एक फ्रेम एक डेटा संरचना है जो ज्ञान को एक संरचित, पदानुक्रमित प्रारूप में व्यवस्थित करती है, जिसमें आम तौर पर स्लॉट और फिलर शामिल होते हैं। कृत्रिम बुद्धिमत्ता और कंप्यूटर विज्ञान के संदर्भ में, एक फ्रेम एक रूढ़िबद्ध स्थिति या वस्तु का प्रतिनिधित्व करता है, जिससे सिस्टम संबंधित विशेषताओं और संबंधों को संग्रहीत कर सकते हैं। यह अवधारणा 1970 के दशक में संज्ञानात्मक विज्ञान और ज्ञान प्रतिनिधित्व में कार्य के माध्यम से उत्पन्न हुई, और यह प्राकृतिक भाषा प्रसंस्करण, कंप्यूटर दृष्टि, और उपयोगकर्ता इंटरफेस डिजाइन जैसे क्षेत्रों में एक मौलिक विचार बनी हुई है।
फ्रेम जानकारी के कई टुकड़ों को एक एकल, पुन: प्रयोज्य इकाई में पैकेज करने का एक तरीका प्रदान करते हैं। वे अक्सर एक पदानुक्रम में व्यवस्थित होते हैं, जहां निचले स्तर के फ्रेम उच्च स्तर के फ्रेम से गुणों को विरासत में लेते हैं, जिससे कुशल तर्क और अनुमान संभव होता है। यह संरचना फ्लैट डेटा प्रतिनिधित्व के विपरीत है, क्योंकि यह डिफ़ॉल्ट मान और प्रक्रियात्मक अनुलग्नक प्रदान करती है, जो स्लॉट भरने या एक्सेस करने पर क्रियाएं ट्रिगर कर सकते हैं।
ऐतिहासिक विकास
फ्रेम अवधारणा को औपचारिक रूप से 1974 में मार्विन मिंस्की द्वारा एआई में ज्ञान प्रतिनिधित्व पर अपने कार्य के भाग के रूप में पेश किया गया था। मिंस्की ने फ्रेम को मानव धारणा और समझ को मॉडल करने के तरीके के रूप में प्रस्तावित किया, यह सुझाव देते हुए कि लोग नए अनुभवों की व्याख्या करने के लिए पूर्व ज्ञान संरचनाओं का उपयोग करते हैं। उनका महत्वपूर्ण पेपर, "ए फ्रेमवर्क फॉर रिप्रेजेंटिंग नॉलेज," 1975 में प्रकाशित हुआ, जिसमें रेखांकित किया गया कि फ्रेम का उपयोग सामान्य परिदृश्यों, जैसे जन्मदिन की पार्टी या एक कमरे का प्रतिनिधित्व करने के लिए कैसे किया जा सकता है।
मिंस्की के विचारों ने मनोविज्ञान और भाषाविज्ञान में पहले के कार्यों से प्रेरणा ली, विशेष रूप से 1932 में फ्रेडरिक बार्टलेट द्वारा प्रस्तावित स्कीमा की धारणा से। अगले दशकों में, फ्रेम को कई एआई सिस्टम में एकीकृत किया गया, जिसमें प्राकृतिक भाषा समझने वाले कार्यक्रम और विशेषज्ञ सिस्टम शामिल थे। MIT CSAIL और Xerox PARC जैसे संस्थानों के शोधकर्ताओं ने अवधारणा का विस्तार किया, जिससे 1970 के दशक के अंत में FRL (फ्रेम रिप्रेजेंटेशन लैंग्वेज) और KRL (नॉलेज रिप्रेजेंटेशन लैंग्वेज) जैसी फ्रेम-आधारित भाषाओं का विकास हुआ।
प्रमुख घटक
एक फ्रेम में आम तौर पर एक नाम और स्लॉट का एक सेट होता है, जिनमें से प्रत्येक में एक मान, एक डिफ़ॉल्ट, या बाधाओं का एक सेट हो सकता है। स्लॉट में अक्सर "इफ-नीडेड" प्रक्रियाएं जैसे पहलू शामिल होते हैं, जो गतिशील रूप से मान की गणना करते हैं, और "इफ-एडेड" प्रक्रियाएं, जो स्लॉट भरने पर निष्पादित होती हैं। यह डिज़ाइन फ्रेम को घोषणात्मक और प्रक्रियात्मक दोनों ज्ञान का समर्थन करने की अनुमति देता है।
विरासत एक केंद्रीय विशेषता है: एक फ्रेम को दूसरे के उपवर्ग के रूप में परिभाषित किया जा सकता है, जो उसके स्लॉट और डिफ़ॉल्ट को विरासत में लेता है। उदाहरण के लिए, एक "कार" फ्रेम में "पहिये" (डिफ़ॉल्ट 4) और "इंजन" जैसे स्लॉट हो सकते हैं, जबकि एक "स्पोर्ट्स कार" फ्रेम इन्हें विरासत में लेता है और "शीर्ष गति" जोड़ता है। यह पदानुक्रमित व्यवस्था अतिरेक को कम करती है और अद्यतनों को सरल बनाती है।
