Beauty is in the ELBO of the Beholder: A Variational Account of Processing Fluency in Face Perception
यह शोध पत्र प्रदर्शित करता है कि चेहरे के आकर्षण के प्रति मानवीय निर्णय, बिना पर्यवेक्षण के प्रशिक्षित वेरिएशनल ऑटोएनकोडर्स (variational autoencoders) के एविडेंस लोअर बाउंड (ELBO) के अनुरूप होते हैं, जो इस सिद्धांत को अनुभवजन्य समर्थन प्रदान करता है कि सौंदर्य संबंधी आनंद सांख्यिकीय रूप से नियमित, प्रोटोटाइपिकल चेहरों के प्रसंस्करण प्रवाह (processing fluency) से उत्पन्न होता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
द दशकों से, वैज्ञानिक इस बात पर विचार कर रहे हैं कि क्यों कुछ चेहरे हमें मंत्रमुग्ध कर देते हैं जबकि अन्य पृष्ठभूमि में ओझल हो जाते हैं। मानव धारणा के सिद्धांतों ने लंबे समय से यह सुझाव दिया है कि सुंदरता केवल व्यक्तिगत पसंद का मामला नहीं है, बल्कि इस बात में गहराई से निहित है कि हमारा मस्तिष्क जो देखता है उसे कितनी आसानी से संसाधित (process) कर सकता है। जब कोई चेहरा सममित (symmetrical), औसत या परिचित होता है, तो हमारा मन उसे कम प्रयास के साथ पहचान लेता है, जिसे 'प्रोसेसिंग फ्लुएंसी' (processing fluency) नामक घटना कहा जाता है। समझने की यह सहजता आनंद की भावना उत्पन्न करती है, जिससे हम उन चेहरों को अधिक आकर्षक मानते हैं। हालांकि इस विचार का अनगिनत व्यवहार संबंधी प्रयोगों के माध्यम से मानव विषयों पर परीक्षण किया गया है, लेकिन यह स्पष्ट नहीं रहा है कि यह मानसिक सहजता वास्तव में सीखने की जटिल मशीनरी के भीतर कैसे उत्पन्न होती है। क्या एक कंप्यूटर, जिसे केवल चेहरों को देखने के लिए प्रशिक्षित किया गया है और कभी यह नहीं बताया गया कि कौन से सुंदर हैं, क्या वह भी प्राथमिकता की ऐसी ही भावना विकसित कर सकता है?
इसका उत्तर देने के लिए, शोधकर्ताओं फ्रांसिस्को लोपेज़ और जोचेन ट्रिएश ने 'वेरिएशनल ऑटोएनकोडर' (variational autoencoder) नामक कृत्रिम बुद्धिमत्ता के एक प्रकार की ओर रुख किया। ये ऐसी मशीनें हैं जिन्हें डेटा की अंतर्निहित संरचना, जैसे कि मानव चेहरों की हजारों तस्वीरें, बिना किसी मानवीय मार्गदर्शन या सुंदरता के लेबल के सीखने के लिए डिज़ाइन किया गया है। यह प्रणाली एक चेहरे को एक सरल आंतरिक कोड में संकुचित (compress) करने और फिर उस कोड से उसे पुनर्गठित (reconstruct) करने का प्रयास करके कार्य करती है। इसे सफलतापूर्वक करने के लिए, मशीन को दो प्रतिस्पर्धी लक्ष्यों के बीच संतुलन बनाना होगा: उसे चेहरे को सटीक रूप से पुन: बनाने के लिए पर्याप्त विवरण रखना होगा, और साथ ही उसे आंतरिक कोड को सरल और व्यवस्थित भी रखना होगा। शोधकर्ताओं ने प्रस्तावित किया कि यह गणितीय स्कोर, जिसका उपयोग यह मापने के लिए किया जाता है कि मशीन इन दोनों लक्ष्यों को कितनी अच्छी तरह संतुलित करती है, मानव प्रोसेसिंग फ्लुएंसी का एक सीधा, कम्प्यूटेशनल संस्करण है। यदि किसी चेहरे को समझना और पुनर्गठित करना मशीन के लिए आसान है, तो वह इस माप पर उच्च अंक प्राप्त करेगा।
