A Deterministic Framework for Pharmaceutical Authenticity Verification Using Constrained Multimodal AI
यह शोध पत्र MedTruth को प्रस्तुत करता है, जो एक नियत (deterministic) द्वैत-मोड ढांचा है जो भ्रम (hallucinations) को 15% से घटाकर 2% से कम करने के लिए एक मल्टीमॉडल AI मॉडल को निश्चित मापदंडों और सख्त आउटपुट स्कीमा के साथ नियंत्रित करता है, जिससे विश्वसनीय फार्मास्युटिकल प्रामाणिकता सत्यापन और सुरक्षित रोगी संपर्क सक्षम होता 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
हर साल, दुनिया भर में लाखों लोग ऐसी दवाइयाँ खरीदते हैं जो दिखने में असली लगती हैं लेकिन होती नहीं हैं। कई जगहों पर, गोलियों की एक बोतल में चॉक के अलावा कुछ नहीं होता, या उससे भी बुरा, कोई खतरनाक औद्योगिक रसायन हो सकता है। जबकि सरकारें और बड़ी कंपनियाँ इन नकली उत्पादों को आपूर्ति श्रृंखला (सप्लाई चेन) में प्रवेश करने से रोकने के लिए जटिल ट्रैकिंग सिस्टम का उपयोग करती हैं, लेकिन एक संदिग्ध पैकेज के साथ एक छोटे से दुकान में खड़ा व्यक्ति यह जाँचने का कोई तरीका नहीं जानता कि वह असली है या नहीं। हाल ही में, लोगों ने यह तय करने में मदद के लिए सामान्य आर्टिफिशियल इंटेलिजेंस चैटबॉट्स से पूछना शुरू कर दिया है। वे दवा की एक फोटो अपलोड करते हैं और पूछते हैं कि क्या वह सुरक्षित है। हालाँकि, ये चैटबॉट्स मददगार और संवादात्मक होने के लिए डिज़ाइन किए गए हैं, न कि फॉरेंसिक जांच के लिए। वे अक्सर आत्मविश्वास के साथ अनुमान लगाते हैं, ऐसी विवरणों का आविष्कार करते हैं जो वहाँ मौजूद नहीं हैं, या अस्पष्ट उत्तर देते हैं जो संकट के क्षण में किसी मरीज की मदद नहीं कर पाते।
भारत के विश्वकर्मा इंस्टीट्यूट ऑफ टेक्नोलॉजी के शोधकर्ताओं ने इस विशिष्ट समस्या को हल करने के लिए 'मेडट्रुथ' (MedTruth) नामक एक नई प्रणाली बनाई है। एक स्मार्ट चैटबॉट बनाने के बजाय, उन्होंने एक ऐसा सिस्टम बनाया जो एक मानक आर्टिफिशियल इंटेलिजेंस को एक सख्त निरीक्षक की तरह कार्य करने के लिए मजबूर करता है। टीम ने एक शक्तिशाली विजुअल लैंग्वेज मॉडल—जो छवियों को देख सकता है और टेक्स्ट पढ़ सकता है—लिया और इसे कठोर नियमों के एक सेट में लपेट दिया। ये नियम कंप्यूटर को बातचीत करने या अनुमान लगाने से रोकते हैं। इसके बजाय, सिस्टम को चार विशिष्ट चरणों में दवा के पैकेज को देखने के लिए मजबूर किया जाता है: टेक्स्ट पढ़ना, डिज़ाइन विवरणों की जाँच करना, दवा के नाम की तुलना उसके अवयवों (ingredients) से करना, और आधिकारिक सरकारी निशानों को देखना। यह चेकलिस्ट पूरी करने के बाद ही सिस्टम एक अंतिम स्कोर देता है।
