HyperCookies A hyperspectral dataset of cookies for spectral-spatial machine learning

देखने की दुनिया में, हमारी आँखें और हमारी जेबों में रखे सामान्य कैमरे वास्तविकता के एक संकीर्ण हिस्से तक सीमित हैं। वे प्रकाश को तीन व्यापक बैंडों—लाल, हरा और नीला—में कैप्चर करते हैं, जिससे ऐसी छवियां बनती हैं जो हमें परिचित लगती हैं, लेकिन वे स्पेक्ट्रम में छिपी विशाल जानकारी को छोड़ देती हैं। कई सामग्रियां, जैसे कि किसी पौधे की पत्तियां या कुकी की सतह, प्रकाश को इस तरह से परावर्तित करती हैं जो हमारी आंखों को समान दिखता है, लेकिन सैकड़ों विशिष्ट तरंग दैर्ध्य (वेवलेंथ) के माध्यम से देखे जाने पर उनमें अद्वितीय रासायनिक निशान होते हैं। यह हाइपरस्पेक्ट्रल इमेजिंग का क्षेत्र है, एक ऐसी तकनीक जो न केवल एक तस्वीर कैप्चर करती है, बल्कि उस तस्वीर के हर एक पिक्सेल के लिए एक विस्तृत रासायनिक रिपोर्ट भी प्रदान करती है। हालांकि इस तकनीक का उपयोग लंबे समय से फसलों को छांटने या औद्योगिक पुर्जों के निरीक्षण के लिए किया जाता रहा है, लेकिन एक निरंतर चुनौती बनी हुई है: कंप्यूटर को रासायनिक डेटा और वस्तु के दृश्य आकार दोनों का एक साथ उपयोग करना कैसे सिखाया जाए। अधिकांश मौजूदा डेटासेट कंप्यूटर को केवल रसायन विज्ञान या केवल आकार को देखकर समस्याओं को हल करने की अनुमति देते हैं, लेकिन वास्तविक दुनिया के कार्यों के लिए अक्सर एक मशीन द्वारा यह समझना आवश्यक होता है कि दोनों आपस में कैसे जुड़े हुए हैं।

बेल्जियम में केयू लूवेन (KU Leuven) के शोधकर्ताओं की एक टीम ने 'हाइपरकुकीज़' (HyperCookies) नामक एक नया बेंचमार्क बनाकर इस अंतर को दूर किया है। उन्होंने केवल भोजन की छवियां एकत्र नहीं कीं; उन्होंने एक विशिष्ट पहेली तैयार की जो कंप्यूटर को यह करने के लिए मजबूर करती है कि वह कुकी के रासायनिक संयोजन और भौतिक व्यवस्था दोनों को हल करने के लिए देखे। शोधकर्ताओं ने 160 हाथ से बनी कुकीज़ बेक कीं, जिनमें चॉकलेट की बूंदें सजाई गई थीं। इसकी कुंजी सामग्री और लेआउट में निहित है। उन्होंने चॉकलेट के दो प्रकारों का उपयोग किया: एक जिसमें 54 प्रतिशत कोको था और दूसरा जिसमें 80 प्रतिशत कोको था। नग्न आंखों से, और मानक कैमरे के लिए भी, ये दोनों चॉकलेट लगभग एक जैसी ही दिखती हैं। हालांकि, उनकी रासायनिक संरचना इतनी अलग है कि एक हाइपरस्पेक्ट्रल कैमरा उन्हें अलग कर सकता है। शोधकर्ताओं ने फिर इन बूंदों को कुकीज़ पर चार विशिष्ट पैटर्न में व्यवस्थित किया: कुछ घेरे में जिनमें गहरा चॉकलेट बाहर की ओर था, अन्य जिनमें गहरा चॉकलेट बीच में था, और अन्य चेकरबोर्ड या तिरछे लेआउट वाले।