फ्रेम कई दृष्टिकोणों का भी समर्थन करते हैं, जहां एक ही वस्तु को संदर्भ के आधार पर विभिन्न फ्रेम के माध्यम से देखा जा सकता है। यह एआई अनुप्रयोगों में विशेष रूप से उपयोगी है, जहां एक छवि को सक्रिय फ्रेम के आधार पर चेहरे, इमारत, या वाहन के रूप में व्याख्या किया जा सकता है।
कृत्रिम बुद्धिमत्ता में अनुप्रयोग
Artificial intelligence में, फ्रेम को विभिन्न उपक्षेत्रों में लागू किया गया है। प्राकृतिक भाषा प्रसंस्करण में, वे क्रिया तर्कों और घटना संरचनाओं को पार्स करने में मदद करते हैं, जैसा कि फ्रेमनेट परियोजना में देखा गया है, जो 1990 के दशक के अंत में अंतर्राष्ट्रीय कंप्यूटर विज्ञान संस्थान में शुरू हुई थी। फ्रेमनेट (स्पष्ट रूप से सूचीबद्ध नहीं) 1,200 से अधिक फ्रेम के लिए फ्रेम शब्दार्थ विवरणों का एक शब्दकोश प्रदान करता है, जो शब्दों को शब्दार्थ भूमिकाओं से जोड़ता है।
कंप्यूटर दृष्टि में, फ्रेम का उपयोग वस्तुओं और दृश्यों को मॉडल करने के लिए किया जाता है, जिससे सिस्टम देखी गई विशेषताओं को अपेक्षित संरचनाओं से मिला सकते हैं। Stanford AI Lab और MIT CSAIL में प्रारंभिक दृष्टि प्रणालियों ने लाइन ड्रॉइंग और 3D दृश्यों की व्याख्या करने के लिए फ्रेम-आधारित तर्क का उपयोग किया। आज, संबंधित अवधारणाएं आधुनिक Deep learning आर्किटेक्चर में दिखाई देती हैं, जैसे कि छवि विभाजन के लिए U-Net, जहां कनवल्शनल परतें फ्रेम विरासत के समान पदानुक्रमित विशेषताओं को पकड़ती हैं।
फ्रेम-आधारित तर्क नियम-आधारित विशेषज्ञ प्रणालियों और ऑन्टोलॉजी इंजीनियरिंग में भी दिखाई देता है। वेब-ऑन्टोलॉजी-लैंग्वेज (सूचीबद्ध नहीं) या समान, और OWL जैसे मानक, फ्रेम-जैसे प्रतिनिधित्व से उत्पन्न होते हैं, हालांकि वे तर्क के साथ औपचारिक रूप से परिभाषित हैं। रोबोटिक्स में, फ्रेम एजेंटों को स्थितिजन्य जागरूकता बनाए रखने में मदद करते हैं, जैसा कि Waymo और Tesla सिस्टम में देखा गया है, जहां पर्यावरणीय स्थितियों को गतिशील रूप से अद्यतन किया जाता है।
फ्रेम शब्दार्थ और भाषाई सिद्धांत
चार्ल्स फिलमोर द्वारा 1980 के दशक में विकसित फ्रेम शब्दार्थ का भाषाई सिद्धांत, अवधारणा को भाषा समझ तक विस्तारित करता है। यह मानता है कि शब्द फ्रेम को उत्तेजित करते हैं, जो संरचित पृष्ठभूमि ज्ञान है जो अर्थ को आकार देता है। उदाहरण के लिए, "बेचना" शब्द एक वाणिज्यिक लेनदेन फ्रेम को सक्रिय करता है जिसमें खरीदार, विक्रेता, माल, और धन के लिए स्लॉट होते हैं। यह दृष्टिकोण Machine learning मॉडल को प्रभावित करता है NLP के लिए (जो सूची में नहीं है, लेकिन यदि आवश्यक हो तो Large language model का उपयोग दृश्य के रूप में करें)।
फ्रेम शब्दार्थ मिंस्की के फ्रेम से अलग है लेकिन संरचित ज्ञान के मूल विचार को साझा करता है। इसे कम्प्यूटेशनल शब्दकोशों में संचालित किया गया है और सूचना निष्कर्षण और प्रश्न उत्तर जैसे कार्यों में उपयोग किया जाता है। आधुनिक Large language model, जैसे कि OpenAI और Anthropic द्वारा विकसित, अपने Transformer (architecture) आर्किटेक्चर के माध्यम से फ्रेम-जैसे ज्ञान को अंतर्निहित रूप से एन्कोड करते हैं, हालांकि वे स्पष्ट स्लॉट-आधारित संरचनाओं का उपयोग नहीं करते हैं।
