Seeing Why: Exact Evidence Maps for Quantum and Optical Image Classifiers
यह शोध पत्र बोर्न एविडेंस मैप्स (BEM) प्रस्तुत करता है, जो रैखिक क्वांटम और ऑल-ऑप्टिकल इमेज क्लासिफायर की व्याख्या करने के लिए एक सटीक, सन्निकटन-मुक्त विधि है, जो वर्ग संभावनाओं को मापने योग्य आयाम योगदानों में विघटित करके कार्य करता है, और सिम्युलेटेड एवं वास्तविक IBM क्वांटम हार्डवेयर प्रयोगों दोनों में महत्वपूर्ण विशेषताओं की पहचान करने और डेटा शॉर्टकट को प्रकट करने में अपनी प्रभावशीलता को प्रदर्शित 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 लेखक ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
जब कोई कंप्यूटर किसी तस्वीर को देखता है और तय करता है कि वह क्या देख रहा है, तो उस चुनाव के पीछे का तर्क आमतौर पर एक रहस्य होता है। यहाँ तक कि सबसे उन्नत प्रणालियाँ भी 'ब्लैक बॉक्स' की तरह काम करती हैं: वे एक छवि लेती हैं और एक लेबल बाहर निकाल देती हैं, लेकिन इन दोनों के बीच का मार्ग जटिल गणनाओं की परतों के भीतर छिपा होता है। वैज्ञानिकों ने यह अनुमान लगाने के तरीके विकसित किए हैं कि छवि के कौन से हिस्से सबसे अधिक महत्वपूर्ण थे, लेकिन ये अनुमान अक्सर केवल अनुमान होते हैं जो अंतिम निर्णय तक नहीं पहुँच पाते। पारदर्शिता की यह कमी एक महत्वपूर्ण बाधा है, विशेष रूप से तब जब शोधकर्ता पारंपरिक सिलिकॉन चिप्स के बजाय प्रकाश या क्वांटम कणों का उपयोग करके क्लासिफायर (वर्गीकरण करने वाले यंत्र) बनाने की शुरुआत कर रहे हैं। यदि इन नई मशीनों पर भरोसा किया जाना है, तो हमें यह जानना होगा कि उन्होंने एक विकल्प क्यों चुना, न कि केवल एक अनुमान। चुनौती यह है कि मशीन के भीतर के तर्क को देखने का एक तरीका खोजा जाए, निर्णय को उन विशिष्ट पिक्सेल तक वापस पहुँचा जा सके जिन्होंने इसे प्रेरित किया, बिना सटीकता खोए या मोटे अनुमानों पर निर्भर हुए।
शोधकर्ताओं की एक टीम ने अब एक ऐसा सिस्टम बनाया है जो ऑप्टिकल और क्वांटम इमेज क्लासिफायर दोनों के लिए इस समस्या को हल करता है। उन्होंने एक ऐसी मशीन बनाई है जो एक तस्वीर देख सकती है और साथ ही एक मानचित्र (मैप) भी बना सकती है जो दिखा सकता है कि उस तस्वीर के कौन से हिस्से उत्तर में योगदान दे रहे थे। पिछले तरीकों के विपरीत, जो केवल एक अनुमान प्रदान करते हैं, यह प्रणाली एक सटीक लेखा-जो comptes (accounting) प्रदान करती है। मशीन द्वारा एकत्र किया गया प्रमाण का हर अंश उसके निर्णय की अंतिम संभावना में पूरी तरह से जुड़ जाता है। शोधकर्ताओं ने इसे दो बहुत अलग प्रकार के हार्डवेयर पर प्रदर्शित किया: एक क्वांटम कंप्यूटर चिप और एक लेंस और प्रकाश से बना सिम्युलेटेड ऑप्टिकल बेंच। दोनों ही मामलों में, वे उन विशिष्ट पिक्सेल की ओर इशारा कर सके जिन्होंने मशीन को एक नाव, एक तेंदुए या एक कार की पहचान करने के लिए मनाया था, और वे सिद्ध कर सके कि ये पिक्सेल ही निर्णय का वास्तविक कारण थे।
