Preserving Myanmar’s Ancient Heritage: A Novel Dataset and ResNet Architecture for Pyu Character Recognition
यह शोध पत्र 33 व्यंजनों के पहले सार्वजनिक रूप से उपलब्ध, व्यवस्थित रूप से क्यूरेट किए गए हस्तलिखित डेटासेट को पेश करके म्यांमार की प्राचीन प्यू लिपि के लिए कम्प्यूटेशनल संसाधनों की गंभीर कमी को संबोधित करता है और भविष्य के डिजिटल संरक्षण और पुरालेख अनुसंधान के लिए एक आधारभूत बेंचमार्क के रूप में एक संशोधित ResNet-18 आर्किटेक्चर को मान्य करता है।
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
एक ऐसी दुनिया की कल्पना करें जहाँ प्राचीन इतिहास एक कांच की दीवार के पीछे कैद है जिसे कंप्यूटर देख ही नहीं सकते। दशकों से, वैज्ञानिकों ने "कंप्यूटर विज़न" नामक शक्तिशाली उपकरणों का उपयोग करके मशीनों को छवियों को पहचानना सिखाया है—जैसे किसी फोटो में बिल्ली को पहचानना या सड़क का संकेत पढ़ना। वे "डीप लर्निंग" का भी उपयोग करते हैं, जो एक ऐसी विधि है जहाँ कंप्यूटर हजारों उदाहरणों को देखकर सीखते हैं, ठीक वैसे ही जैसे एक छात्र फ्लैशकार्ड्स का अध्ययन करता है जब तक कि वह हर उत्तर सही न कर ले। लेकिन इस डिजिटल लाइब्रेरी में एक बहुत बड़ा अंतर है: जबकि हमारे पास आधुनिक भाषाओं के लिए बेहतरीन उपकरण हैं, दुनिया की प्राचीन लिपियाँ अक्सर इन मशीनों के लिए अदृश्य बनी रहती हैं। यह एक समस्या है क्योंकि ये पुरानी लिखावटें अक्सर मिटती जा रही हैं, और यदि हम कंप्यूटर को उन्हें पढ़ना नहीं सिखा सके, तो हम अपने पूर्वजों की कहानियों, कानूनों और प्रार्थनाओं को हमेशा के लिए खो सकते हैं। सवाल सिर्फ तकनीक का नहीं है; यह मानव स्मृति के एक हिस्से को बचाने के बारे में है जो वर्तमान में एक ऐसे प्रारूप में फंसा हुआ है जिसे कंप्यूटर नहीं समझते।
यह शोध पत्र प्राचीन प्यू (Pyu) लिपि के लिए ठीक इसी समस्या का समाधान करता है, जो एक हज़ार साल पहले म्यांमार में उपयोग की जाने वाली एक लेखन प्रणाली थी। शोधकर्ताओं को एक "मुर्गी और अंडे" जैसी स्थिति का सामना करना पड़ा: कंप्यूटर को प्यू पढ़ना सिखाने के लिए, आपको उदाहरणों के एक विशाल पुस्तकालय (एक डेटासेट) की आवश्यकता होती है, लेकिन क्योंकि यह लिपि इतनी पुरानी और दुर्लभ है, ऐसा कोई पुस्तकालय मौजूद नहीं था। इसे हल करने के लिए, लेखक, खंत सिंट हेन (Khant Sint Heinn) ने केवल कोड नहीं लिखा; वे एक डिजिटल लिपिक बन गए। उन्होंने भौतिक रूप से प्यू के सभी 33 व्यंजनों को हाथ से लिखा, प्रत्येक अक्षर के 25 अलग-अलग संस्करण बनाए ताकि मानवीय हस्तलेखन के स्वाभाविक उतार-चढ़ाव और शैलियों को पकड़ा जा सके। इसके परिणामस्वरूप 825 मूल छवियां प्राप्त हुईं।
