अव्यक्त चर मॉडल सांख्यिकीय मॉडलों का एक वर्ग है जो उन चरों को शामिल करते हैं जो सीधे देखे नहीं जाते हैं, बल्कि एक गणितीय मॉडल के माध्यम से अन्य, अवलोकनीय चरों से अनुमानित किए जाते हैं। शब्द 'अव्यक्त' लैटिन 'लेटियो' से लिया गया है, जिसका अर्थ है 'छिपा हुआ होना'। ये मॉडल व्यापक रूप से इंजीनियरिंग, चिकित्सा, पारिस्थितिकी, भौतिकी, मशीन लर्निंग, प्राकृतिक भाषा प्रसंस्करण, बायोइन्फॉर्मेटिक्स, केमोमेट्रिक्स, जनसांख्यिकी, अर्थशास्त्र, प्रबंधन, राजनीति विज्ञान, मनोविज्ञान और सामाजिक विज्ञान सहित विभिन्न विषयों में उपयोग किए जाते हैं।
अव्यक्त चर भौतिक वास्तविकता के उन पहलुओं का प्रतिनिधित्व कर सकते हैं जो सिद्धांत रूप में मापने योग्य हैं लेकिन व्यावहारिक रूप से अवलोकनीय नहीं हैं, जिन्हें अक्सर 'छिपे हुए चर' कहा जाता है। वे अमूर्त अवधारणाओं जैसे श्रेणियों, व्यवहारिक अवस्थाओं, या मानसिक अवस्थाओं से भी संबंधित हो सकते हैं, जिन्हें कभी-कभी 'काल्पनिक निर्माण' कहा जाता है। अव्यक्त चरों का एक प्रमुख कार्य आयामीता में कमी है: कई अवलोकनीय चरों को एक अंतर्निहित अवधारणा का प्रतिनिधित्व करने के लिए एकत्र किया जा सकता है, जिससे डेटा व्याख्या सरल हो जाती है। यह वैज्ञानिक सिद्धांतों की भूमिका को दर्शाता है जो अवलोकनीय 'उप-प्रतीकात्मक' डेटा को प्रतीकात्मक मॉडल से जोड़ते हैं।
ऐतिहासिक पृष्ठभूमि
अव्यक्त प्रक्रियाओं का विचार फ्रांसिस बेकन के 'नोवम ऑर्गनम' (1620) से जुड़ा है, जिसने अरस्तू के तर्कशास्त्र को चुनौती दी थी। बेकन ने एक 'अव्यक्त प्रक्रिया' का वर्णन किया जो संवेदी अवलोकन से बच जाती है, इस बात पर जोर देते हुए कि ऐसी प्रक्रियाएं केवल लक्षण नहीं हैं बल्कि निरंतर अंतर्निहित तंत्र हैं। यह दार्शनिक आधार बाद के सांख्यिकीय विकास को प्रभावित करता है। 20वीं शताब्दी में, कारक विश्लेषण और संरचनात्मक समीकरण मॉडलिंग ने अव्यक्त चर अनुमान को औपचारिक रूप दिया, जिसमें चार्ल्स स्पीयरमैन जैसे अग्रणी लोगों ने सामान्य बुद्धि कारक 'g' पेश किया।
मनोविज्ञान में अनुप्रयोग
मनोविज्ञान में, अव्यक्त चर अक्सर कारक विश्लेषण के माध्यम से प्राप्त होते हैं, जो देखे गए मापों के बीच साझा विचरण का प्रतिनिधित्व करते हैं। बिग फाइव व्यक्तित्व लक्षण (बहिर्मुखता, सहमतता, कर्तव्यनिष्ठा, विक्षिप्तता, खुलापन) इस विधि का उपयोग करके अनुमानित किए गए थे। अन्य उदाहरणों में स्थानिक क्षमता, बुद्धि (प्रदर्शन और अव्यक्त चर मापों के माध्यम से मूल्यांकित), और स्पीयरमैन का g, सामान्य बुद्धि कारक शामिल हैं। ये निर्माण सीधे मापने योग्य नहीं हैं बल्कि परीक्षण वस्तुओं के बीच सहसंबंधों से उभरते हैं।
अर्थशास्त्र और चिकित्सा में अनुप्रयोग
