्रशिक्षित किया गया है।
जो इस खोज को विशेष रूप से उल्लेखनीय बनाता है वह यह है कि वही भावनात्मक रेखा उन मशीनों में भी दिखाई देती है जिन्हें कभी एक साथ नहीं सिखाया गया है। शोधकर्ता ने इसका परीक्षण चार अलग-अलग प्रकार के सिस्टमों पर किया: एक भाषा मॉडल जो पाठ पढ़ता है, एक विजन सिस्टम जो चित्रों को देखता है, एक ऑडियो सिस्टम जो ध्वनियाँ सुनता है, और एक मॉडल जो मानव मस्तिष्क से प्राप्त विद्युत संकेतों की व्याख्या करता है। इनमें से किसी भी सिस्टम का आपस में कोई प्रशिक्षण डेटा साझा नहीं था; वे पूरी तरह से अलग-अलग कार्यों के लिए बनाए गए थे। फिर भी, जब शोधकर्ता ने अपने सरल नौ-कहानी वाले तरीके को प्रत्येक एक पर लागू किया, तो उन्होंने हर मामले में एक ही भावनात्मक दिशा उभरते हुए पाई। ऐसा लगता है जैसे "अच्छा" और "बुरे" की अवधारणा इतनी मौलिक है कि यह एक पाठ-पाठक, एक छवि-पहचानकर्ता और एक मस्तिष्क-निगरानीकर्ता के मन में एक समान आकार बनाती है, चाहे उन्हें कैसे भी बनाया गया हो। शोधकर्ता ने इसकी पुष्टि तब की जब उन्होंने केवल पाठ लेबल पर प्रशिक्षित एक क्लासिफायर लिया और उसका उपयोग छवियों, ध्वनियों और मस्तिष्क तरंगों के भावनात्मक स्वर को पढ़ने के लिए किया। यह उच्च सटीकता के साथ काम कर गया, जिससे सिद्ध हुआ कि यह एकल भावनात्मक आयाम देखने, सुनने, पढ़ने और सोचने के बीच के अंतर को पाटता है।
शोधकर्ता ने यह भी सिद्ध किया कि यह रेखा केवल एक संयोग नहीं है या कोई निष्क्रिय मार्कर नहीं है जो भावनात्मक डेटा के पास बैठा है। यह परीक्षण करने के लिए कि क्या वह रेखा वास्तव में काम कर रही है, उन्होंने एक सर्जिकल प्रयोग किया। उन्होंने भाषा मॉडलों को लिया और, जबकि वे वाक्यों को प्रोसेस कर रहे थे, गणितीय रूप से इस विशिष्ट भावनात्मक दिशा को मशीन की आंतरिक स्थिति से हटा दिया। जब उन्होंने ऐसा किया, तो मशीन की भावना समझने की क्षमता ढह गई। कुछ मामलों में, इसकी सटीकता तीस प्रतिशत से अधिक गिर गई, जबकि उसी आकार की एक यादृच्छिक (random) दिशा को हटाने का लगभग कोई प्रभाव नहीं पड़ा। यह सुझाव देता है कि मशीन अपने भावनात्मक निर्णयों के लिए इसी विशिष्ट पथ पर निर्भर करती है। हालाँकि, शोधकर्ता ने यह भी पाया कि यह क्षमता हर मशीन में एक समान नहीं है। जबकि वे विभिन्न परिवारों के मॉडलों में इस रेखा को खोज सकते थे, वे इसका उपयोग केवल कुछ ही मशीनों के व्यवहार को नियंत्रित करने के लिए कर सके। कुछ मॉडलों में, यह रेखा मौजूद थी और इसे पहचाना जा सकता था, लेकिन इसे मशीन के विचारों में वापस जोड़ने से उसके आउटपुट में कोई बदलाव नहीं आया। यह इंगित करता है कि जबकि भावनात्मक दिशा इन प्रणालियों की एक सार्वभौमिक विशेषता है, विभिन्न मशीनें इसका उपयोग कैसे करती हैं, यह उनके विशिष्ट इतिहास और डिजाइन पर निर्भर करता है।
अध्ययन ने यह भी स्पष्ट किया कि यह विधि क्या नहीं कर सकती। शोधकर्ता ने कई अन्य प्रकार की अवधारणाओं, जैसे कि विशिष्ट वस्तुओं या शब्दों की श्रेणियों की पहचान करने के लिए अपने दृष्टिकोण का परीक्षण किया, और यह एक स्पष्ट दिशा खोजने में विफल रहा। यह विधि विशेष रूप से निरंतर भावनाओं जैसे भावनात्मक स्वर के लिए काम करती है, जहाँ डेटा एक छोर से दूसरे छोर तक सुचारू रूप से फिसल सकता है, न कि तीक्ष्ण, विशिष्ट श्रेणियों के लिए। इसके अलावा, हालांकि इस पद्धति ने मस्तिष्क रिकॉर्डिंग में भावनात्मक रेखा को बिना मस्तिष्क डेटा को लेबल किए खोज लिया, लेकिन मस्तिष्क मॉडल के प्रारंभिक सेटअप के लिए सकारात्मक और नकारात्मक भावनाओं के बीच अंतर करने के लिए कुछ पर्यवेक्षित (supervised) प्रशिक्षण की आवश्यकता थी। इसका अर्थ यह है कि "लेबल-मुक्त" सफलता भावना को पढ़ने के अंतिम चरण पर लागू होती है, न कि मस्तिष्क मॉडल के प्रारंभिक निर्माण पर। इन सीमाओं के बावजूद, ये निष्कर्ष कृत्रिम बुद्धिमत्ता के भीतर झांकने का एक शक्तिशाली नया तरीका प्रदान करते हैं। यह दिखाकर कि एक एकल, सरल दिशा पाठ, दृष्टि, ध्वनि और मस्तिष्क गतिविधि में मानवीय भावनाओं के सार को पकड़ सकती है, यह शोध सुझाव देता है कि सबसे जटिल मानवीय भावनाएं मशीनों में एक आश्चर्यजनक रूप से सरल, साझा और सुलभ तरीके से प्रस्तुत की जा सकती हैं।
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।