ML-Assisted Cognitive Characterization of Human Problem Solving Behaviors through Visuo-Spatial Game
इस अध्ययन ने एक विज़ुओ-स्पेशियल गेम के आई-ट्रैकिंग डेटा पर एक एन्सेम्बल-आधारित रैंडम फॉरेस्ट क्लासिफायर और रिग्रेसर का उपयोग करके खिलाड़ियों को उनकी दृष्टि और गेमप्ले पैटर्न के आधार पर सॉल्वर्स (विशेषज्ञ और निरंतर खेलने वाले) और नॉन-सॉल्वर्स (प्रयास करने वाले और छोड़ने वाले) के बीच स्पष्ट रूप से वर्गीकृत करके उन्हें विशिष्ट व्यवहारिक समूहों में सफलतापूर्वक विभाजित किया।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
मानव मस्तिष्क नेविगेशन का एक उस्ताद है, जो पैटर्न खोजने, पहेलियाँ सुलझाने और लक्ष्यों तक पहुँचने के लिए लगातार दुनिया को स्कैन करता रहता है। दशकों से, वैज्ञानिक यह समझने की कोशिश कर रहे हैं कि हम यह कैसे करते हैं: हमारे द्वारा किए गए कदमों को देखकर, हमारे द्वारा लिए गए विकल्पों को देखकर और हमारे द्वारा अपनाई गई रणनीतियों को देखकर। लेकिन इस मानसिक कार्य का एक महत्वपूर्ण हिस्सा हमारे कार्य करने से पहले ही हो जाता है। यह इस तरह होता है कि हमारी आँखें कैसे चलती हैं, एक बिंदु से दूसरे बिंदु पर झपटती हैं, विवरणों पर टिकी रहती हैं, या पूरी तस्वीर को स्कैन करती हैं। ये नेत्र गतियां यादृच्छिक (random) नहीं हैं; वे हमारी सोचने की प्रक्रिया की एक सीधी खिड़की हैं। जब हम किसी समस्या को देखते हैं, तो हमारी आँखें प्रकट करती हैं कि क्या हम भ्रमित हैं, क्या हमने आगे बढ़ने का रास्ता पा लिया है, या क्या हम परीक्षण और त्रुटि (trial and error) के चक्र में फंसे हुए हैं। इन दृश्य आदतों का अध्ययन करके, शोधकर्ता मानव समस्या-समाधान की अदृश्य संरचना को देख सकते हैं, जिससे यह अंतर स्पष्ट होता है कि कौन सफलता के करीब है और कौन केवल भटक रहा है।
भारतीय प्रौद्योगिकी संस्थान खड़गपुर के शोधकर्ताओं की एक टीम ने एक क्लासिक पहेली और एक आधुनिक उपकरण का उपयोग करके इस विचार को परखने का निर्णय लिया। उन्होंने वयस्कों के एक समूह को इकट्ठा किया और उनसे एक विशिष्ट प्रकार की दृश्य पहेली को हल करने के लिए कहा जिसे 8-टाइल अरेंजमेंट गेम के रूप में जाना जाता है। इस खेल में, एक छवि को नौ ब्लॉकों में तोड़ा जाता है, जिसमें से एक ब्लॉक हटा दिया जाता है (विशेष रूप से नीचे का दायां टाइल), जिससे एक खाली स्थान बच जाता है। खिलाड़ी को मूल छवि को पुनर्गठित करने के लिए छवि के टाइलों को खाली स्थान में खिसकाना होता है। यह सरल लगता है, लेकिन समाधान का मार्ग शायद ही कभी सीधा होता है। शोधकर्ताओं ने प्रतिभागियों को एक आई-ट्रैकिंग डिवाइस से लैस किया, जो एक ऐसा कैमरा है जो रिकॉर्ड करता है कि व्यक्ति कहाँ देख रहा है और कितनी देर तक देख रहा है, जिससे प्रति सेकंड हजारों डेटा पॉइंट कैप्चर होते हैं। जैसे-जैसे खिलाड़ी टाइलों को हिलाते थे, मशीन उनकी दृष्टि (gaze) को रिकॉर्ड करती थी, जिससे उनके ध्यान का एक विस्तृत मानचित्र तैयार होता था। लक्ष्य केवल यह देखना नहीं था कि किसने पहेली को हल किया, बल्कि यह समझना था कि उनकी आँखें सफलता मिलने, संघर्ष करने की अवधि, या पूरी तरह से हार मान लेने के आधार पर अलग-अलग तरह से कैसे चलती थीं।