टीम ने चेहरों के विभिन्न बड़े संग्रहों पर चार अलग-अलग एआई मॉडल को प्रशिक्षित किया, यह सुनिश्चित करते हुए कि उनमें से किसी भी मॉडल ने सुंदरता के बारे में मानव रेटिंग कभी नहीं देखी। इसके बाद उन्होंने शिकागो फेस डेटाबेस के 597 चेहरों के एक मानक सेट पर इन मॉडलों का परीक्षण किया, जिनके लिए मानव आकर्षण रेटिंग पहले से ही ज्ञात थी। परिणाम आश्चर्यजनक थे। जिन चेहरों को मनुष्यों ने सबसे सुंदर माना था, वे लगातार उन्हीं चेहरों के समान थे जिन्हें मशीनों ने संसाधित करना सबसे आसान पाया। उस गणितीय स्थान में जहाँ मशीनें चेहरों को व्यवस्थित करती हैं, बढ़ती सुंदरता की दिशा बढ़ती प्रसंस्करण सहजता की दिशा के साथ लगभग पूरी तरह से मेल खाती थी। यह संरेखण इस बात पर निर्भर नहीं था कि मशीन को किस डेटासेट पर प्रशिक्षित किया गया था या चेहरों का विशिष्ट जनसांख्यिकीय समूह क्या था। मशीन को यह सिखाने की आवश्यकता नहीं थी कि सुंदरता क्या है; उसने कुशलतापूर्वक चेहरों को देखना सीखकर उसकी ओर जाने वाला मार्ग स्वयं खोज लिया।
इसके अलावा, शोधकर्ताओं ने पाया कि यह प्राथमिकता केवल एक एकल संख्या नहीं बल्कि मशीन के आंतरिक मानचित्र में एक विशिष्ट दिशा है। जब उन्होंने विभिन्न मॉडलों द्वारा बनाए गए मानचित्रों की तुलना की, तो उन्होंने पाया कि "सुंदरता की दिशा" उल्लेखनीय रूप से सुसंगत थी। भले ही मॉडल अलग-अलग शुरुआती बिंदुओं और अलग-अलग प्रशिक्षण डेटा के साथ शून्य से बनाए गए थे, फिर भी वे सभी चेहरों को आकर्षण की एक ही अवधारणा की ओर संकेत करने के तरीके से व्यवस्थित करते थे। यह सुझाव देता है कि सुंदरता की मानवीय समझ एक यादृच्छिक सांस्कृतिक निर्माण नहीं है, बल्कि यह इस बात से जुड़ी है कि चेहरों का प्रतिनिधित्व कैसे किया जाता है, जो एक मौलिक और पुनरुत्पादक संरचना है। अध्ययन ने यह भी पुष्टि की कि आकर्षक चेहरे अधिक "प्रोटोटाइपिकल" (prototypical) होते हैं, जिसका अर्थ है कि वे अपने समूह के औसत चेहरे के अधिक समान दिखते हैं, चाहे वह उनकी भौतिक आकृति हो या मशीन का आंतरिक कोड। हालांकि, मशीन की सुंदरता को पहचानने की क्षमता साधारण ज्यामितीय औसत से कहीं आगे निकल गई, जिसने उन सूक्ष्म विवरणों को भी पकड़ा जिन्हें एक बुनियादी औसत मिस कर सकता था।
ये निष्कर्ष सौंदर्यशास्त्र के पुराने सिद्धांतों और आधुनिक कृत्रिम बुद्धिमत्ता के बीच एक नया सेतु प्रदान करते हैं। वे सुझाव देते हैं कि जब हम एक सुंदर चेहरा देखते हैं तो हमें जो आनंद मिलता है, वह उसी दक्षता से उत्पन्न हो सकता है जो एक मशीन को न्यूनतम त्रुटि के साथ एक छवि को संकुचित और पुनर्गठित करने की अनुमति देती है। बिना किसी मानवीय निर्देश के मानव प्राथमिकताओं की भविष्यवाणी करने में मशीन की सफलता यह दर्शाती है कि कुछ चेहरों के प्रति हमारा आकर्षण इस बात से गहराई से जुड़ा हुआ है कि हमारा मस्तिष्क उन्हें कितनी आसानी से समझ सकता है। हालांकि यह अध्ययन यह दावा नहीं करता है कि मानव मस्तिष्क बिल्कुल इन कंप्यूटर मॉडलों की तरह काम करता है, लेकिन यह इस बात का पुख्ता प्रमाण देता है कि कुशल प्रतिनिधित्व के सिद्धांत धारणा की कहानी का एक प्रमुख हिस्सा हैं। शोध निष्कर्ष निकालता है कि सुंदरता, चेहरे की धारणा के संदर्भ में, वास्तव में देखने वाले की आंखों में होती है, लेकिन वह आंख सूचना को संसाधित करने और समझने के एक गहरे, साझा तर्क द्वारा निर्देशित होती 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।