एआई सिस्टम मानव भाषा को संख्यात्मक डेटा के बजाय पसंद कर सकते हैं

नई अनुसंधान कोलम्बिया इंजीनियरिंग से सुझाव देती है कि कृत्रिम बुद्धिमत्ता (एआई) सिस्टम संख्यात्मक डेटा जैसे 1 और 0 के बजाय मानव भाषा को पसंद करते हैं। यह नया अध्ययन मैकेनिकल इंजीनियरिंग प्रोफेसर होड लिपसन और पीएचडी छात्र बॉयुआन चेन द्वारा किया गया है, और यह प्रदर्शित किया गया है कि एआई सिस्टम मानव भाषा ध्वनि फ़ाइलों के साथ प्रोग्राम किए जाने पर उच्च प्रदर्शन स्तर तक पहुंच सकते हैं।

एक साइड-बाय-साइड तुलना में, शोधकर्ताओं ने पाया कि ध्वनि फ़ाइलों द्वारा प्रशिक्षित एक न्यूरल नेटवर्क वस्तुओं की पहचान में उच्च प्रदर्शन स्तर तक पहुंचा, जब इसकी तुलना दूसरे नेटवर्क से की गई जो साधारण बाइनरी इनपुट के साथ प्रोग्राम किया गया था।

लिपसन जेम्स और सैली स्कापा प्रोफेसर ऑफ इनोवेशन और कोलम्बिया के डेटा साइंस इंस्टीट्यूट के सदस्य हैं।

“इस खोज के महत्व को समझने के लिए, यह जानना उपयोगी है कि न्यूरल नेटवर्क आमतौर पर कैसे प्रोग्राम किए जाते हैं, और मानव आवाज की ध्वनि का उपयोग करना एक क्रांतिकारी प्रयोग क्यों है,” उन्होंने कहा।

बाइनरी संख्याएं कॉम्पैक्ट और सटीक होती हैं, जबकि मानव भाषा अधिक जटिल और गैर-बाइनरी होती है जब इसे एक डिजिटल फ़ाइल में कैप्चर किया जाता है। प्रोग्रामर आमतौर पर न्यूरल नेटवर्क विकसित करते समय संख्याओं से विचलित नहीं होते हैं क्योंकि यह बहुत कुशल है।

टीम ने यह अनुसंधान तब शुरू किया जब उन्होंने सोचा कि न्यूरल नेटवर्क अपनी पूरी क्षमता तक नहीं पहुंच रहे हैं, और उन्हें लगता था कि वे मानव आवाज और विशिष्ट शब्दों के साथ प्रशिक्षित होने पर तेज और बेहतर हो सकते हैं।

नेटवर्क को प्रशिक्षित करना

जब एक नए मशीन लर्निंग तकनीक का परीक्षण किया जाता है, तो एआई शोधकर्ता अक्सर एक न्यूरल नेटवर्क को विशिष्ट वस्तुओं और जानवरों को फोटोग्राफों के संग्रह में पहचानने के लिए प्रशिक्षित करते हैं।

टीम, जिसमें चेन, लिपसन, यू ली और सुसान रघुपथी शामिल थे, ने एक नियंत्रित प्रयोग स्थापित किया ताकि वे अपने अनुमान का परीक्षण कर सकें, और उन्होंने दो नए न्यूरल नेटवर्क बनाए। उन्होंने 50,000 फोटोग्राफों के संग्रह में 10 अलग-अलग प्रकार की वस्तुओं को पहचानने के लिए उन्हें प्रशिक्षित करने का लक्ष्य रखा।

एक एआई सिस्टम को अधिक पारंपरिक तरीके से संख्यात्मक मानों के साथ प्रशिक्षित किया गया था, जबकि प्रयोगात्मक न्यूरल नेटवर्क को बहुत अलग तरीके से प्रशिक्षित किया गया था। इसे एक डेटा टेबल के साथ खिलाया गया था जिसमें प्रत्येक पंक्ति में एक जानवर या वस्तु की फोटो और दूसरे कॉलम में मानव आवाज की ऑडियो फ़ाइल थी, जिसमें जानवर या वस्तु का शब्द बोला गया था। प्रयोगात्मक नेटवर्क में 1 और 0 शामिल नहीं थे।

