HEDL: Hyper Evidential Deep Learning for Hierarchical Classification
यह शोध पत्र HEDL को प्रस्तुत करता है, जो एक नवीन हाइपर-एविडेंशियल डीप लर्निंग फ्रेमवर्क है जो पदानुक्रमित अनिश्चितता (hierarchical uncertainty) को कुशलतापूर्वक मॉडल करने और सूक्ष्म-स्तरीय वर्गीकरण कार्यों (fine-grained classification tasks) में अंशांकन (calibration) में सुधार करने के लिए लेबल टैक्सोनॉमी को एक फोकल फैमिली के रूप में उपयोग 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
आर्टिफिशियल इंटेलिजेंस की दुनिया में, कंप्यूटर को वस्तुओं को पहचानना सिखाना अक्सर मिलान के एक साधारण खेल की तरह माना जाता है: मशीन को एक तस्वीर दिखाएं, और उससे सूची में से सही नाम चुनने के लिए कहें। लेकिन वास्तविक दुनिया शायद ही कभी इतनी सरल होती है। एक पक्षी केवल एक "पक्षी" नहीं है; वह वॉर्बलर (warbler) की एक विशिष्ट प्रजाति है, जो एक परिवार से संबंधित है, जो एक क्रम (order) से संबंधित है। जब एक AI किसी फोटो को देखता है, तो वह पूरी तरह आश्वस्त हो सकता है कि वह एक वॉर्bler देख रहा है, फिर भी इस बात को लेकर पूरी तरह अनिश्चित हो सकता है कि वह ब्लैक-एंड-व्हाइट वॉर्bler है या येलो-रम्प्ड (yellow-rumped) वॉर्bler। यह पदानुक्रम (hierarchy) की समस्या है। पारंपरिक AI मॉडल यहाँ संघर्ष करते हैं क्योंकि वे हर संभावित उत्तर को एक अलग, असंबंधित विकल्प के रूप में देखते हैं, या वे पूरी सूची के बारे में अपनी निश्चितता को दर्शाने के लिए एक एकल संख्या का उपयोग करने के लिए मजबूर करते हैं। यह दृष्टिकोण उस बारीकी को छोड़ देता है जहाँ अनिश्चितता वास्तव में निवास करती है। यह इस बात को पकड़ने में विफल रहता है कि सूक्ष्म विवरणों के बारे में अनिश्चित होना और व्यापक श्रेणी के बारे में अनिश्चित होना, दोनों में क्या अंतर है।
फुदान विश्वविद्यालय के शोधकर्ताओं ने इस विशिष्ट समस्या को हल करने के लिए H2EDL नामक एक नया दृष्टिकोण विकसित किया है। विकल्पों की एक जटिल सूची के लिए एक बड़ा अनुमान लगाने के बजाय, उन्होंने एक ऐसा सिस्टम बनाया है जो ज्ञान की संरचना की नकल करता है। एक वंशावली (family tree) की कल्पना करें जहाँ ऊपरी शाखाएँ "विमान" या "त्वचा की स्थिति" जैसी व्यापक श्रेणियों का प्रतिनिधित्व करती हैं, और निचली शाखाएँ "बोइंग 737" या "मेलानोमा" जैसे विशिष्ट प्रकारों में विभाजित होती हैं। नया मॉडल इस पेड़ के हर जंक्शन पर एक छोटा निर्णय लेने वाला इकाई (unit) स्थापित करता है। जैसे ही AI एक छवि को देखता है, वह पेड़ के नीचे की ओर यात्रा करता है, और निर्णयों की एक श्रृंखला बनाता है। शीर्ष पर, वह आत्मविश्वास से कह सकता है, "यह एक बोइंग है।" जैसे-जैसे वह विशिष्ट मॉडल की ओर बढ़ता है, वह कह सकता है, "मैं काफी आश्वस्त हूँ कि यह 737 है, लेकिन मैं निश्चित नहीं हूँ कि यह -800 या -900 संस्करण है।" इन छोटे चरणों में समस्या को तोड़कर, मॉडल ठीक से रिपोर्ट कर सकता है कि उसका आत्मविश्वास कहाँ रुकता है और उसकी अनिश्चितता कहाँ शुरू होती है, न कि पूरी तस्वीर के लिए एक अस्पष्ट अनुमान प्रदान करता है।
इसकी मुख्य नवीनता इस बात में निहित है कि मॉडल "अनिश्चितता" को कैसे संभालता है। पुराने तरीके अक्सर यह दर्शाने के लिए एक एकल स्कोर देते हैं कि मॉडल को संभावनाओं के पूरे सेट के बारे में कितना "पता नहीं है"। यदि मॉडल भ्रमित है, तो वह स्कोर सब कुछ के लिए बढ़ जाता है। हालाँकि, नया तरीका मॉडल को एक व्यापक श्रेणी पर स्पष्ट राय रखने और विशिष्ट विवरणों के बारे में भ्रमित होने की अनुमति देता है। यह ऐसा इसलिए करता है क्योंकि वह पेड़ की संरचना को केवल एक लेबल सूची के रूप में नहीं, बल्कि साक्ष्य के मानचित्र के रूप में मानता है। जब मॉडल उस बिंदु पर पहुँचता है जहाँ साक्ष्य एक व्यापक श्रेणी की पुष्टि करने के लिए पर्याप्त मजबूत हैं लेकिन एक विशिष्ट पत्ती (leaf) चुनने के लिए पर्याप्त नहीं हैं, तो वह वहीं रुक जाता है। यह प्रभावी रूप से कहता है, "मैं जानता हूँ कि यह एक बोइंग है, लेकिन मेरे पास यह तय करने के लिए पर्याप्त जानकारी नहीं है कि यह 737 का कौन सा संस्करण है।" यह एक बहुत ही ईमानदार और उपयोगी रिपोर्ट बनाता है कि AI क्या जानता है और वह क्या नहीं जानता।
