Individualized Machine Learning–Grounded Large Language Models for Within-Person Simulation of Physical Activity Psychological Mechanisms and Behavior in Adults with Prehypertension: A Methodological Evaluation
यह पद्धतिगत मूल्यांकन प्रदर्शित करता है कि व्यक्तिगत मशीन लर्निंग-व्युत्पन्न व्यवहार संबंधी नियमों को लार्ज लैंग्वेज मॉडल प्रॉम्प्ट्स में एम्बेड करने से प्रीहाइपरटेंशन वाले वयस्कों में व्यक्ति-विशिष्ट मनोवैज्ञानिक और शारीरिक गतिविधि पैटर्न के अनुकरण को बढ़ावा मिलता है, हालांकि हाइब्रिड दृष्टिकोण संरचित व्यायाम परिणामों के लिए समर्पित प्रतिभागी-विशिष्ट मशीन लर्निंग मॉडलों की भविष्य कहने वाली सटीकता से आगे नहीं निकल सका।
मूल पेपर CC BY 4.0 (https://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
हृदय को स्वस्थ रखने के लिए अक्सर एक सरल, दैनिक चुनाव की आवश्यकता होती है: शरीर को गति देना। उन वयस्कों के लिए जिनका रक्तचाप पहले से ही बढ़ रहा है लेकिन अभी तक पूर्ण हाइपरटेंशन (उच्च रक्तचाप) की सीमा को पार नहीं किया है, नियमित व्यायाम इस प्रगति को रोकने के सबसे शक्तिशाली उपकरणों में से एक है। फिर भी, व्यायाम करने का निर्णय शायद ही कभी एक स्थिर आदत होती है। यह व्यक्ति के मूड, उनकी ऊर्जा, मौसम और व्यस्त कार्यक्रम के दबाव के बीच एक तरल, दैनिक समझौता होता है। एक दिन, एक व्यक्ति प्रेरित महसूस कर सकता है और दौड़ सकता है; अगले दिन, वही व्यक्ति थका हुआ महसूस कर सकता है और इसे छोड़ सकता है। इन दैनिक बदलावों को समझना उन डॉक्टरों और शोधकर्ताओं के लिए महत्वपूर्ण है जो लोगों को सक्रिय रहने में मदद करना चाहते हैं, लेकिन एक अकेले व्यक्ति के जीवन की अनूठी लय को पकड़ना अविश्वसनीय रूप से कठिन है।
इसे हल करने के लिए, वैज्ञानिक एक नए प्रकार के डिजिटल सहायक की खोज कर रहे हैं। एक कंप्यूटर प्रोग्राम की कल्पना करें जो एक व्यक्ति के जीवन के विशिष्ट पैटर्न को सीख सके और फिर एक दर्पण की तरह कार्य कर सके, जो यह अनुकरण (सिमुलेट) कर सके कि वह व्यक्ति किसी भी दिए गए दिन कैसे सोच सकता है और कार्य कर सकता है। यह हाल ही में प्रीहाइपरटेंशन वाले वयस्कों पर किए गए एक अध्ययन का लक्ष्य है। शोधकर्ता यह देखना चाहते थे कि क्या वे एक लार्ज लैंग्वेज मॉडल—एक प्रकार का आर्टिफिशियल इंटेलिजेंस जो मानवीय भाषा को समझने और उत्पन्न करने की अपनी क्षमता के लिए जाना जाता है—को दैनिक व्यायाम व्यवहार की भविष्यवाणी करने के लिए प्रशिक्षित कर सकते हैं। मोड़ यह था कि वे नहीं चाहते थे कि एआई सामान्य ज्ञान के आधार पर अनुमान लगाए। इसके बजाय, वे चाहते थे कि एआई को उस विशिष्ट व्यक्ति के अतीत के ठोस डेटा पर आधारित किया जाए, जो एक हाइब्रिड दृष्टिकोण का उपयोग करता है जो पारंपरिक मशीन लर्निंग की पैटर्न खोजने की शक्ति को आधुनिक एआई की संवादात्मक लचीलेपन के साथ जोड़ता है।
यह अध्ययन बीजिंग में रहने वाले छियालीस वयस्कों के साथ शुरू हुआ। बारह सप्ताह की अवधि के दौरान, इन प्रतिभागियों ने अपने दैनिक जीवन का विस्तार से विवरण दिया। उन्होंने अपने मनोवैज्ञानिक अवस्थाओं, जैसे कि उनकी प्रेरणा, आत्मविश्वास और सामाजिक समर्थन की भावनाओं के साथ-साथ अपने वास्तविक व्यायाम की आदतों और बाहरी कारकों जैसे कि मौसम या सप्ताह के दिन या सप्ताहांत के बारे में भी जानकारी ट्रैक की। इसने एक समृद्ध, दिन-दर-दिन का रिकॉर्ड बनाया कि कैसे प्रत्येक व्यक्ति की आंतरिक दुनिया ने उनके शारीरिक कार्यों को प्रभावित किया। शोधकर्ताओं ने फिर इस डेटा को लिया और इसे दो भागों में विभाजित किया। सबसे पहले, उन्होंने प्रत्येक व्यक्ति के इतिहास का विश्लेषण करने और विशिष्ट, व्यक्तिगत नियम निकालने के लिए एक मानक मशीन लर्निंग टूल का उपयोग किया। उदाहरण के लिए, टूल यह सीख सकता है कि एक विशिष्ट व्यक्ति के लिए, एक बरसात वाले मंगलवार को आत्मविश्वास में गिरावट लगभग हमेशा वर्कआउट छोड़ने की ओर ले जाती है, जबकि दूसरे के लिए, सामाजिक समर्थन की एक मजबूत भावना खराब मूड को भी मात दे देती है।