परिणाम बताते हैं कि यह कठोर दृष्टिकोण कंप्यूटर को स्वतंत्र रूप से बात करने देने की तुलना में कहीं बेहतर काम करता है। जब शोधकर्ताओं ने पचास अलग-अलग दवा पैकेजों पर इस सिस्टम का परीक्षण किया, जिनमें तीस असली और पंद्रह चतुराई से बनाए गए नकली उत्पाद शामिल थे, तो नए सिस्टम ने उनमें से अधिकांश की सही पहचान की। इसने लगभग सभी असली उत्पादों को पकड़ा और अधिकांश नकली उत्पादों को भी। इससे भी महत्वपूर्ण बात यह है कि सिस्टम ने तथ्य गढ़ना बंद कर दिया। एक मानक, अनियमित चैटबॉट के परीक्षण में, कंप्यूटर पंद्रह प्रतिशत समय पर नकली सुरक्षा विशेषताओं का आविष्कार करता था या पैटर्न को गलत पढ़ता था। नए मेडट्रुथ सिस्टम के साथ, यह त्रुटि दर गिरकर दो प्रतिशत से भी कम हो गई। सिस्टम तेज़ भी बना रहा, एक फोटो को स्कैन करने और उत्तर देने में केवल लगभग दो सेकंड का समय लेता है, जो किसी व्यक्ति के लिए स्टोर में खड़े होकर उपयोग करने के लिए पर्याप्त तेज़ है।
इस सफलता का रहस्य यह है कि सिस्टम आर्टिफिशियल इंटेलिजेंस को कैसे संभालता है। शोधकर्ताओं ने टूल को दो अलग-अलग मोड में विभाजित किया जो कभी आपस में नहीं मिलते। पहला मोड एक 'स्टेटलेस स्कैनर' (stateless scanner) है, जिसका अर्थ है कि इसकी पिछली बातचीत की कोई स्मृति नहीं है। यह छवि को देखता है, अपने सख्त चेकलिस्ट का पालन करता है, और एक सरल स्कोर आउटपुट करता है। यह कंप्यूटर को उपयोगकर्ता द्वारा पहले कही गई बातों से प्रभावित होने से रोकता है। यदि पैकेज इस सख्त जाँच में पास हो जाता है, तो उपयोगकर्ता फिर दूसरे मोड में जा सकता है, जो एक संवादात्मक सहायक (conversational assistant) है जो दवा के बारे में प्रश्न पूछ सकता है। इस सहायक को केवल उस विशिष्ट दवा के बारे में बात करने की अनुमति है जो अभी टेस्ट में पास हुई है, और इसे कभी भी चिकित्सा सलाह देने या किसी मरीज को प्रिस्क्रिप्शन (नुस्खा) बंद करने के लिए कहने के लिए प्रोग्राम नहीं किया गया है।
कंप्यूटर को धीमा होने और चरण-दर-चरण प्रक्रिया का पालन करने के लिए मजबूर करके, शोधकर्ताओं ने एक ऐसे उपकरण को जो खुले संवाद के लिए बनाया गया था, एक विश्वसनीय सत्यापन उपकरण में बदल दिया। अध्ययन बताता है कि दवा की जाँच जैसे सुरक्षा-महत्वपूर्ण कार्यों के लिए, आर्टिफिशियल इंटेलिजेंस का उपयोग करने का सबसे अच्छा तरीका इसे अधिक रचनात्मक बनाना नहीं, बल्कि इसे अधिक नियंत्रित (constrained) बनाना है। यह सिस्टम प्रयोगशाला परीक्षण या आधिकारिक सरकारी रिकॉर्ड की जगह नहीं लेता है, लेकिन यह आम लोगों के लिए तब स्पष्ट नकली उत्पादों को पहचानने का एक व्यावहारिक तरीका प्रदान करता है जब उनके पास कोई अन्य विकल्प न हो। शोधकर्ता नोट करते हैं कि हालांकि यह सिस्टम अपने परीक्षणों में अत्यधिक प्रभावी है, फिर भी यह फोटो की गुणवत्ता और दृश्यमान टेक्स्ट की उपस्थिति पर निर्भर करता है, और यह सत्यापित नहीं कर सकता कि लाइसेंस नंबर वास्तव में असली है या नहीं यदि किसी जालसाज ने प्रारूप (format) को पूरी तरह से कॉपी कर लिया है। फिर भी, यह कार्य प्रदर्शित करता है कि सावधानीपूर्वक डिजाइन के साथ, आर्टिफिशियल इंटेलिजेंस को सार्वजनिक स्वास्थ्य की रक्षा के लिए आवश्यक निरंतरता और सटीकता के साथ कार्य करने के लिए बनाया 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।