The Impact of Noise on Memorability in Minds and Machines
यह शोध पत्र यह प्रदर्शित करता है कि जहाँ पारंपरिक डीप न्यूरल नेटवर्क अपने व्यक्तिगत छवि विशेषताओं पर निर्भरता के कारण शोर (noise) के तहत छवि स्मरणीयता (image memorability) का अनुमान लगाने में मानवीय सुदृढ़ता से मेल खाने में विफल रहते हैं, वहीं नवनिर्ममित ग्राफमेम (GraphMem) मॉडल छवियों के बीच संबंधात्मक संरचना का लाभ उठाकर मानव प्रदर्शन के साथ सफलतापूर्वक तालमेल बिठाता है।
मूल पेपर CC BY 4.0 (https://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
हम एक आदर्श दृश्य दुनिया में नहीं रहते हैं। हमारी आँखें अक्सर बारिश से भीतर भरे विंडशील्ड, दानेदार सुरक्षा फुटेज, या शाम की धुंधली रोशनी के माध्यम से देखती हैं। फिर भी, इन खामियों के बावजूद, मानवीय स्मृति उल्लेखनीय रूप से सुसंगत होती है। यदि आप लोगों के एक बड़े समूह को जन्मदिन की मोमबत्तियाँ बुझाते हुए एक बच्चे की तस्वीर और एक खाली पार्किंग स्थल की दूसरी तस्वीर दिखाते हैं, तो उनमें से अधिकांश पार्टी के दृश्य को याद रखेंगे और पार्किंग स्थल को भूल जाएंगे। यह घटना, जिसे 'इमेज मेमोरेबिलिटी' (छवि यादगारता) कहा जाता है, यह बताती है कि कुछ तस्वीरें हमारे मस्तिष्क के लिए अन्य तस्वीरों की तुलना में पकड़ बनाना अधिक आसान होता है। वैज्ञानिक लंबे समय से मानते आए हैं कि यादगार छवियों को मस्तिष्क द्वारा अधिक कुशलता से संसाधित किया जाता है, जिससे उन्हें पहचानना और संग्रहीत करना आसान हो जाता है। इसका अध्ययन करने के लिए, शोधकर्ताओं ने तेजी से कृत्रिम बुद्धिमत्ता (AI) की ओर रुख किया है, जिसमें वे डीप न्यूरल नेटवर्क का उपयोग कर रहे हैं—कंप्यूटर सिस्टम जिन्हें मानव मस्तिष्क की नकल करने के लिए डिज़ाइन किया गया है—यह अनुमान लगाने के लिए कि लोग किन छवियों को याद रखेंगे। इन मॉडलों का उपयोग अब विज्ञापन से लेकर वैज्ञानिक अनुसंधान तक सब कुछ के लिए छवियों को स्कोर देने और चुनने के लिए किया जाता है, जो अक्सर मानव पर्यवेक्षकों की जगह ले लेते हैं। लेकिन एक महत्वपूर्ण प्रश्न बना हुआ है: क्या ये मशीनें स्मृति को उसी तरह समझती हैं जैसे हम समझते हैं, विशेष रूप से तब जब छवियां शोर (noise) या धुंधलेपन से खराब हो जाती हैं?
जॉर्ज मेसन यूनिवर्सिटी के शोधकर्ताओं के एक दल ने यह परीक्षण करने के लिए हाथ मिलाया कि कैसे मनुष्य और कृत्रिम बुद्धिमत्ता दोनों दृश्य शोर (visual noise) को संभालते हैं। उन्होंने इसकी शुरुआत छवियों के एक मानक सेट से की, जिन्हें विभिन्न स्तरों की यादगारता के लिए जाना जाता है, जिसमें अत्यधिक यादगार दृश्यों से लेकर उन दृश्यों तक शामिल हैं जिन्हें आसानी से भुला दिया जाता है। फिर उन्होंने इन छवियों को व्यवस्थित रूप से अलग-अलग प्रकार के विजुअल स्टैटिक (visual static) जोड़कर खराब किया, जो पुराने टेलीविजन स्क्रीन पर दिखने वाले दानों के समान है, और उन्हें धुंधला भी किया। सबसे पहले, उन्होंने इन शोर वाली छवियों को कई अत्याधुनिक कंप्यूटर मॉडलों के माध्यम से चलाया जो वर्तमान में मानव स्मृति की भविष्यवाणी करने में सर्वश्रेष्ठ माने जाते हैं। परिणाम आश्चर्यजनक थे। कंप्यूटर मॉडल एक ऐसे तरीके से व्यवहार कर रहे थे जो 'स्टोकेस्टिक रेजोनेंस' नामक घटना के समान था, जहाँ थोड़ा सा शोर जोड़ने से वास्तव में एक कमजोर संकेत को पहचानना आसान हो जाता है। मॉडलों में, शोर जोड़ने से कम यादगार छवियां अधिक यादगार दिखाई देने लगीं, जबकि सबसे यादगार छवियां कम यादगार दिखाई देने लगीं। ऐसा लग रहा था जैसे शोर ने कंप्यूटर के ध्यान को भ्रमित कर दिया हो, जिससे वह छवि के महत्व का गलत आकलन करने लगा।