दोनों एआई सिस्टम को कुल 15 घंटे के लिए प्रशिक्षित किया गया था। परिणामों से पता चला कि मूल नेटवर्क ने 1 और 0 की एक श्रृंखला के साथ उत्तर दिया, जबकि प्रयोगात्मक न्यूरल नेटवर्क ने एक आवाज उत्पादित की जो वस्तु को “बोलने” की कोशिश कर रही थी। जबकि मूल आवाज समझने योग्य नहीं थी, यह अंततः अधिकांशतः सही हो गई।

दोनों नेटवर्क ने समान रूप से अच्छा प्रदर्शन किया, 92% समय वस्तु की पहचान सही ढंग से की। शोधकर्ताओं ने तब प्रयोग को दूसरी बार चलाने का फैसला किया, लेकिन इस बार उन्होंने प्रक्रिया में कम फोटोग्राफ का उपयोग किया।

पारंपरिक नेटवर्क ने कम डेटा के कारण खराब प्रदर्शन किया, जैसा कि अपेक्षित था, 35% सटीकता तक गिर गया। हालांकि, प्रयोगात्मक नेटवर्क ने दोगुना अच्छा प्रदर्शन किया, 70% सटीकता के साथ, कम डेटा के बावजूद।

https://www.youtube.com/watch?v=Iq2YjHCAPRQ

अचंभित करने वाले परिणाम

अगली बार, टीम ने अधिक कठिन छवियों का उपयोग किया, जैसे कि एक दूषित छवि của एक कुत्ते। यहां तक कि कठिन छवियों के साथ, आवाज-ट्रेन्ड न्यूरल नेटवर्क 50% समय सही था, जबकि पारंपरिक नेटवर्क केवल 20% सटीक था।

बॉयुआन चेन इस अध्ययन के प्रमुख शोधकर्ता हैं।

“हमारे निष्कर्ष सीधे तौर पर विशेषज्ञों के विपरीत हैं जिन्हें लगता है कि बाइनरी इनपुट एक मशीन को जानकारी देने का एक अधिक कुशल तरीका है,” चेन ने कहा। “वास्तव में, जब हमने इस शोध को एक बड़े एआई सम्मेलन में प्रस्तुत किया, तो एक अनाम समीक्षक ने हमारे पेपर को खारिज कर दिया क्योंकि उन्हें लगता था कि हमारे परिणाम बहुत आश्चर्यजनक और अनुचित थे।”

“यदि आप इस तथ्य पर विचार करते हैं कि मानव भाषा दसियों हजारों वर्षों से एक अनुकूलन प्रक्रिया से गुजर रही है, तो यह समझ में आता है कि हमारे बोले गए शब्दों ने शोर और संकेत के बीच एक अच्छा संतुलन पाया है,” लिपसन ने कहा। “इसलिए, जब शैनन एंट्रोपी के लेंस के माध्यम से देखा जाता है, तो यह समझ में आता है कि मानव भाषा के साथ प्रशिक्षित एक न्यूरल नेटवर्क सरल 1 और 0 के साथ प्रशिक्षित नेटवर्क से बेहतर प्रदर्शन करेगा।”

यह अध्ययन 3 मई, 2021 को इंटरनेशनल कॉन्फ्रेंस ऑन लर्निंग रिप्रेजेंटेशन में प्रस्तुत किया जाएगा।

“हमें एआई सिस्टम को प्रशिक्षित करने के लिए नए और बेहतर तरीकों के बारे में सोचना चाहिए, न कि बड़े डेटासेट का संग्रह करना चाहिए,” चेन ने कहा। “यदि हम मशीन को प्रशिक्षण डेटा प्रस्तुत करने के तरीके के बारे में पुनः विचार करते हैं, तो हम शिक्षकों के रूप में बेहतर काम कर सकते हैं।”

“मानव विकास के सबसे बड़े रहस्यों में से एक यह है कि हमारे पूर्वजों ने भाषा कैसे प्राप्त की, और बच्चे इतनी आसानी से बोलना कैसे सीखते हैं,” लिपसन ने कहा। “यदि मानव शिशुओं को दोहराए जाने वाले बोले गए निर्देशों के साथ सबसे अच्छा सीखते हैं, तो शायद एआई सिस्टम भी ऐसा कर सकते हैं।”