AI रिसर्च कैसे करेंमध्यमपाठ 3297 मिनट का पाठ

भारत में AI रिसर्च के रास्ते

AI रिसर्च में जाने का एक से ज़्यादा रास्ता है। मुख्य रास्तों की तुलना करें, मेंटर ढूँढने और उनसे संपर्क करने का तरीका सीखें, और रिसर्च की ईमानदारी (research integrity) के नियम समझें।

✦ ट्यूटर से पूछें🧪 लैब · 40 min📝 पाठ का टेस्ट
पाठ वीडियो में

60 सेकंड में

भारत में AI रिसर्च के रास्ते

AI रिसर्च में जाने का एक से ज़्यादा रास्ता है। मुख्य रास्तों की तुलना करें, मेंटर ढूँढने और उनसे संपर्क करने का तरीका सीखें, और रिसर्च की ईमानदारी (research integrity) के नियम…

1/6
आसान शब्दों में
पहाड़ी पर चढ़ने के कई रास्ते होते हैं: एक खड़ी चढ़ाई वाला रास्ता, एक लंबा घुमावदार रास्ता, या किसी ऐसे व्यक्ति के पीछे चलना जो रास्ता जानता हो। वे सभी चोटी पर पहुँचते हैं। मायने यह रखता है कि आप चलते रहें, और लिफ़्ट लेकर यह न कहें कि आप खुद चढ़े हैं।
भारत में AI रिसर्च विश्वविद्यालयों में होती है, जिनमें IITs, IISc और कई अन्य कॉलेज शामिल हैं, कंपनियों की रिसर्च टीमों में, स्टार्टअप्स में, ओपन-सोर्स कम्युनिटीज़ में और स्वतंत्र रिसर्चर्स के घरों में होती है। आपको हमेशा के लिए कोई एक ही रास्ता चुनने की ज़रूरत नहीं है। बहुत से लोग इनके बीच आते-जाते रहते हैं।

मुख्य रास्ते

रास्ताइसमें क्या होता हैकिनके लिए अच्छा हैज़रूरी बातें
अंडरग्रेजुएट रिसर्चकिसी प्रोजेक्ट, थीसिस या समर प्रोजेक्ट पर किसी प्रोफ़ेसर या सीनियर छात्र के साथ काम करनाशुरुआत में ही रिसर्च का अनुभव लेना और एक मज़बूत सिफ़ारिश पत्र पानाशुरुआत में ही पूछें। अपने काम का कोई छोटा नमूना दिखाएँ। शुरुआत में बुनियादी मदद वाले कामों के लिए तैयार रहें।
मास्टर्स या PhDकिसी एडवाइज़र के साथ औपचारिक रिसर्च ट्रेनिंगगहन, लंबे समय की रिसर्च और एकेडमिक करियर के लिएसंस्थान के नाम जितना ही मायने एडवाइज़र और लैब का माहौल रखता है। वहाँ के मौजूदा छात्रों से बात करें।
रिसर्च इंजीनियर की भूमिकाएँकिसी कंपनी या लैब में रिसर्च के लिए ज़रूरी कोड, डेटा पाइपलाइन और प्रयोग तैयार करनाबेहतरीन कोडर्स जो रिसर्च को बड़े पैमाने पर काम करते देखना पसंद करते हैंअक्सर बिना PhD के रिसर्च में जाने का एक रास्ता। साफ़-सुथरा कोड और रीप्रोडक्शन दिखाएँ।
ओपन-सोर्स योगदानपब्लिक प्रोजेक्ट्स में बग्स ठीक करना, नए फ़ीचर्स जोड़ना, इवैल्यूएशन लिखना, डेटासेट बनानाअसली कोड से सीखना, पहचान बनाना, अपना एक पब्लिक रिकॉर्ड बनानाछोटी, काम की समस्याओं (issues) से शुरुआत करें। प्रोजेक्ट की कंट्रीब्यूशन गाइड का पालन करें।
स्वतंत्र रिसर्चअपने खुद के प्रोजेक्ट्स बनाना और उन्हें सबके साथ शेयर करनाखुद सीखने वालों, कामकाजी प्रोफेशनल्स और बड़े शहरों से बाहर रहने वालों के लिएफ़ीडबैक के बिना मुश्किल होता है। कम्युनिटीज़ से जुड़ें, मेंटर खोजें और शुरुआत से ही काम शेयर करें।
नोट
प्रोग्राम, फ़ेलोशिप और फ़ंडिंग स्कीमें समय के साथ शुरू होती हैं, बदलती हैं और बंद हो जाती हैं, इसलिए हम उन्हें यहाँ सूचीबद्ध नहीं कर रहे हैं। अपने विभाग से पूछें, संस्थानों और लैब्स की आधिकारिक वेबसाइट्स देखें, और उन लोगों से बात करें जो अभी उस रास्ते पर हैं जहाँ आप जाना चाहते हैं।