शोधकर्ताओं ने आई-ट्रैकिंग डेटा का विश्लेषण करने के लिए एक शक्तिशाली कंप्यूटर प्रोग्राम, जो कि एक मशीन लर्निंग मॉडल का प्रकार है, का उपयोग किया। उन्होंने केवल अंतिम स्कोर को नहीं देखा; इसके बजाय, उन्होंने चाल-दर-चाल कहानी को सामने आते देखा। उन्होंने पाया कि आँखों ने पहेली खत्म होने से बहुत पहले ही एक स्पष्ट कहानी कह दी थी। कंप्यूटर दो मुख्य समूहों के बीच अंतर कर सका: वे जिन्होंने अंततः पहेली को हल किया, जिन्हें उन्होंने "सॉल्वर" (Solvers) कहा, और वे जिन्होंने नहीं किया, जिन्हें उन्होंने "नॉन-सॉल्वर" (Non-solvers) कहा। अंतर इस बात में नहीं था कि उन्होंने कितने कदम उठाए, बल्कि उनकी दृष्टि की लय और पैटर्न में था। सॉल्वर एक विशिष्ट दृश्य व्यवहार दिखाते थे जिसे कंप्यूटर उच्च सटीकता के साथ पहचान सकता था, अक्सर खेल के पहले कुछ कदमों के भीतर ही। इससे पता चलता है कि किसी समस्या को देखने का तरीका लगभग तुरंत ही उनकी रणनीति को प्रकट कर देता है।
लेकिन कहानी केवल दो समूहों पर समाप्त नहीं हुई। शोधकर्ताओं ने सॉल्वर्स के भीतर भी दो बहुत अलग प्रकार के विचारक पाए। पहला समूह, "एक्सपर्ट्स" (Experts), पहेली के प्रति एक स्थिर, रणनीतिक दृष्टि के साथ आगे बढ़ता था। उनकी दृष्टि केंद्रित और कुशल थी, जो समाधान की ओर उद्देश्य के साथ चलती थी। दूसरा समूह, "परसिस्टेंट प्लेयर्स" (Persistent players), ने भी पहेली को हल किया, लेकिन उनकी आँखें एक अलग कहानी बताती थीं। वे अनिश्चित थे, इधर-उधर कूद रहे थे, क्षेत्रों को बार-बार देख रहे थे, और रास्ता खोजने से पहले भ्रम के संकेत दिखा रहे थे। उन्होंने समस्या को हल किया, लेकिन उन्होंने इसे शुरुआत से स्पष्ट रास्ता देखने के बजाय संभावनाओं के माध्यम से भटककर हासिल किया। इसी तरह, नॉन-सॉलवर्स भी एक जैसे नहीं थे। कुछ, "ट्रायर्स" (Triers), पहेली को हल करने के लिए लंबे समय तक प्रयास करते रहे। उनकी आँखों ने प्रयास और अन्वेषण का मिश्रण दिखाया; वे उत्तर की तलाश कर रहे थे, विचारों का परीक्षण कर रहे थे, और कभी-कभी समाधान के करीब पहुँचने के बाद भी हार मान लेते थे। दूसरे समूह, "क्विटर्स" (Quitters), ने जुड़ाव की कमी दिखाई। उनके दृष्टि पैटर्न ने संकेत दिया कि उनका समाधान खोजने का कोई वास्तविक इरादा नहीं था; वे खोज नहीं कर रहे थे, वे बस खेल के समाप्त होने का इंतजार कर रहे थे।
सबसे आश्चर्यजनक निष्कर्षों में से एक यह था कि ये अंतर कितनी जल्दी दिखाई दिए। कंप्यूटर मॉडल केवल खेल के एक छोटे से हिस्से को देखकर यह निश्चितता के साथ भविष्यवाणी कर सकता था कि खिलाड़ी सफल होगा या विफल। यह "सैडल पॉइंट" (sff saddle point), जैसा कि शोधकर्ताओं ने कहा, वह क्षण है जब एक खिलाड़ी का व्यवहार एक स्पष्ट पैटर्न में स्थिर हो जाता है। एक्सपर्ट्स के लिए, यह लगभग तुरंत हुआ। ट्रायर्स