संबंधित अवधारणाओं के साथ तुलना
एक फ्रेम की तुलना अक्सर एक स्कीमा या ऑन्टोलॉजी से की जाती है। एक स्कीमा, डेटाबेस सिद्धांत में, डेटाबेस संरचना का एक औपचारिक विवरण है, जबकि मनोविज्ञान में, यह एक संज्ञानात्मक टेम्पलेट है। फ्रेम स्कीमा की तुलना में अधिक लचीले होते हैं क्योंकि वे डिफ़ॉल्ट और प्रक्रियात्मक अनुलग्नकों का समर्थन करते हैं। एक ऑन्टोलॉजी एक डोमेन का अधिक औपचारिक, तार्किक विनिर्देश है, जिसे अक्सर OWL में दर्शाया जाता है, और आम तौर पर प्रक्रियात्मक पहलुओं की कमी होती है।
आधुनिक कंप्यूट फ्रेमवर्क में, "फ्रेम" एक डेटा कंटेनर को भी संदर्भित करता है, जैसे कि पांडा जैसी डेटा विज्ञान लाइब्रेरी में डेटाफ्रेम। यह उपयोग, हालांकि आर द्वारा पेश किए गए सांख्यिकीय शब्द "डेटा फ्रेम" से लिया गया है, विषम डेटा रखने वाली सारणीबद्ध संरचना के विचार को साझा करता है। हालांकि यह सीधे एआई ज्ञान फ्रेम से संबंधित नहीं है, यह शब्द की व्यापकता को दर्शाता है।
आधुनिक प्रासंगिकता और प्रभाव
Neural network-आधारित दृष्टिकोणों के उदय के बावजूद, फ्रेम-जैसी संरचनाएं हाइब्रिड सिस्टम में प्रासंगिक बनी हुई हैं जो प्रतीकात्मक तर्क को Deep learning के साथ जोड़ती हैं। उदाहरण के लिए, Google DeepMind और अन्य प्रयोगशालाएं अपने मॉडल में संरचित प्रतिनिधित्व शामिल करती हैं, जैसे कि ग्राफ तंत्रिका नेटवर्क जो नोड और एज स्लॉट में जानकारी प्रसारित करते हैं। फ्रेम की अवधारणा Graphcore या SambaNova हार्डवेयर डिजाइनों में बनी रहती है, जो समानांतर संचालन को अनुकूलित करने के लिए निश्चित आकार के कंप्यूट "टाइल" या फ्रेम का उपयोग करते हैं।
उपयोगकर्ता इंटरफेस डिजाइन में, फ्रेम HTML फ्रेम (हालांकि अप्रचलित) और आधुनिक विंडोइंग सिस्टम जैसी प्रौद्योगिकियों के लिए केंद्रीय हैं, जहां प्रत्येक विंडो सामग्री के लिए एक फ्रेम के रूप में कार्य करती है। यह शब्द वीडियो प्रोसेसिंग में भी दिखाई देता है, जहां एक फ्रेम एक एकल छवि है। यह विविधता इस बात पर प्रकाश डालती है कि एक एकल अवधारणा डोमेन में कैसे विकसित हो सकती है, जिसमें Amazon Web Services और Google Cloud शामिल हैं, जहां "फ्रेम" स्ट्रीम प्रोसेसिंग में डेटा बैचों को संदर्भित कर सकते हैं।
2025 तक, "फ्रेम" शब्द का उपयोग कंप्यूटर विज्ञान के भीतर 30 से अधिक विभिन्न क्षेत्रों में किया जाता है, जिसमें वितरित सिस्टम और कंपाइलर कक्षाएं शामिल हैं। एआई में इसकी स्थायित्व संरचित प्रतिनिधित्व के महत्व को रेखांकित करती है, भले ही मॉडल जटिलता में बढ़ते हैं। चिकित्सकों के लिए, फ्रेम को समझना प्रतीकात्मक एआई विरासत और आधुनिक शिक्षण प्रणालियों के बीच एक वैचारिक पुल प्रदान करता है।
आगे पढ़ने के लिए
मौलिक सामग्री के लिए, मार्विन मिंस्की का मूल 1974 पेपर एक प्राथमिक स्रोत बना हुआ है। ज्ञान प्रतिनिधित्व और संज्ञानात्मक मॉडलिंग पर पुस्तकें आम तौर पर फ्रेम को गहराई से कवर करती हैं) छोड़ें; अब और अनुभागों की आवश्यकता नहीं है।