अपने काम का एक पब्लिक रिकॉर्ड बनाएँ

  • ओपन कोड के साथ एक रीप्रोडक्शन राइट-अप (पाठ 2)।
  • ईमानदार नतीजों के साथ एक साफ़-सुथरा छोटा प्रयोग (पाठ 3 और 5)।
  • ओपन प्रोजेक्ट्स में योगदान, उदाहरण के लिए IIT मद्रास के AI4Bharat जैसे समूहों से भारतीय भाषाओं के ओपन डेटासेट्स और मॉडल्स।
  • जब आपके पास कुछ पूरा हो जाए, तो arXiv पर एक प्रीप्रिंट या किसी वर्कशॉप का पेपर।
एक छोटा सा पब्लिक रिकॉर्ड कोर्सों की लंबी लिस्ट से कहीं बेहतर दिखाता है कि आप क्या कर सकते हैं। यह मेंटर्स को भी देखने के लिए कुछ ठोस काम देता है।

मेंटर खोजना

  1. 1

    पहले अपने आस-पास देखें

    आपके कॉलेज के प्रोफ़ेसर्स, सीनियर छात्र और पूर्व छात्र; स्थानीय मीटअप्स और रीडिंग ग्रुप्स के लोग।
  2. 2

    उनका काम पढ़ें

    किसी एक ऐसे व्यक्ति को चुनें जिनके हालिया पेपर्स आपने सच में पढ़े हों और उनसे जुड़ा आपके पास कोई वास्तविक सवाल हो।
  3. 3

    पहले कुछ छोटा करके देखें

    उनके किसी एक नतीजे को रीप्रोड्यूस करें, या उनके पेपर के फ़्यूचर वर्क से कोई आइडिया आज़माएँ।
  4. 4

    एक छोटा और सटीक ईमेल लिखें

    आप कौन हैं, आपने क्या पढ़ा, आपने क्या किया, और एक साफ़ सवाल या अनुरोध।
  5. 5

    एक बार विनम्रता से फ़ॉलो-अप करें

    अगर दो हफ़्तों तक कोई जवाब न आए, तो एक छोटा फ़ॉलो-अप भेजें। फिर इसे व्यक्तिगत रूप से लिए बिना आगे बढ़ जाएँ।
एक कमज़ोर पहला ईमेल
  • "आदरणीय सर/मैडम, मुझे AI का बहुत जुनून है। कृपया मुझे इंटर्नशिप दें।"
  • सौ प्रोफ़ेसर्स को भेजा गया एक ही मैसेज
  • लंबा CV अटैच किया गया, किसी काम का कोई लिंक नहीं
एक असरदार पहला ईमेल
  • "मैंने X पर आपका पेपर पढ़ा। मैंने एक छोटे डेटासेट पर टेबल 2 को रीप्रोड्यूस किया और मुझे Y मिला (कोड लिंक)। मैंने Z पर ध्यान दिया। क्या मैं आपके मार्गदर्शन में इस पर काम कर सकता हूँ?"
  • सिर्फ़ एक व्यक्ति के लिए, उनके काम के बारे में लिखा गया
  • छोटा, आपके राइट-अप और कोड के लिंक के साथ