लेकिन 825 चित्र एक सुपर-स्मार्ट कंप्यूटर को प्रशिक्षित करने के लिए पर्याप्त नहीं हैं। इसलिए, लेखक ने "डेटा ऑग्मेंटेशन" (data augmentation) नामक एक चतुर तरकीब का उपयोग किया। इसे एक ऐसे फोटोकॉपी मशीन के रूप में सोचें जो न केवल एक पृष्ठ की प्रतिलिपि बनाती है, बल्कि उसे घुमाती है, थोड़ा धुंधला करती है, खींचती है, और तिरछा करती है ताकि वह एक ऊबड़-खाबड़, मौसम से प्रभावित पत्थर की पट्टिका पर लिखी हुई लगे। प्रत्येक छवि पर इन पांच अलग-अलग "विकृतियों" को लागू करके, उन्होंने अपनी 825 मूल ड्राइंगों को 4,950 छवियों के एक विशाल पुस्तकालय में बदल दिया। फिर उन्होंने इस नई लाइब्रेरी को 'रेज़नेट-18' (ResNet-18) नामक एक प्रसिद्ध कंप्यूटर मस्तिष्क आर्किटेक्चर के संशोधित संस्करण में डाला।
परिणाम अविश्वसनीय रूप से उत्साहजनक थे। एक नियंत्रित परीक्षण में, जहाँ कंप्यूटर को इन साफ, उच्च-कंट्रास्ट वाली ड्राइंग्स को पहचानना था, मॉडल ने लगभग तुरंत सीख लिया। केवल तीन राउंड के अध्ययन के बाद, कंप्यूटर ने एक आदर्श स्कोर प्राप्त किया, और अनदेखी टेस्ट छवियों की 100% सही पहचान की। कन्फ्यूजन मैट्रिक्स (confusion matrix)—एक चार्ट जो यह दिखाता है कि क्या कंप्यूटर ने एक अक्षर को दूसरे के साथ मिला दिया था—एक पूर्ण विकर्ण रेखा (diagonal line) थी, जिसका अर्थ है कि उसने इन विशिष्ट नमूनों पर कभी गलती नहीं की।
हालाँकि, यह शोध पत्र बहुत सावधानी से यह कहने से बचता है कि यह प्राचीन इतिहास को पढ़ने के लिए एक "पूर्ण" समाधान है। लेखक बताते हैं कि जबकि कंप्यूटर ने उनकी साफ, हाथ से बनी छवियों पर परीक्षण में महारत हासिल की, वास्तविक दुनिया के प्राचीन शिलालेख बहुत अधिक अस्त-व्यस्त होते हैं। पुरातात्विक स्थलों में पाए जाने वाले वास्तविक पत्थर के शिलालेख फटे हुए, मिट्टी से ढके, सदियों की बारिश से घिसे हुए होते हैं, और अक्सर खराब रोशनी में फोटो खींचे जाते हैं। शोध पत्र तर्क देता है कि हालांकि यह अध्ययन यह सिद्ध करता है कि कंप्यूटर अक्षरों के आकार को सीख सकता है, लेकिन इसने अभी तक यह सिद्ध नहीं किया है कि यह उन्हें एक टूटती हुई पत्थर की दीवार से पढ़ सकता है। इस कार्य को एक आधारभूत बेंचमार्क (foundational benchmark) के रूप में वर्णित किया गया है—एक ठोस पहला कदम जो यह सिद्ध करता है कि डेटा मौजूद है और अक्षर सीखने के लिए पर्याप्त स्पष्ट हैं। लेखक सुझाव देते हैं कि भविष्य के कार्यों को इस ज्ञान को लेने और इसे वास्तविक ऐतिहासिक कलाकृतियों की शोर भरी, क्षतिग्रस्त वास्तविकता पर लागू करने के लिए "ट्रांसफर लर्निंग" (transfer learning) का उपयोग करने की आवश्यकता होगी। फिलहाल, उन्होंने सफलतापूर्वक वह डिजिटल शब्दकोश बना लिया है जो गायब था, जिससे भविष्य के शोधकर्ताओं के लिए म्यांमार के प्राचीन अतीत को पढ़ना सिखाने का दरवाजा खुल गया 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।