External Validation and Interpretability Analysis of a Deep Learning Model for Forensic Age Estimation Across Brazilian and Romanian Populations
यह अध्ययन प्रदर्शित करता है कि जबकि डीप लर्निंग मॉडल फोरेंसिक आयु अनुमान के लिए जैविक उम्र बढ़ने के पैटर्न को पकड़ सकते हैं, उनकी विश्वसनीयता जनसंख्या और हार्डवेयर परिवर्तनों से काफी हद तक समझौता करती है, जो फोरेंसिक अनुप्रयोग से पहले गैर-शारीरिक शॉर्टकट का पता लगाने के लिए बाहरी सत्यापन और व्याख्यात्मकता विश्लेषण की महत्वपूर्ण आवश्यकता को रेखांकित करती 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 रोबोट को यह सिखाने की कोशिश कर रहे हैं कि केवल किसी व्यक्ति के दांतों को देखकर उसकी उम्र का अनुमान कैसे लगाया जाए। यह केवल मनोरंजन का कोई तरीका नहीं है; फोरेंसिक विज्ञान की दुनिया में, इसमें सही होना लापता लोगों की पहचान करने, अपराधों को सुलझाने या यह निर्धारित करने में मदद कर सकता है कि क्या कोई कम उम्र का व्यक्ति मुकदमा चलाने के लिए पर्याप्त उम्र का है। दशकों से, विशेषज्ञ ऐसा करने के लिए हड्डियों को मैन्युअल रूप से मापते रहे हैं और इस बात पर नज़र रखते रहे हैं कि दांत कैसे बढ़ते हैं, लेकिन यह प्रक्रिया धीमी है और काफी हद तक उस व्यक्ति पर निर्भर करती है जो माप ले रहा है। हाल ही में, वैज्ञानिकों ने "डीप लर्निंग" का उपयोग करना शुरू किया है, जो आर्टिफिशियल इंटेलिजेंस (AI) का एक प्रकार है जो एक सुपर-पावर्ड मस्तिष्क की तरह काम करता है। ये AI मॉडल उम्र बढ़ने के पैटर्न को सीखने के लिए हजारों डेंटल एक्स-रे (विशेष रूप से पैनोरमिक चित्र जो पूरे जबड़े को दिखाते हैं) का अध्ययन करते हैं। सबसे बड़ा सवाल यह है कि क्या एक समूह के लोगों पर प्रशिक्षित एक रोबोट दूसरे पूरी तरह से अलग समूह के लोगों की उम्र का सटीक अनुमान लगा सकता है, या क्या उसने केवल पहले समूह की एक्स-रे मशीनों के विशिष्ट स्वरूप को याद कर लिया है।
यह अध्ययन, जिसका शीर्षक "फॉरेंसिक एज एस्टीमेशन के लिए एक डीप लर्निंग मॉडल का ब्राज़ीलियाई और रोमानियाई आबादी के बीच बाहरी सत्यापन और व्याख्यात्मक विश्लेषण है," ठीक इसी समस्या की गहराई से जांच करता है। शोधकर्ता यह जानना चाहते थे कि क्या ब्राजील के डेंटल एक्स-रे के विशाल संग्रह पर प्रशिक्षित एक AI मॉडल अभी भी रोमानिया के एक्स-रे पर सही ढंग से काम कर सकता है। वे यह भी देखना चाहते थे कि क्या वे AI के "मस्तिष्क" के भीतर झाँक सकते हैं और देख सकते हैं कि क्या वह वास्तव में दांतों और हड्डियों को देख रहा है, या वह गैर-शारीरिक विशेषताओं जैसे कि चित्र के किनारों या बाएं और दाएं को चिह्नित करने के लिए उपयोग किए जाने वाले छोटे अक्षरों पर निर्भर है।