इस कार्य का मूल छवियों को एनकोड करने का एक नया तरीका है ताकि मशीन गहरे और चमकीले फीचर्स के साथ समान व्यवहार करे। कई प्रणालियों में, फोटो के चमकीले क्षेत्र विश्लेषण पर हावी हो जाते हैं, जिससे मशीन गहरे लेकिन महत्वपूर्ण विवरणों को अनदेखा कर देती है। शोधकर्ताओं ने छवि को इस तरह से बदलकर इस समस्या को हल किया कि औसत चमक एक तटस्थ संदर्भ बिंदु बन जाए। यह एक नाव के निचले हिस्से पर पड़ने वाली गहरी छाया को आकाश के चमकीले पैच के समान ही महत्व देने की अनुमति देता है। एक बार जब छवि इस तरह तैयार हो जाती है, तो यह फिल्टरों की एक श्रृंखला से गुजरती है। ऑप्टिकल संस्करण में, प्रकाश कांच की प्लेटों की एक श्रृंखला के माध्यम से यात्रा करता है जो बीम को मोड़ती और आकार देती है। क्वांटम संस्करण में, छवि को कुछ क्वांटм बिट्स की अवस्था में अनुवादित किया जाता है, जिन्हें फिर संचालन के एक विशिष्ट क्रम द्वारा हेरफेर किया जाता है। दोनों पथ एक अंतिम माप की ओर ले जाते हैं जो वस्तु के वर्ग (class) को निर्धारित करता है।
जो काम को अद्वितीय बनाता है वह है निर्णय को रिवर्स-इंजीनियर करने की क्षमता। शोधकर्ताओं ने दिखाया कि इन रैखिक प्रणालियों (linear systems) के पीछे का गणित उन्हें हर एक पिक्सेल के योगदान में अंतिम संभावना को तोड़ने की अनुमति देता है। वे इन्हें "बॉर्न एविडेंस मैप्स" (Born evidence maps) कहते हैं। ये मानचित्र एक हीट मैप की तरह कार्य करते हैं, जो छवि के उन हिस्सों को उजागर करते हैं जिन्होंने मशीन को एक विशिष्ट उत्तर की ओर धकेला और उन हिस्सों को दिखाते हैं जिन्होंने इसे पीछे खींचा। क्योंकि गणित सटीक है, इसलिए सभी पốt पिक्सेल योगदानों का योग मशीन के आत्मविश्वास के बराबर होता है। इसमें कोई अनुमान शामिल नहीं है; स्पष्टीकरण निर्णय जितना ही सटीक है। यह अन्य तरीकों से एक महत्वपूर्ण विचलन है, जिन्हें अक्सर यह अनुमान लगाने के लिए कि क्या महत्वपूर्ण था, छवि को अलग-अलग हिस्सों को ब्लॉक करके सिस्टम के माध्यम से हजारों बार चलाना पड़ता है। यहाँ, स्पष्टीकरण छवि के एकल रन से सीधे प्राप्त होता है।
यह परीक्षण करने के लिए कि क्या ये मानचित्र वास्तव में उपयोगी थे, शोधकर्ताओं ने एक कठोर प्रयोग किया। उन्होंने परीक्षण छवियों का एक सेट लिया और व्यवस्थित रूप से उन पिक्सेल को हटा दिया जिन्हें मानचित्र ने सबसे महत्वपूर्ण बताया था। जब उन्होंने उच्चतम साक्ष्य वाले केवल पांच प्रतिशत पिक्सेल को हटाया, तो मशीन की सटीकता मामूली गिरावट के साथ बहत्तर प्रतिशत से गिरकर नौ प्रतिशत पर आ गई। इसने सिद्ध किया कि मानचित्र सही ढंग से महत्वपूर्ण विशेषताओं की पहचान कर रहा था। इसके विपरीत, जब उन्होंने पुराने, कम सटीक तरीकों के आधार पर पिक्सेल को हटाया, तो मशीन की सटीकता में बहुत कम गिरावट आई। मानचित्रों ने उनके डेटा में एक छिपे हुए दोष को भी उजागर किया। सिस्टम