अर्थशास्त्र में, अव्यक्त चरों में जीवन की गुणवत्ता, व्यावसायिक विश्वास, मनोबल, खुशी और रूढ़िवादिता शामिल हैं। उदाहरण के लिए, जीवन की गुणवत्ता धन, रोजगार, पर्यावरण, शारीरिक और मानसिक स्वास्थ्य, शिक्षा, मनोरंजन और सामाजिक जुड़ाव जैसे अवलोकनीय संकेतकों से अनुमानित की जाती है। चिकित्सा में, अव्यक्त चर मॉडल अनुदैर्ध्य अध्ययनों के लिए महत्वपूर्ण हैं जहां देखा गया समय पैमाना (जैसे, आयु) रोग की प्रगति के साथ समकालिक नहीं है। अवलोकित समय के परिवर्तनों के रूप में अवलोकित नहीं किए गए समय पैमानों को मॉडल किया जा सकता है, जिससे रोग की प्रगति और विकास मॉडलिंग में सहायता मिलती है।
अनुमान विधियाँ और मॉडल
विभिन्न मॉडल वर्ग और एल्गोरिदम अव्यक्त चरों के साथ अनुमान को सक्षम करते हैं। मॉडलों में रैखिक और अरेखीय मिश्रित-प्रभाव मॉडल, छिपे हुए मार्कोव मॉडल, कारक विश्लेषण और आइटम प्रतिक्रिया सिद्धांत शामिल हैं। अनुमान विधियों में प्रमुख घटक विश्लेषण, आंशिक न्यूनतम वर्ग प्रतिगमन, अव्यक्त शब्दार्थ विश्लेषण, अपेक्षा-अधिकतमीकरण (EM) एल्गोरिदम और मेट्रोपोलिस-हेस्टिंग्स एल्गोरिदम शामिल हैं। बायेसियन दृष्टिकोण प्रमुख हैं, जिसमें विषय मॉडलिंग के लिए अव्यक्त डिरिचलेट आवंटन, क्लस्टरिंग के लिए चीनी रेस्तरां प्रक्रिया, और फीचर आवंटन के लिए भारतीय बुफे प्रक्रिया जैसी तकनीकें शामिल हैं।
मशीन लर्निंग और AI में भूमिका
मशीन लर्निंग में, अव्यक्त चर मॉडल कई जनरेटिव और अनुपरीक्षित शिक्षण तकनीकों को रेखांकित करते हैं। वैरिएशनल ऑटोएनकोडर (VAE) और जनरेटिव एडवर्सेरियल नेटवर्क (GAN) नए डेटा उत्पन्न करने के लिए अव्यक्त स्थानों का उपयोग करते हैं। Deep learning में, तंत्रिका नेटवर्क द्वारा सीखे गए अव्यक्त प्रतिनिधित्व अमूर्त विशेषताओं को पकड़ते हैं। Generative AI प्रणालियाँ, जैसे बड़े भाषा मॉडल जो Transformer (architecture) आर्किटेक्चर पर निर्मित हैं, भाषा को मॉडल करने के लिए अव्यक्त प्रतिनिधित्व पर निर्भर करती हैं। MIT CSAIL, Stanford AI Lab, और BAIR (Berkeley AI Research) जैसे अनुसंधान संस्थानों ने इन मॉडलों को आगे बढ़ाने में योगदान दिया है। OpenAI, Anthropic, और Google DeepMind जैसी कंपनियाँ अपनी AI प्रणालियों में अव्यक्त चर विधियों को लागू करती हैं, जबकि NVIDIA (सूचीबद्ध नहीं) और AMD जैसे हार्डवेयर प्रदाता कम्प्यूटेशनल मांगों का समर्थन करते हैं।
यह भी देखें
- मशीन लर्निंग
- factor-analysis (सूची में नहीं, लेकिन कृत्रिम बुद्धिमत्ता के माध्यम से जोड़ा जा सकता है)
- bayesian-inference (सूची में नहीं)
संदर्भ
- बेकन, फ्रांसिस। 'नोवम ऑर्गनम' (1620)।
- केमेंटा, जान। 'इकोनोमेट्रिक्स के तत्व' (1986)।