के लिए, इसमें थोड़ा अधिक समय लगा क्योंकि वे बोर्ड का अन्वेषण कर रहे थे, लेकिन उनके प्रयास का पैटर्न क्विटर्स से अलग था, जिन्होंने प्रयास का ऐसा कोई पैटर्न नहीं दिखाया। अध्ययन ने यह भी देखा कि कंप्यूटर खेल के भविष्य की कितनी अच्छी तरह भविष्यवाणी कर सकता है। शुरुआती नेत्र गतिविधियों को देखकर, मॉडल यह अनुमान लगा सकता था कि खिलाड़ी को समाप्त करने के लिए कितने और कदमों की आवश्यकता होगी या वह हार मानने से पहले कितनी देर तक खेलना जारी रखेगा। भविष्यवाणियां तब सबसे सटीक थीं जब कंप्यूटर को विशिष्ट प्रकार के खिलाड़ियों पर प्रशिक्षित किया गया था, जिससे विशेषज्ञों की अनूठी "भाषा" या ट्रायर्स के विशिष्ट संघर्षों को सीखा जा सके।
शोधकर्ताओं ने खिलाड़ियों की मानसिक स्थिति को समझने के लिए डेटा के शोर (noise) को भी देखा। उन्होंने पाया कि एक्सपर्ट्स की नेत्र गतिविधियों में एक बहुत ही साफ, स्थिर सिग्नल था, जो एक शांत और आत्मविश्वासी मन का सुझाव देता है। हालांकि, परसिस्टेंट प्लेयर्स का सिग्नल बहुत अधिक शोर वाला था, जिसमें उनकी आँखें इधर-उधर कूद रही थीं, जो चीजों को समझते हुए मानसिक प्रयास को दर्शाता है। ट्रायर्स ने भी इसी तरह का शोर वाला, उतार-चढ़ाव वाला पैटर्न दिखाया, जो समझ में आता है क्योंकि वे सक्रिय रूप से समाधान की तलाश कर रहे थे जिसे वे पूरी तरह से समझ नहीं पा रहे थे। क्विटर्स के पास, दूसरी ओर, एक अलग प्रकार की स्थिरता थी, जो जुड़ाव की कमी से उपजी थी। यह शोध बताता है कि हम किसी समस्या को कैसे देखते हैं, यह हमारे संज्ञानात्मक रणनीति का एक संवेदनशील संकेतक है। यह प्रकट करता है कि क्या हम गहराई से सोच रहे हैं, क्या हम एक चक्र में फंसे हुए हैं, या क्या हमने रुचि खो दी है।
यह अध्ययन मानवीय बुद्धिमत्ता को समझने का एक नया तरीका प्रदान करता है, न कि इस आधार पर कि लोग क्या कहते हैं कि वे क्या कर रहे हैं, बल्कि इस आधार पर कि उनकी आँखें क्या प्रकट करती हैं कि वे क्या सोच रहे हैं। यह दिखाता है कि समस्या-समाधान एक एकल कौशल नहीं है बल्कि विभिन्न व्यवहारों का एक संग्रह है, जैसे कि एक्सपर्ट की रणनीतिक स्पष्टता से लेकर ट्रायर्स की दृढ़ लेकिन भ्रमित खोज तक। कार्य के इतने जल्दी इन पैटर्न का पता लगाने की क्षमता उन शिक्षकों या डिजाइनरों के लिए मूल्यवान हो सकती है जो लोगों को सीखने में मदद करना चाहते हैं। यदि कोई प्रणाली यह पहचान सकती है कि एक छात्र "ट्रायर" है जो अंतर्दृष्टि के करीब है लेकिन उसे थोड़े से प्रोत्साहन की आवश्यकता है, तो यह सही समय पर सही संकेत प्रदान कर सकती है ताकि उसे सफल होने में मदद मिले। इसके विपरीत, यह पहचान सकता है कि किसी ने वास्तव में हार मान ली है, जिससे हस्तक्षेप का एक अलग प्रकार संभव हो सके। यह कार्य पुष्टि करता है कि हमारी आँखें केवल निष्क्रिय कैमरे नहीं हैं; वे हमारी सोच में सक्रिय भागीदार हैं, जो हमारे हाथों के चलने से पहले ही समाधान के पथ को मैप करती हैं।
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।