ने देखा कि उनके प्रशिक्षण सेट में तेंदुओं की तस्वीरों में अक्सर सबसे ऊपरी किनारे पर एक गहरी पट्टी होती थी, जो कि फोटो को क्रॉप करने के तरीके की एक विचित्रता थी। मशीन ने तेंदुए को पहचानने के लिए जानवर को देखने के बजाय, उस डार्क स्ट्रिप को एक शॉर्टकट के रूप में उपयोग करना सीख लिया था। शोधकर्ताओं ने मानचित्रों का उपयोग इस व्यवहार को पकड़ने के लिए किया, छवियों से डार्क स्ट्रिप्स को हटाया, और सिस्टम को पुन: प्रशिक्षित किया। परिणाम एक ऐसा मशीन था जिसने अंततः तेंदुए के शरीर और धब्बों को पहचानना सीखा, न कि उसके ऊपर के खाली स्थान को।
शोधकर्ताओं ने फिर अपने ऑप्टिकल डिज़ाइन को एक वास्तविक क्वांटम कंप्यूटर, विशेष रूप से IBM ibm_kingston चिप पर चलाया। उन्होंने चिप पर तीन सौ परीक्षण छवियां लोड कीं और उन्हें वर्गीकृत करने के लिए कहा। मशीन ने तैंतीस दशमलव सात प्रतिशत की सटीकता प्राप्त की, जो यादृच्छिक अनुमान (random guessing) से लगभग चार गुना बेहतर है। अधिक महत्वपूर्ण बात यह है कि उन्होंने छवियों के एक चयन के लिए चिप पर सीधे 'एविडेंस मैप्स' को मापा। इन वास्तविक दुनिया के मापों ने शून्य दशमलव सात सात के सहसंबंध (correlation) के साथ सटीक सैद्धांतिक मानचित्रों से मेल खाया। इसने पुष्टि की कि क्वांटम हार्डवेयर न केवल निर्णय ले रहा था, बल्कि वही सटीक आंतरिक तर्क भी उत्पन्न कर रहा था जैसा कि सिद्धांत ने भविष्यवाणी की थी। हालांकि क्वांटम चिप छवियों को अपनी मेमोरी में लोड करने की कठिनाई से सीमित थी, ऑप्टिकल सिमुलेशन ने दिखाया कि लेंस और दर्पणों का एक भौतिक बेंच उसी रंगीन तस्वीरों के सेट पर बहत्तर दशमलव तीन प्रतिशत की सटीकता तक पहुँच सकता है।
अध्ययन ने ऐसे ऑप्टिकल मशीन को बनाने के लिए भौतिक आवश्यकताओं को भी स्थापित किया। शोधकर्ताओं ने वास्तविक दुनिया की खामियों का अनुकरण किया, जैसे कांच की प्लेटों का हल्का गलत संरेखण (misalignment) या लेजर पावर में उतार-चढ़ाव। उन्होंने पाया कि सिस्टम आश्चर्यजनक रूप से मजबूत है; यह संरेखण की छोटी त्रुटियों को सहन कर सकता है और फिर भी अच्छा प्रदर्शन कर सकता है। हालांकि, संरेखण लगभग एक माइक्रोन के भीतर सटीक होना चाहिए, और माप के दौरान लेजर पावर स्थिर रहनी चाहिए। ये निष्कर्ष उन इंजीनियरों के लिए एक स्पष्ट ब्लूप्रिंट प्रदान करते हैं जो इन उपकरणों को बनाना चाहते हैं। यह कार्य प्रदर्शित करता है कि ऐसे इमेज क्लासिफायर बनाना संभव है जो न केवल सटीक हैं बल्कि पूरी तरह से पारदर्शी भी हैं। प्रकाश या क्वांटम कणों का उपयोग करके, और सिस्टम को रैखिक बनाकर, शोधकर्ताओं ने निर्णय लेने की प्रक्रिया से रहस्य को हटा दिया है। मशीन अब केवल एक उत्तर नहीं देती है; वह पिक्सेल-दर-पिक्सेल अपना काम दिखाती है, यह सिद्ध करती है कि इन नई तकनीकों के सोचने के तरीके को समझने का मार्ग अब खुला 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।