शोधकर्ताओं ने फिर मानव प्रतिभागियों से वही कार्य करने के लिए कहा, जिसमें उन्हें निरंतर पहचान के खेल में शोर वाली और धुंधली छवियों को देखना था, जहाँ उन्हें बार-बार आने वाली तस्वीरों की पहचान करनी थी। मानव परिणामों ने एक पूरी तरह से अलग कहानी बताई। जब छवियां खराब हुईं, तो अत्यधिक यादगार तस्वीरों के लिए मानवीय स्मृति मजबूत और शोर के प्रति प्रतिरोधी बनी रही। हालाँकि, कम यादगार तस्वीरों के लिए स्मृति में भारी गिरावट आई। कंप्यूटरों के विपरीत, मनुष्यों ने यह नहीं पाया कि शोर ने उन्हें भूलने योग्य छवियों को याद करने में मदद की; इसके बजाय, शोर ने वास्तव में किसी भी चीज़ को याद रखना कठिन बना दिया, लेकिन सबसे प्रभावशाली छवियों को थामे रखने की मस्तिष्क की क्षमता कहीं अधिक मजबूत थी। अध्ययन में पाया गया कि मानव और मशीन के प्रदर्शन के बीच यह अंतर तब भी बना रहा जब शोधकर्ताओं ने कंप्यूटर मॉडलों को शोर वाली छवियों पर पुन: प्रशिक्षित किया, जो एक ऐसी तकनीक है जो आमतौर पर मशीनों को खराब वस्तुओं को बेहतर ढंग से पहचानने में मदद करती है। मॉडल शोर के प्रभाव का गलत आकलन करना जारी रखते रहे, जिससे पता चलता है कि उनके चित्र प्रसंस्करण (processing) का आंतरिक तरीका मनुष्यों के सीखने और याद रखने के तरीके से मौलिक रूप से भिन्न है।
कंप्यूटर क्यों विफल हो रहे थे, इसे समझने के लिए शोधकर्ताओं ने देखा कि मॉडल अपने निर्णयों के समय कहाँ "देख" रहे थे। उन्होंने पाया कि अत्यधिक यादगार छवियों के लिए, मॉडल चित्र के एक विशिष्ट, केंद्रीय भाग पर अपना ध्यान केंद्रित करते थे। जब शोर जोड़ा गया, तो उनका ध्यान बिखर गया, और छवि की यादगारता में मॉडल का विश्वास गिर गया। कम यादगार छवियों के लिए, उनका ध्यान शुरू में बिखरा हुआ था, लेकिन शोर ने कभी-कभी उन्हें एक ही स्थान पर केंद्रित कर दिया, जिससे अनजाने में उनका स्कोर बढ़ गया। इसके विपरीत, मानव स्मृति उसी तरह के एकल फोकल पॉइंट पर निर्भर नहीं करती है। शोधकर्ताओं ने पाया कि मानव स्मृति इस बात पर बहुत अधिक निर्भर करती है कि एक छवि एक सेट में अन्य छवियों के साथ कैसे संबंधित है, न कि केवल छवि की विशेषताओं पर। इसका परीक्षण करने के लिए, उन्होंने 'ग्राफमेम' (GraphMem) नामक एक नया मॉडल बनाया। प्रत्येक छवि का अलग से विश्लेषण करने के बजाय, यह मॉडल सभी छवियों के बीच संबंधों को देखता है, उन्हें इस आधार पर मैप करता है कि वे एक-दूसरे के कितने समान हैं।
जब शोधकर्ताओं ने इस नए दृष्टिकोण का परीक्षण किया, तो परिणाम नाटकीय रूप से बदल गए। ग्राफमेम, जो संदर्भ और छवियों के बीच संबंधों को ध्यान में रखता है, मनुष्यों की तरह बहुत अधिक प्रदर्शन करता है। इसने सही ढंग से भविष्यवाणी की कि अत्यधिक यादगार छवियां शोर बढ़ने के बावजूद स्थिर रहेंगी, जबकि कम यादगार छवियों को नुकसान होगा। यह इस जाल में नहीं फंसा कि शोर ने खराब छवियों को बेहतर बना दिया। अध्ययन बताता है कि वर्तमान कृत्रिम बुद्धिमत्ता शोर वाली स्थितियों में स्मृति के साथ संघर्ष क्यों करती है, क्योंकि यह हर छवि को एक स्वतंत्र वस्तु के रूप में मानती है, उस व्यापक संदर्भ को अनदेखा करती है जिसमें हम स्वाभाविक रूप से दुनिया को देखते हैं। मनुष्यों ने, दुनिया को उसकी सभी अपूर्ण स्पष्टता में देखते हुए बढ़ते हुए, शोर को छानने और बाकी सब कुछ के सापेक्ष एक छवि की विशिष्टता पर भरोसा करने का कौशल सीखा है। निष्कर्ष बताते हैं कि वास्तव में मानव जैसी स्मृति प्रणाली बनाने के लिए, कृत्रिम बुद्धिमत्ता को व्यक्तिगत विशेषताओं के विश्लेषण से आगे बढ़ना होगा और उन संबंधों के जाल को समझना शुरू करना होगा जो एक छवि को दूसरी छवि से जोड़ता 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।