इस विचार का परीक्षण करने के लिए, शोधकर्ताओं ने अपने मॉडल को दो बहुत ही अलग प्रकार के डेटा पर प्रशिक्षित किया: सूक्ष्म-स्तर के विमानों (aircraft) की छवियों का एक संग्रह और त्वचा की स्थितियों का एक डेटाबेस। दोनों मामलों में, उन्होंने अपने नए सिस्टम की तुलना मानक AI मॉडल से की जो इस पेड़-आधारित दृष्टिकोण का उपयोग नहीं करते हैं। परिणामों ने दिखाया कि हालांकि नया मॉडल हर मामले में एकल सही पत्ती (leaf) चुनने में आवश्यक रूप से बेहतर नहीं हुआ, लेकिन यह अपनी गलतियों की संरचना को समझने में काफी बेहतर हो गया। जब मॉडल विशिष्ट प्रकार को गलत करता था, तो इसकी बहुत अधिक संभावना थी कि उसने व्यापक श्रेणी को सही पाया होगा। उदाहरण के लिए, त्वचा की स्थिति के डेटासेट पर, जब नए मॉडल ने एक विशिष्ट त्रुटि की, तो इसने मानक मॉडलों की तुलना में लगभग 19 प्रतिशत अधिक बार सही व्यापक श्रेणी को बनाए रखा। इसका मतलब है कि भले ही AI अनिश्चित हो, वह पेड़ के पूरी तरह से असंबंधित हिस्से में भटकने की संभावना कम रखता है, जैसे कि त्वचा की स्थिति को किसी अन्य प्रकार की बीमारी के साथ भ्रमित करना।
अध्ययन से यह भी पता चला कि नया मॉडल यह जानने में बहुत बेहतर है कि वह कब अनुमान लगा रहा है। प्रयोगों में, मानक मॉडल अक्सर अति-आत्मविश्वासी हो गए, गलत होने पर भी उच्च निश्चितता स्कोर असाइन करते रहे। इसके विपरीत, नया सिस्टम अपने आत्मविश्वास के स्तर को नियंत्रण में रखता है, विशेष रूप से तब जब वह पेड़ के विशिष्ट विवरणों में गहराई तक जाता है। जब शोधकर्ताओं ने प्रशिक्षण डेटा की मात्रा दोगुनी कर दी, तो मानक मॉडल बिना अधिक सटीक हुए और भी अधिक अति-आत्मविश्वासी हो गए, जबकि नए मॉडल ने निरंतर, विश्वसनीय अनिश्चितता स्तर बनाए रखा। यह सुझाव देता है कि यह नया दृष्टिकोण केवल एक विशिष्ट डेटासेट के लिए एक विधि नहीं है, बल्कि जटिल, स्तरित जानकारी को संभालने का एक अधिक मजबूत तरीका है। यह AI को तब भी उपयोगी बनाता है जब वह पूर्ण नहीं होता, जिससे यह स्पष्ट संकेत मिलता है कि उसका ज्ञान कहाँ समाप्त होता है और जहाँ मानवीय निर्णय की आवश्यकता हो सकती है।
अंततः, यह कार्य प्रदर्शित करता है कि हम AI के भीतर ज्ञान को कैसे संरचित करते हैं, यह हमें जो डेटा खिलाते हैं उतना ही महत्वपूर्ण है। दुनिया की प्राकृतिक पदानुक्रम का सम्मान करके—जहाँ व्यापक अवधारणाओं में विशिष्ट विवरण होते हैं—मॉडल इस तरह से तर्क करना सीखता है जो अधिक मानवीय लगता है। यह केवल एक लेबल आउटपुट नहीं करता है; यह उस कहानी को आउटपुट करता है कि वह उस लेबल तक कैसे पहुँचा, जिसमें वे बिंदु भी शामिल हैं जहाँ वह हिचकिचाया था। इस तरह की पारदर्शिता उन अनुप्रयोगों के लिए महत्वपूर्ण है जहाँ गलतियाँ महंगी हो सकती हैं, जैसे चिकित्सा निदान या विमानन सुरक्षा। शोधकर्ताओं ने पाया कि उनकी विधि ने पिछले तकनीकों की तुलना में मॉडल के आत्मविश्वास को रिपोर्ट करने की त्रुटि को लगभग आधा कर दिया। अधिक महत्वपूर्ण बात यह है कि इसने यह सुनिश्चित किया कि जब मॉडल गलत होता है, तो वह इस तरह से गलत होता है जो सत्य के करीब रहता है, जिससे बारीक विवरण खो जाने पर भी व्यापक संदर्भ बरकरार रहता है। यह ऐसे AI सिस्टम बनाने की दिशा में एक कदम है जो न केवल स्मार्ट हैं बल्कि अपनी सीमाओं के प्रति जागरूक भी 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।