दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

संबंधपरक विसंगतियों को हल करने के दो रास्ते

Created by
  • Haebom

लेखक

तोमर बराक, योनाटन लोवेनस्टीन

रूपरेखा

यह शोधपत्र इस बात का अन्वेषण करता है कि क्या व्यक्ति अपनी पूर्व अपेक्षाओं के विपरीत प्रेक्षणों का सामना करने पर अपनी अपेक्षाओं को समायोजित करते हैं, या प्रेक्षित परिणाम के बावजूद अपनी पूर्व अपेक्षाओं को बनाए रखते हैं। उदाहरण के लिए, यदि कोई व्यक्ति A प्रकार की किसी वस्तु को B प्रकार की किसी वस्तु से छोटा होने की अपेक्षा करता है, लेकिन फिर विपरीत परिणाम देखता है, तो वह दोनों वस्तुओं के बीच संबंध के बारे में अपनी अपेक्षाओं को समायोजित करता है (अर्थात, A, B से बड़ा है)। सहज रूप से, जब अपेक्षाओं का उल्लंघन होता है, तो अधिक अनुकूलन की अपेक्षा की जाती है, लेकिन प्रायोगिक परिणाम दर्शाते हैं कि जब उल्लंघन गंभीर होता है, तो व्यक्ति अपनी पूर्व अपेक्षाओं को बनाए रखने की अधिक संभावना रखते हैं। इस परिघटना को संबोधित करने के लिए, हमने संबंधपरक अधिगम में सक्षम एक कृत्रिम तंत्रिका नेटवर्क (ANN) के अनुकूलन के साथ प्रयोग किया और एक समान परिघटना पाई। मानक अधिगम गतिकी के अनुसार, छोटे उल्लंघन अपेक्षित संबंधों में समायोजन का कारण बनते हैं, जबकि बड़े उल्लंघनों को एक भिन्न तंत्र—वस्तु निरूपण में परिवर्तन—का उपयोग करके हल किया जाता है, जो संबंधपरक अपेक्षा अनुकूलन की आवश्यकता को समाप्त कर देता है। ये परिणाम बताते हैं कि बड़े अपेक्षा उल्लंघनों के सामने पूर्व अपेक्षाओं की स्थिरता अधिगम गतिकी का एक स्वाभाविक परिणाम है और इसके लिए अतिरिक्त तंत्रों की आवश्यकता नहीं होती है। अंत में, हम मध्यवर्ती अनुकूलन चरणों के प्रभाव पर चर्चा करते हैं।

Takeaways, Limitations

Takeaways: यह दर्शाता है कि बड़े पैमाने पर अपेक्षाओं के उल्लंघन के बावजूद मौजूदा अपेक्षाओं की स्थिरता, सीखने की गतिशीलता का एक स्वाभाविक परिणाम है। कृत्रिम तंत्रिका नेटवर्क का उपयोग करके प्रयोगात्मक रूप से पुष्ट यह परिणाम मानव संज्ञानात्मक प्रक्रियाओं की हमारी समझ को बढ़ा सकता है। मध्यवर्ती अनुकूलन चरणों के प्रभाव को ध्यान में रखते हुए, अधिक परिष्कृत मॉडल बनाना संभव है।
Limitations: कृत्रिम तंत्रिका नेटवर्क मॉडल मानव संज्ञानात्मक प्रक्रियाओं को पूरी तरह से प्रतिबिंबित नहीं कर सकते हैं। प्रयोगात्मक डिज़ाइन और प्रतिभागियों की विशेषताओं के आधार पर परिणाम भिन्न हो सकते हैं। मध्यवर्ती अनुकूलन चरणों के प्रभाव पर अधिक विस्तार से चर्चा की जानी चाहिए।
👍