लक्ष्य एक ऐसा डेटासेट बनाना था जहां कंप्यूटर केवल एक मोडैलिटी (प्रविधि) पर निर्भर होकर नहीं जीत सके। यदि कोई मशीन चॉकलेट के रासायनिक सिग्नेचर का उपयोग करके केवल रासायनिक डेटा के आधार पर कुकी के प्रकार की पहचान करने की कोशिश करती, तो वह विफल हो जाती क्योंकि अलग-अलग श्रेणियों के बीच पूरी कुकी का औसत रासायनिक मिश्रण बहुत समान दिखता था। यदि वह केवल दृश्य पैटर्न का उपयोग करके कुकी की पहचान करने की कोशिश करती, तो वह भी विफल हो जाती क्योंकि मानक प्रकाश में दोनों प्रकार की चॉकलेट दृश्य रूप से अविभेद्य (indistinguishable) हैं। सफल होने के लिए, एक एल्गोरिदम को पैटर्न को देखना होगा और यह भी जानना होगा कि कौन सा रसायन कहाँ है। शोधकर्ताओं ने इन कुकीज़ को दो विशेष कैमरों का उपयोग करके कैप्चर किया जो प्रकाश स्पेक्ट्रम को स्कैन करते हैं, एक दृश्य और निकट-अवरक्त (near-infrared) रेंज को कवर करता है और दूसरा लघु-तरंग अवरक्त (short-wave infrared) रेंज को कवर करता है। उन्होंने कुकीज़ की तस्वीरें बेक करने से पहले और ओवन से बाहर आने के बाद भी लीं, जिससे आटे और चॉकलेट में गर्मी के कारण होने वाले प्राकृतिक परिवर्तनों को पेश किया गया।

जब शोधकर्ताओं ने इस नए डेटासेट पर मानक मशीन लर्निंग उपकरणों का परीक्षण किया, तो परिणाम स्पष्ट और विनम्र थे। उन्होंने उन विधियों का उपयोग किया जो केवल रासायनिक डेटा देखते हैं, पूरी कुकी के स्पेक्ट्रम का औसत निकालते हैं, और ये विधियां रैंडम गेसिंग (यादृच्छिक अनुमान) से बेहतर प्रदर्शन नहीं कर पाईं। उन्होंने शक्तिशाली इमेज-रिकग्निशन नेटवर्क का भी परीक्षण किया जो केवल कुकी के आकार और बनावट को देखते हैं, और वे भी वर्गों के बीच अंतर करने में संघर्ष करते रहे। अलग-अलग दृष्टिकोणों के साथ उनके द्वारा प्राप्त सर्वोत्तम परिणाम 40 से 50 प्रतिशत सटीकता के आसपास रहे, जो एक विश्वसनीय प्रणाली के लिए आवश्यक स्तर से बहुत नीचे है। यह परिणाम तकनीक की विफलता नहीं थी, बल्कि डेटासेट के डिज़ाइन की पुष्टि थी। इसने सिद्ध किया कि इस विशिष्ट कार्य के लिए, केवल रसायन विज्ञान या केवल आकार को देखना पर्याप्त नहीं है। पहेली को हल करने के लिए आवश्यक जानकारी दोनों के बीच के संबंध में लॉक है।

यह शोध पत्र हाइपरकुकीज़ डेटासेट को वैज्ञानिकों के लिए एक सार्वजनिक संसाधन के रूप में प्रस्तुत करता है ताकि वे नई विधियों को विकसित और परीक्षण कर सकें जो इस प्रकार की सूचनाओं को जोड़ (fuse) सकें। प्रशिक्षण और परीक्षण के लिए डेटा के पूर्व-विभाजित समूहों को प्रदान करके, शोधकर्ता यह सुनिश्चित करते हैं कि भविष्य के अध्ययनों की निष्पक्ष तुलना की जा सके। डेटासेट में कुकीज़ के विस्तृत रिकॉर्ड शामिल हैं, जिसमें बेकिंग के दौरान आई मामूली खामियों जैसे कि दरारें या चॉकलेट के फैलने का भी उल्लेख है, जिससे शोधकर्ता यह परीक्षण कर सकें कि उनके मॉडल वास्तविक दुनिया की अव्यवस्था के प्रति कितने मजबूत हैं। यह कार्य कुकी वर्गीकरण की समस्या को हल करने का दावा नहीं करता है, न ही यह बेहतर व्यंजन बनाने का नया तरीका सुझाता है। इसके बजाय, यह एक कठोर परीक्षण स्थल प्रदान करता है। यह दिखाता है कि जबकि वर्तमान उपकरण या तो रासायनिक या स्थानिक (spatial) को देखने में उत्कृष्ट हैं, अगली पीढ़ी के कृत्रिम बुद्धिमत्ता को उन्हें एक साथ देखना सीखने की आवश्यकता है, ठीक वैसे ही जैसे एक मानव विशेषज्ञ कर सकता है, ताकि भौतिक दुनिया की जटिल, बहु-स्तरीय वास्तविकता को समझा जा सके।