रिसर्च ईमानदारी: नियम जो सबकी रक्षा करते हैं

रिसर्च तभी काम करती है जब लोग एक-दूसरे के नतीजों पर भरोसा कर सकें। इन नियमों को तोड़ने से रिसर्च करियर ख़त्म हो सकता है, और उन सभी को नुकसान पहुँचता है जो उस काम के आधार पर आगे काम करते हैं।
  • डेटा या नतीजों को कभी भी मनगढ़ंत न बनाएँ या बदलें नहीं। वही रिपोर्ट करें जो आपको वास्तव में मिला है।
  • चेरी-पिकिंग न करें। उन सीड्स, डेटासेट्स या मेट्रिक्स को न छिपाएँ जिनके नतीजे ख़राब रहे। साफ़ बताएँ कि आपने क्या-क्या कोशिश की।
  • साहित्यिक चोरी (plagiarism) न करें। दूसरों के विचारों, टेक्स्ट, कोड और चित्रों का संदर्भ (cite) दें। बिना क्रेडिट दिए शब्दों को बदलकर कॉपी करना भी चोरी ही है।
  • उचित ऑथरशिप। जिन लोगों ने काम किया है उन्हें श्रेय दें। ऑथरशिप पर शुरुआत में ही चर्चा कर लें।
  • सहमति और गोपनीयता। लोगों से जुड़ा डेटा केवल उनकी सूचित सहमति (informed consent) से ही इकट्ठा करें, और उसे सुरक्षित रखें। इंसानों के डेटा के लिए अपने संस्थान की एथिक्स रिव्यू प्रक्रिया का पालन करें।
  • लाइसेंस का सम्मान करें। डेटा, मॉडल और कोड का इस्तेमाल केवल उनके लाइसेंस की अनुमति के अनुसार ही करें।
  • नुकसान के बारे में सोचें। विचार करें कि आपके काम का दुरुपयोग कैसे हो सकता है, और जहाँ ज़रूरी हो वहाँ इसके बारे में लिखें।
  • AI टूल्स का ईमानदार इस्तेमाल। जहाँ पब्लिश कर रहे हैं वहाँ के और संस्थान के नियमों का पालन करें, जहाँ पूछा जाए वहाँ इनके इस्तेमाल का खुलासा करें, और हर दावे व संदर्भ की खुद जाँच करें।
ख़तरा
अगर कोई आप पर नतीजे बदलने, ख़राब नतीजों वाले प्रयोग हटाने, या किसी ऐसे व्यक्ति को ऑथर के रूप में जोड़ने का दबाव बनाता है जिसने कोई काम नहीं किया, तो आप मना कर सकते हैं। किसी अन्य भरोसेमंद फैकल्टी सदस्य, अपने संस्थान के एथिक्स या इंटीग्रिटी ऑफ़िस, या किसी ऐसे सीनियर व्यक्ति से बात करें जिस पर आपको भरोसा हो।
असली उदाहरण
रोहन भुवनेश्वर में IT में काम करते हैं और शाम को रिसर्च करते हैं। उन्होंने ओड़िया टेक्स्ट के छोटे मूल्यांकन पेपर्स को रीप्रोड्यूस करने में महीनों बिताए और हर एक को ओपन कोड के साथ शेयर किया। एक रिसर्चर ने उनके कोड का इस्तेमाल किया और उन्हें एक प्रोजेक्ट में शामिल होने का न्योता दिया, और बाद में उन्होंने एक वर्कशॉप पेपर में सह-लेखक के रूप में योगदान दिया। उनके रास्ते में कोई औपचारिक लैब नहीं थी, लेकिन उनके पास एक निरंतर पब्लिक रिकॉर्ड था।
यह करके देखें। लिखें कि अभी आपकी ज़िंदगी के लिए कौन सा रास्ता सही बैठता है, और इस महीने उस पर आगे बढ़ने के लिए आप क्या एक काम कर सकते हैं: रीप्रोड्यूस करने के लिए कोई पेपर, ठीक करने के लिए कोई समस्या (issue), या कोई एक मेंटर जिनका काम आप पढ़ेंगे।

और देखें और पढ़ें

AI4BharatAI4Bharat, IIT Madras · reading

लैब

एक छोटे प्रोजेक्ट के लिए एक पेज का रिसर्च प्लान जिसे आप इसी महीने शुरू कर सकते हैं, जिसमें आगे का रास्ता, मेंटर से जुड़ने का तरीका और एक इंटीग्रिटी चेक शामिल हो।

~40 min

समस्या

एक पेज का रिसर्च प्लान लिखें। इसे इतना छोटा रखें कि यह लगभग दो महीने के पार्ट-टाइम काम में पूरा हो जाए। स्टार्टर में दिए गए हेडिंग्स का इस्तेमाल करें।

  1. एक रिसर्च सवाल और टेस्ट की जा सकने वाली एक हाइपोथेसिस लिखें।
  2. एक या दो ऐसे पेपर्स के नाम बताएं जिन पर यह आधारित है (जो आपने पढ़े हों)।
  3. एक्सपेरिमेंट के बारे में बताएं: डेटा, baselines, ablations, metric, seeds।
  4. कुल घंटों के साथ एक कम्प्यूट प्लान और एक प्लान B जोड़ें।
  5. बताएं कि आप नतीजे कैसे शेयर करेंगे।
  6. किसी एक संभावित मेंटर का प्रकार बताएं (जब तक आप उन्हें जानते न हों, किसी खास व्यक्ति का नाम न लिखें) और तीन वाक्यों का पहला ईमेल ड्राफ्ट करें।
  7. इंटीग्रिटी चेकलिस्ट भरें।
शुरुआती कोडtext
ONE-PAGE RESEARCH PLAN
Question:
Hypothesis (and what result would prove it wrong):
Builds on (1-2 papers I have read):
Data (source, licence, consent if about people):
Baselines:
Ablations:
Metric and seeds:
Compute plan (hours, where, plan B):
Timeline (weeks 1-8):
How I will share it (blog / arXiv / workshop / code):
Path this fits (undergrad / master's / PhD / research engineer / open source / independent):
Mentor approach + draft 3-sentence email:
Integrity checklist:
  [ ] all runs will be logged and reported
  [ ] settings chosen on validation data only
  [ ] data and model licences checked
  [ ] consent and privacy handled for any data about people
  [ ] others' ideas and code cited
  [ ] possible misuse considered