इन व्यक्तिगत नियमों को फिर एक लार्ज लैंग्वेज मॉडल में डाला गया। शोधकर्ताओं ने एक परीक्षण डिजाइन किया जहाँ एआई को एक सिम्युलेटर के रूप में कार्य करना था। व्यक्ति के पिछले दिन के स्नैपशॉट और वर्तमान दिन के संदर्भ को देखते हुए, एआई से दो चीजें बताने के लिए कहा गया: व्यक्ति की मनोवैज्ञानिक अवस्था कैसे बदलेगी और क्या वे व्यायाम करेंगे। टीम ने एआई को निर्देश देने के विभिन्न तरीकों का परीक्षण किया। उन्होंने इसे केवल कच्चा डेटा दिया, फिर डेटा के साथ व्यक्तिगत नियम दिए, और फिर भविष्यवाणी करने के तरीके के उदाहरण दिखाए। उन्होंने यह देखने के लिए भी एआई के विभिन्न संस्करणों का परीक्षण किया कि कौन सा इस कार्य के लिए सबसे अच्छा है।
परिणामों ने इस नए क्षेत्र में क्या काम करता है और क्या नहीं करता, इसकी एक स्पष्ट तस्वीर पेश की। अध्ययन में पाया गया कि एआई तब सबसे अच्छा प्रदर्शन करता था जब इसे व्यक्ति के जीवन का पूरा संदर्भ दिया गया था और जब इसे भविष्यवाणी करने के तरीके के उदाहरण दिखाए गए थे। महत्वपूर्ण रूप่า, एआई की भविष्यवाणियां बहुत अधिक सटीक और सुसंगत हो गईं जब शोधकर्ताओं ने उस व्यक्ति के बारे में विशिष्ट, डेटा-व्युत्पन्न नियमों को शामिल किया। जब एआई को बताया गया, "यहाँ बताया गया है कि यह विशिष्ट व्यक्ति तनाव के प्रति आमतौर पर कैसे प्रतिक्रिया देता है," तो वह सामान्य ज्ञान पर निर्भर रहने के बजाय उनके अगले कदम का अनुमान लगाने में बहुत बेहतर था। शोधकर्ताओं ने यह भी पाया कि इन नियमों को सरल, स्वाभाविक भाषा में वर्णित करना जटिल गणितीय सूत्रों के उपयोग से बेहतर काम करता है। एआई ने व्यक्ति की आदतों की कहानी को कोड के बजाय एक कथा (नैरेटिव) के रूप में समझने में बेहतर प्रदर्शन किया।
हालाँकि, अध्ययन ने इस तकनीक के वर्तमान में क्या हासिल करने की क्षमता है, इसके संबंध में एक स्पष्ट रेखा खींची। जबकि व्यक्तिगत डेटा के आधार पर एआई में काफी सुधार हुआ, फिर भी यह किसी के व्यायाम करने की भविष्यवाणी करने के सरल, संरचित कार्य के मामले में पारंपरिक मशीन लर्निंग मॉडल से बेहतर प्रदर्शन नहीं कर सका। पारंपरिक मॉडल, जो विशेष रूप से इस प्रकार के नंबर-क्रंचिंग के लिए डिज़ाइन किया गया है, सबसे सटीक भविष्यवक्ता बना हुआ है। यह सुझाव देता है कि लार्ज लैंग्वेज मॉडल डॉक्टरों द्वारा जोखिम की गणना करने के लिए उपयोग किए जाने वाले विशिष्ट उपकरणों का विकल्प नहीं है। इसके बजाय, इसका मूल्य कुछ और है: यह जटिल, छिपे हुए पैटर्न को ढूंढकर उन्हें एक पठनीय, मानव-समान सिमुलेशन में अनुवादित कर सकता है।
शोधकर्ताओं ने निष्कर्ष निकाला कि यह हाइब्रिड दृष्टिकोण "डिजिटल ट्विन्स" बनाने के लिए एक आशाजनक कदम है—लोगों के आभासी संस्करण जिनका उपयोग वास्तविक दुनिया के नुकसान के जोखिम के बिना विभिन्न स्वास्थ्य रणनीतियों का परीक्षण करने के लिए किया जा सकता है। पारंपरिक डेटा विश्लेषण की सटीकता को भाषा मॉडलों की लचीली, कथा शक्ति के साथ जोड़कर, वैज्ञानिक अंततः ऐसी प्रणालियाँ बनाने में सक्षम हो सकते हैं जो व्यक्तियों को उनके स्वयं के व्यवहार को समझने में मदद करें। ये प्रणालियाँ एक दिन व्यक्तिगत सलाह दे सकती हैं जो एक सामान्य चिकित्सा निर्देश के बजाय एक ऐसे साथी के साथ बातचीत की तरह महसूस होगी जो वास्तव में उस व्यक्ति के दैनिक संघर्षों और सफलताओं को जानता है। फिलहाल, यह कार्य एक पद्धतिगत मूल्यांकन है, एक 'प्रूफ ऑफ कॉन्सेप्ट' है जो यह दिखाता है कि आर्टिफिशियल इंटेलिजेंस को एक एकल मानव जीवन की अनूठी कहानी को अधिक बारीकी से सुनने के लिए कैसे तैयार किया जा सकता 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।