टीम ने तीन अलग-अलग "आर्किटेक्चर" (सोचें कि ये मस्तिष्क के डिजाइन के तीन अलग-अलग स्टाइल हैं) का परीक्षण किया: VGG-16, InceptionV4, और ResNet-18। उन्होंने सबसे अच्छा प्रदर्शन करने वाले मॉडल, ResNet-18 को, सीखने के लिए 10,036 ब्राजीलियाई एक्स-रे दिए। जब उन्होंने उसी ब्राजीलियाई डेटा पर इसका परीक्षण किया, तो AI काफी अच्छा था, जिसने औसतन केवल 3.61 साल की त्रुटि के साथ उम्र का अनुमान लगाया। लेकिन फिर असली परीक्षा आई: उन्होंने AI को रोमानिया के रोगियों के 150 बिल्कुल नए एक्स-रे दिखाए, जिन्हें अलग-अलग मशीनों द्वारा और अलग-अलग डॉक्टरों द्वारा लिया गया था। परिणाम एक वास्तविकता की जाँच की तरह थे। AI की सटीकता गिर गई, और इसकी औसत त्रुटि बढ़कर 5.8 वर्ष हो गई।
AI खराब क्यों हुआ? शोधकर्ताओं ने यह देखने के लिए कि AI अपने अनुमान लगाने के लिए वास्तव में किस चीज़ को "देख" रहा है, Grad-CAM नामक एक विशेष उपकरण का उपयोग किया। उन्होंने पाया कि जबकि AI ने दांतों की जड़ों और जबड़े की हड्डियों जैसी महत्वपूर्ण चीजों पर ध्यान दिया, वहीं इसने "शॉर्टकट" पर भी भरोसा किया। यह गैर-शारीरिक चीजों, जैसे ओरिएंटेशन मार्कर (दाएं के लिए "R" जैसे छोटे अक्षर) और चित्र की सीमाओं पर ध्यान केंद्रित करने लगा। ऐसा लगता है कि AI ने सीख लिया था कि कुछ मशीनें हमेशा इन मार्करों को विशिष्ट स्थानों पर रखती हैं, इसलिए उसने दांतों को देखने के बजाय उन स्थानों का उपयोग करके उम्र का अनुमान लगाया। यह कुछ ऐसा ही है जैसे एक छात्र, जो गणित के सवालों को पढ़ने के बजाय, यह याद कर लेता है कि उत्तर हमेशा "C" होता है क्योंकि शिक्षक हमेशा पेज के कोने में "C" रखता है। जब शिक्षक लेआउट बदल देता है, तो छात्र भ्रमित हो जाता है।
अध्ययन ने "लेटेंट स्पेस" (latent space) पर भी गौर किया, जो एक फैंसी तरीका है उस आंतरिक मानचित्र का वर्णन करने का जिसे AI अपने मन में बनाता है। PHATE और PCA जैसे विज़ुअलाइज़ेशन का उपयोग करते हुए, शोधकर्ताओं ने देखा कि AI ने मरीजों को युवा से वृद्ध की ओर एक सुचारू रेखा में सफलतापूर्वक व्यवस्थित किया था, जिससे पता चलता है कि इसने उम्र बढ़ने की सामान्य अवधारणा को सफलतापूर्वक सीखा है। हालांकि, चूंकि यह उन "शॉर्टकट" पर निर्भर था और रोमानियाई मशीनों के ब्राइटनेस और कंट्रास्ट सेटिंग्स अलग थीं, इसलिए AI उस ज्ञान को नए समूह में पूरी तरह से अनुवादित नहीं कर सका।
संक्षेप में, पेपर यह सुझाव देता है कि हालांकि AI उम्र बढ़ने के पैटर्न को पहचानना सीख सकता है, लेकिन वर्तमान में यह बहुत नाजुक है। यदि आप इसे एक प्रकार की एक्स-रे मशीन और एक जनसंख्या पर प्रशिक्षित करते हैं, तो दूसरे मशीन या दूसरे देश में स्विच करने पर इसे संघर्ष करना पड़ सकता है। लेखक निष्कर्ष निकालते हैं कि इन AI सिस्टमों पर वास्तविक कानूनी या फोरेंसिक मामलों में भरोसा करने से पहले, हमें उन्हें पूरी तरह से अलग समूहों और मशीनों पर कड़ाई से परखना चाहिए ताकि यह सुनिश्चित हो सके कि वे केवल दांतों के बजाय चित्र के फ्रेम पर निर्भर नहीं हैं। AI टूटा हुआ नहीं है, लेकिन यह अभी तक एक स्वतंत्र जासूस बनने के लिए पूरी तरह तैयार नहीं 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।