आपका काम तब पूरा होगा जब

कठिन सवाल

उत्तर देखने से पहले ख़ुद जवाब देने की कोशिश करें। अगर आप इनके जवाब दे सकते हैं, तो आप पाठ समझ गए हैं।

Q1आधे रास्ते में, आपकी हाइपोथेसिस गलत लगती है। क्या आप फेल हो गए हैं?दिखाएं

नहीं। एक सही तरीके से किया गया एक्सपेरिमेंट जो आपकी हाइपोथेसिस को गलत साबित करता है, वह भी एक असली नतीजा है। इसे ध्यान से जांचें, फिर ईमानदारी से इसके बारे में लिखें, और समझें कि यह गलत क्यों साबित हुआ। इससे अक्सर एक बेहतर सवाल की तरफ इशारा मिलता है। विफलता तो तब होगी जब आप नतीजे को छिपाएंगे या एक्सपेरिमेंट को तब तक बदलते रहेंगे जब तक कि वह "काम न करने लगे"।

Q2आपके प्लान में सोशल मीडिया से स्क्रैप किया गया एक पब्लिक डेटासेट इस्तेमाल होता है। इसे इस्तेमाल करने से पहले आपको क्या जांचना चाहिए?दिखाएं

इसका लाइसेंस और इस्तेमाल की शर्तें (terms of use) जांचें, इसे कैसे इकट्ठा किया गया था, और क्या इसमें पर्सनल डेटा शामिल है। सोचें कि क्या आपके काम से इसमें शामिल लोगों को कोई नुकसान हो सकता है या उनकी पहचान उजागर हो सकती है। अगर ज़रूरत हो, तो अपने संस्थान की एथिक्स प्रक्रिया का पालन करें, और अपने राइट-अप में इन बातों का ज़िक्र करें।

जारी रखने के लिए कृपया साइन इन करें।

अक्सर पूछे जाने वाले सवाल

क्या AI रिसर्च करने के लिए मुझे PhD की ज़रूरत है?

नहीं। PhD गहरी ट्रेनिंग देती है और एकेडमिक नौकरियों व कुछ रिसर्च भूमिकाओं के लिए अक्सर इसकी ज़रूरत होती है। लेकिन रिसर्च इंजीनियर, ओपन-सोर्स में योगदान देने वाले और स्वतंत्र रिसर्चर्स भी असली रिसर्च करते हैं। जो चीज़ मायने रखती है, वह है सावधानीपूर्वक, ईमानदारी से किया गया और शेयर किया गया काम।

मैं किसी IIT या IISc में नहीं हूँ। क्या मैं फिर भी रिसर्च कर सकता हूँ?

हाँ। अच्छी रिसर्च कई जगहों पर होती है। arXiv पर मुफ़्त पेपर्स, ओपन मॉडल्स और डेटासेट्स, मुफ़्त कम्प्यूट टियर्स और ऑनलाइन कम्युनिटीज़ ने इसे कहीं ज़्यादा खुला बना दिया है। एक पब्लिक रिकॉर्ड बनाएँ और उन लोगों से संपर्क करें जिनका काम आपने पढ़ा है।

मैं रिसर्च के लिए कोई समस्या कैसे ढूँढूँ?

उन पेपर्स से शुरुआत करें जिन्हें आपने रीप्रोड्यूस किया है। उनकी सीमाओं और "फ़्यूचर वर्क" वाले हिस्सों को देखें। पूछें कि यह तरीका कहाँ फ़ेल होता है, उदाहरण के लिए भारतीय भाषाओं पर या कम संसाधनों वाली स्थितियों में। एक छोटा और स्पष्ट सवाल जिसका जवाब आप दे सकते हैं, उस बहुत बड़े सवाल से बेहतर है जिसका आप जवाब नहीं दे सकते।

अगर कोई प्रोफ़ेसर मेरे ईमेल का जवाब न दे तो क्या करें?

यह बहुत आम बात है और आम तौर पर इसका आपसे कोई लेना-देना नहीं होता। प्रोफ़ेसर्स को बहुत सारे ईमेल आते हैं। एक बार विनम्रता से फ़ॉलो-अप भेजें, फिर दूसरों से संपर्क करें। इस बीच, अपना पब्लिक रिकॉर्ड बनाते रहें, जिससे अगला ईमेल और असरदार बनेगा।

पाठ का टेस्ट

5 सवाल। पास होने और इस पाठ को पूरा करने के लिए 3 सही होने चाहिए (60%)।

टेस्ट देने और अपनी प्रोग्रेस सेव करने के लिए साइन इन करें