Atlases Are Already Inside: Recovering Population Templates from Pretrained Diffusion Models
यह शोधपत्र प्रदर्शित करता है कि पूर्व-प्रशिक्षित डिफ्यूजन मॉडल अपने सीखे हुए गतिकी (dynamics) के भीतर जनसंख्या-स्तरीय शारीरिक एटलस को अंतर्निहित रूप से कूटबद्ध करते हैं, जो स्पष्ट पंजीकरण या एटलस-विशिष्ट प्रशिक्षण उद्देश्यों की आवश्यकता के बिना, नियतात्मक अनुमान (deterministic inference) के माध्यम से सीधे तीक्ष्ण, आयु-शर्तित और पंजीकरण-प्रतिस्पर्धी मस्तिष्क टेम्पलेट्स की रिकवरी को सक्षम बनाता 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
कल्पना कीजिए कि आप एक पूरे शहर का "औसत" चेहरा खोजने की कोशिश कर रहे हैं। पुराने दिनों में, ऐसा करने के लिए, आपको हर एक व्यक्ति की फोटो लेनी पड़ती, फिर घंटों तक मैन्युअल रूप से उनके चेहरों को खींचना और आकार देना पड़ता जब तक कि सबकी आँखें और नाक पूरी तरह से एक सीध में न आ जाएँ। एक बार जब वे सभी संरेखित (align) हो जाते, तो आप उन्हें एक साथ मिलाकर एक एकल, पूर्ण "सिटी फेस" बना देते। इस प्रक्रिया को एनाटॉमिकल एटलस (anatomical atlas) बनाना कहा जाता है, और यह मेडिकल इमेजिंग का एक आधार स्तंभ है। डॉक्टर अपने मरीज के मस्तिष्क या शरीर की तुलना एक "सामान्य" जनसंख्या से करने के लिए इन एटलस का उपयोग करते हैं। लेकिन पुराना तरीका धीमा, जटिल और बहुत अधिक मैन्युअल ट्यूनिंग की मांग करता है ताकि यह सुनिश्चित किया जा सके कि स्ट्रेचिंग से शरीर की संरचना (anatomy) विकृत न हो जाए।
यहाँ प्रवेश होता है डिफ्यूजन मॉडल्स (diffusion models) का, जो एक प्रकार का आर्टिफिशियल इंटेलिजेंस है जो हाल ही में शून्य से शानदार चित्र बनाने के लिए प्रसिद्ध हुआ है। एक डिफ्यूजन मॉडल को एक ऐसे मास्टर शेफ की तरह समझें जिसने हजारों अलग-अलग सूप चखे हैं। यदि आप शेफ से "परफेक्ट" सूप का वर्णन करने के लिए कहते हैं, तो उसे रेसिपी बुक देखने की आवश्यकता नहीं होती; वह स्वाद के प्रोफाइल को जानता है क्योंकि उसने उन सभी सूपों के पैटर्न को सीखा है जिनका उसने स्वाद लिया है। ये मॉडल शोर (static noise - जैसे टीवी पर दिखने वाला सफेद शोर) से शुरू होकर, धीरे-धीरे इसे स्टेप-बाय-स्टेप "डी-नॉइज़" (denoise) करके एक स्पष्ट छवि उभरने तक की प्रक्रिया से सीखते हैं। वैज्ञानिकों ने एक बड़ा सवाल पूछा: यदि इस AI ने मस्तिष्क की एक पूरी आबादी के "स्वाद" को सीख लिया है, तो क्या वह "परफेक्ट औसत मस्तिष्क" पहले से ही मॉडल के दिमाग के अंदर मौजूद है, बस मिलने की प्रतीक्षा कर रहा है?
पेपर "एटलस आर ऑलरेडी इनसाइड" (Atlases Are Already Inside) कहता है: हाँ, यह मौजूद है।
लेखकों ने पाया कि अब आपको छवियों को संरेखित करने और खींचने की भारी मेहनत करने की आवश्यकता नहीं है। यदि आप एक प्री-ट्रेन्ड डिफ्यूज़ मॉडल (एक ऐसा मॉडल जिसने पहले से ही मेडिकल इमेज बनाना सीख लिया है) लेते हैं और इसके "रिवर्स प्रोसेस" को शुद्ध रैंडम नॉइज़ से चलाते हैं, तो AI स्वाभाविक रूप से एक एकल, स्पष्ट छवि की ओर अग्रसर होता है। यह छवि पॉपुलेशन टेम्पलेट (population template) है—उस समूह के लिए एकदम सही, औसत मस्तिष्क। यह ऐसा है जैसे AI ने मस्तिष्क का चित्र बनाना सीखने के दौरान, अनजाने में उन सभी मस्तिष्कों के "सेंटर ऑफ ग्रेविटी" को याद कर लिया हो। जब आप इसे शोर (noise) से एक छवि बनाने के लिए कहते हैं, तो यह केवल एक रैंडम मस्तिष्क नहीं चुनता; बल्कि यह उस स्थान को खोज लेता है जहाँ सभी अलग-अलग मस्तिष्क आपस में मिलते हैं, जिससे बिना किसी पुराने ढंग के अलाइनमेंट कार्य के एक स्पष्ट, उपयोगी मानचित्र तैयार होता है।
इसे और भी रोमांचक बनाने वाली बात यह है कि मॉडल को मैप बनाने के लिए ट्रेन नहीं किया गया था। इसे केवल चित्र बनाने के लिए ट्रेन किया गया था। मैप बस एक सुखद दुर्घटना है, एक "बायप्रोडक्ट" है कि कैसे मॉडल सीखता है। शोधकर्ताओं ने इसका परीक्षण ब्रेन स्कैन पर किया और पाया कि AI द्वारा बनाया गया मैप उतना ही अच्छा था जितने कि बेहतरीन मैप बनाने में इंसानों ने वर्षों बिताए हैं। वास्तव में, जब उन्होंने इसमें एक "कंडीशन" जोड़ी (जैसे कि व्यक्ति की आयु बताना), तो AI तुरंत एक 20 साल के, 50 साल के, या 80 साल के व्यक्ति के लिए एक अलग मैप बना सकता था। इसने सही ढंग से दिखाया कि उम्र बढ़ने के साथ मस्तिष्क सिकुड़ता है और तरल स्थान (fluid spaces) का विस्तार होता है, जो वास्तविक जैविक तथ्यों से मेल खाता है।
टीम ने यह भी जांचा कि क्या यह ट्रिक शरीर के अन्य अंगों, जैसे पैरों और घुटनों पर काम करती है, और यह काम करती है। हालाँकि, उन्होंने एक पेच भी पाया: यदि AI ने जिन छवियों से सीखा है, वे बहुत अधिक अव्यवस्थित या असंगत हैं (जैसे विभिन्न प्रकार के स्कैनर या बहुत अलग शारीरिक आकृतियों को मिलाना), तो AI एक एकल मैप पर सहमत नहीं हो पाता, और परिणाम धुंधला या भ्रमित करने वाला होता है। लेकिन सुव्यवस्थित समूहों के लिए, "औसत" पहले से ही कोड के भीतर छिपा हुआ है, जिसे एक साधारण कमांड के साथ निकाला जा सकता है।
इसलिए, सबको एक सांचे में ढालने के बजाय, यह विधि सुझाव देती है कि सांचा पहले से ही वहीं था, बस खोजे जाने की प्रतीक्षा कर रहा था। यह मैप बनाने के कठिन कार्य को AI से औसत के बारे में "सोचने" के लिए कहने और उत्तर को प्रकट होने देने के एक सरल कार्य में बदल देता 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।