Cumulative In-Context Learning versus Simple Historical Weighting for Real-Time Geographic Origin Identification of Ongoing Epidemic Waves: A Comparative Evaluation Using Eight COVID-19 Waves in Japan
यह अध्ययन प्रदर्शित करता है कि संचयी ऐतिहासिक भारण (cumulative historical weighting) का उपयोग करने वाली एक पारदर्शी, स्प्रेडशीट-कार्यान्वयन योग्य सांख्यिकीय विधि, जापान की कोविड-19 लहरों के भौगोलिक उद्गम की पहचान करने में एक लार्ज लैंग्वेज मॉडल के तुलनीय प्रदर्शन करती है, जो यह प्रकट करता है कि प्रदर्शन में वृद्धि एआई की तर्क क्षमताओं के बजाय ऐतिहासिक डेटा के संचय से उत्पन्न होती है, हालांकि मॉडल बिना ऐसे संदर्भ के भी महत्वपूर्ण अंतर्निहित भौगोलिक तर्क प्रदर्शित करता 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
बड़ा सवाल: वायरस कहाँ से शुरू हुआ?
कल्पना कीजिए कि जापान में वायरस की एक नई लहर (जैसे तालाब में उठने वाली लहर) फैलना शुरू हो गई है। सार्वजनिक स्वास्थ्य अधिकारी यह जानना चाहते हैं कि वह लहर ठीक कहाँ से शुरू हुई ताकि वे जितनी जल्दी हो सके इसका पता लगा सकें। यदि उन्हें शुरुआती बिंदु का पता चल जाए, तो वे मदद भेज सकते हैं, लोगों की जांच कर सकते हैं, और पूरे देश में फैलने से पहले ही इसे रोक सकते हैं।
आमतौर पर, वैज्ञानिकों को लैब टेस्ट (जीनोमिक सीक्वेंसिंग) के माध्यम से उत्पत्ति की पुष्टि करने के लिए हफ्तों इंतजार करना पड़ता है। लेकिन तब तक, वायरस अक्सर हर जगह फैल चुका होता है। इस अध्ययन ने पूछा: क्या हम लैब का इंतजार किए बिना, केवल बीमार लोगों की दैनिक संख्या का उपयोग करके शुरुआती बिंदु की भविष्यवाणी कर सकते हैं?
तीन प्रतियोगी
शोधकर्ताओं ने यह देखने के लिए तीन अलग-अलग "जासूसों" के बीच एक दौड़ आयोजित की कि कौन जापान में वायरस की 8 अलग-अलग लहरों के उद्गम को सबसे तेजी से (7, 14, 21, या 28 दिनों के भीतर) खोज सकता है।
"ताज़ा नज़र" वाले सांख्यिकीविद (पारंपरिक तरीके):
ये मानक गणितीय सूत्र हैं। ये केवल वर्तमान लहर को देखते हैं। वे पूछते हैं: "अभी किस क्षेत्र में मामलों की संख्या सबसे अधिक है?" या "किस क्षेत्र में सबसे पहले लोग बीमार होने लगे?" वे हर नई लहर के साथ ऐसे व्यवहार करते हैं जैसे कि यह पहली बार है जब वायरस अस्तित्व में आया है। उनकी कोई स्मृति नहीं होती।"सुपर-ब्रेन" AI (लार्ज लैंग्वेज मॉडल):
यह एक शक्तिशाली AI (Claude Haiku) है। इसे वर्तमान आंकड़ों के साथ-साथ पिछले सभी 7 लहरों की एक इतिहास की किताब दी गई थी। इसे बताया गया था: "वर्तमान डेटा को देखें, लेकिन याद रखें कि अतीत में, लहरें अक्सर इन विशिष्ट स्थानों से शुरू हुई थीं।" यह अपने "इन-कॉन्टेक्स्ट लर्निंग" का उपयोग करके उद्गम का अनुमान लगाता है।"स्मार्ट स्प्रेडशीट" (संचयी गणना):
यह इस शोध का गुप्त हथियार है। यह एक सरल गणितीय सूत्र है जो बिल्कुल "ताज़ा नज़र" वाले सांख्यिकीविदों जैसा ही है, लेकिन यह उन क्षेत्रों को "बोनस अंक" देता है जो अतीत में लहरों के शुरुआती बिंदु रहे हैं।
- उपमा: कल्पना कीजिए कि एक स्पोर्ट्स टीम है। "ताज़ा नज़र" वाला कोच केवल आज के अभ्यास को देखता है। "स्मart स्प्रेडशीट" वाला कोच आज के अभ्यास को देखता है साथ ही एक नोट भी देखता है जिसमें लिखा है, "इस खिलाड़ी ने पिछले 7 में से 5 मैचों में विजयी गोल किया है।" यह एक साधारण अंकगणितीय ट्रिक है, कोई जटिल AI नहीं।
दौड़ का परिणाम
शोधकर्ताओं ने सफलता को एक "F1 स्कोर" (0 से 1 का ग्रेड, जहाँ 1 पूर्ण है) का उपयोग करके मापा।
- "ताज़ा नज़र" वाले सांख्यिकीविद: वे ठीक थे, उन्हें लगभग 0.41 से 0.46 का ग्रेड मिला। उन्होंने बहुत कुछ मिस कर दिया क्योंकि वे अतीत के सबक भूल गए थे।
- "सुपर-ब्रेन" AI: जब इसने अपनी इतिहास की किताब का उपयोग किया, तो इसे 0.52 का ग्रेड मिला। यह ताज़ा सांख्यिकीविदों से बेहतर था।
- "स्मार्ट स्प्रेडशीट": आश्चर्यजनक रूप से, इस सरल गणित विधि को लगभग 0.51 का ग्रेड मिला।
बड़ा आश्चर्य: सरल स्प्रेडशीट ने फैंसी AI के लगभग बराबर प्रदर्शन किया। शोध पत्र का निष्कर्ष है कि AI इसलिए नहीं जीता क्योंकि वह "अधिक बुद्धिमान" है या उसके पास बेहतर तर्क क्षमता है; वह इसलिए जीता क्योंकि उसे इतिहास की याद दिलाई गई थी। सरल स्प्रेडशीट ने ठीक वही किया जो AI ने किया—बस गणित में एक "इतिहास बोनस" जोड़कर।
AI का "जादू" (इतिहास के बिना)
शोधकर्ताओं ने AI का परीक्षण बिना किसी इतिहास के भी किया (केवल वर्तमान संख्याएँ दी गईं)।
- परिणाम: AI का स्कोर अभी भी 0.46 रहा।
- इसका अर्थ क्या है: AI में अपने प्रशिक्षण के आधार पर भूगोल का अनुमान लगाने की कुछ "स्वाभाविक" क्षमता है, भले ही उसे इतिहास न बताया गया हो। हालाँकि, एक बार जब आप इसे इतिहास (या स्प्रेडशीट को इतिहास बोनस) देते हैं, तो AI बहुत अधिक बेहतर नहीं होता है। "इतिहास" ही असली जादू है, न कि स्वयं AI।
वह एक समय जब सभी विफल रहे (लहर 6)
एक विशिष्ट लहर (ओमिक्रॉन BA.1) थी जहाँ सभी विफल रहे (ग्रेड 0.00)।
- क्यों? वायरस इस तरह से शुरू हुआ जिसे दैनिक संख्याएं पकड़ नहीं सकीं। यह एक चोर के घर में गुप्त सुरंग के माध्यम से प्रवेश करने जैसा था जिसे सुरक्षा कैमरे नहीं देख सके। क्योंकि डेटा गायब या त्रुटिपूर्ण था, न तो गणित, न स्प्रेडशीट और न ही AI उद्गम का पता लगा सका। यह साबित करता है कि यदि डेटा खराब या गायब है, तो कोई भी चतुर कंप्यूटिंग इसे ठीक नहीं कर सकती।
अंतिम निष्कर्ष
- AI कोई चमत्कार करने वाला नहीं है: इस विशिष्ट कार्य के लिए, एक फैंसी AI आवश्यक नहीं है।
- इतिहास ही कुंजी है: वायरस कहाँ से शुरू होता है, इसकी भविष्यवाणी करने के लिए सबसे महत्वपूर्ण बात यह याद रखना है कि वह पहले कहाँ से शुरू हुआ था।
- सरल रखें: आपको यह करने के लिए महंगे सर्वर या जटिल AI की आवश्यकता नहीं है। आप इसे एक स्प्रेडशीट (जैसे Excel) के माध्यम से कर सकते हैं, बस उन क्षेत्रों में एक "इतिहास बोनस" जोड़कर जो पहले समस्या वाले स्थान रहे हैं।
संक्षेप में: यह देखने के लिए कि वायरस की लहर कहाँ से शुरू होती है, केवल आज के नंबरों को न देखें। अतीत को देखें। और इसके लिए आपको रोबोट की आवश्यकता नहीं है; एक साधारण कैलकुलेटर जिसकी याददाश्त हो, वह भी उतना ही अच्छा काम करता 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।