कल्पना कीजिए कि आप एक रोबोट को गेम डिज़ाइनर बनना सिखा रहे हैं। आप चाहते हैं कि वह मज़ेदार, खेलने योग्य स्तर (levels) बनाए, लेकिन आप यह भी चाहते हैं कि वह यह समझ सके कि आप कैसे सोचते हैं। यह प्रोसीजरल कंटेंट जनरेशन (Procedural Content Generation) की दुनिया है, जहाँ कंप्यूटर इंसानों द्वारा हर एक दीवार और राक्षस को बनाने के बजाय स्वचालित रूप से गेम की दुनिया बनाता है। लंबे समय तक, ये रोबोट सख्त गणित के छात्रों की तरह थे: वे संख्याओं की एक सूची (जैसे "यहाँ 50 दीवारें रखें") का पूरी तरह से पालन कर सकते थे, लेकिन वे "इसे डरावना महसूस कराओ" या "एक ऐसा रास्ता बनाओ जो सांप की तरह दिखे" जैसे अस्पष्ट विचार को नहीं समझ सकते थे। वे स्तर बनाने में अक्सर ठंडे और रोबोटिक होते थे, जिनमें मानवीय डिज़ाइनर की बिखरी हुई, रचनात्मक चमक की कमी होती थी। इस क्षेत्र का बड़ा सवाल यह है: हम AI को केवल नियमों का पालन करना ही नहीं, बल्कि एक मानव साथी की तरह सोचना और रचना करना कैसे सिखाएं?

यह शोध पत्र VIPCGRL (विज़न-इंस्ट्रक्शन PCGRL) नामक एक नई प्रणाली पेश करता है जो इसे अलग-अलग प्रकार के निर्देशों के लिए एक "साझा भाषा" देकर हल करने की कोशिश करती है। इसे एक रोबोट को एक साथ तीन बोलियाँ सिखाने जैसा समझें: टेक्स्ट (शब्द), लेवल्स (वास्तविक गेम मैप), और स्केच (रफ ड्राइंग)। शोधकर्ताओं ने एक विशेष "अनुवादक" बनाया जो इन तीनों को एक ही गुप्त कोड में बदल देता है। यह आपको AI को शब्दों के माध्यम से "एक संकरा रास्ता बनाओ" कहने, या एक त्वरित रेखाचित्र (scribble) बनाकर, या एक पूर्ण मैप दिखाकर, यह समझाने की अनुमति देता है कि वे सभी एक ही विचार के रूप में समझे जा सकते हैं।

लेकिन असली जादू केवल समझने के बारे में नहीं है; यह शैली (style) के बारे में है। लेखकों ने गौर किया कि भले ही AI निर्देशों का पालन करता है, फिर भी परिणाम अक्सर वैसा नहीं होता जैसा कोई इंसान बनाता। इसे ठीक करने के लिए, उन्होंने AI को एक नए प्रकार का 'शिक्षक का ग्रेड' दिया। केवल यह जाँचने के बजाय कि स्तर खेलने योग्य है या नहीं, AI को बोनस अंक मिलते हैं यदि उसकी रचना वास्तविक मानव डिज़ाइनरों द्वारा बनाए गए स्तरों के समान दिखती और महसूस होती है। उन्होंने इसका परीक्षण 5,000 मानव-निर्मित स्तरों और 2,500 AI-जनित स्तरों के साथ एक 2D गेम वातावरण में किया। परिणाम बताते हैं कि यह नई विधि AI के स्तरों को बहुत अधिक "मानव-समान" बनाती है और स्केच या ड्राइंग के माध्यम से नियंत्रित करना आसान बनाती है, बिना विशिष्ट नियमों का पालन करने की क्षमता खोए। यह एक ऐसे भविष्य की ओर एक कदम है जहाँ आप और एक AI मिलकर गेम बना सकते हैं, जहाँ AI आपके रफ स्केच और रचनात्मक भावों को आपके टाइप किए गए कमांड की तरह ही अच्छी तरह समझ सकता है।

समस्या: रोबोट जो आपको "समझ" नहीं पाते

कल्पना कीजिए कि आप एक वीडियो गेम खेल रहे हैं, और आप स्तर को बदलना चाहते हैं। आप कह सकते हैं, "मैं एक लंबा, घुमावदार रास्ता चाहता हूँ जिसमें कुछ राक्षस कोनों में छिपे हों।" एक पारंपरिक गेम AI "लंबा रास्ता" और "राक्षस" शब्द सुन लेगा, लेकिन वह एक ऐसा रास्ता बना सकता है जो तकनीकी रूप से लंबा तो है लेकिन उबाऊ और सीधा महसूस होता है, या राक्षसों को ऐसी जगहों पर रख सकता है जिनका कोई अर्थ न हो। वह गणित का पालन करता है, लेकिन वह डिज़ाइन की आत्मा को मिस कर जाता है।

गेम लेवल बनाने के वर्तमान उपकरण (जिन्हें PCGRL कहा जाता है) सख्त नंबरों का पालन करने में बेहतरीन हैं। यदि आप कहते हैं "मैप को 16x16 टाइल्स का बनाओ," तो वे इसे पूरी तरह से करते हैं। लेकिन वे दो चीजों के लिए संघर्ष करते हैं:

1. सीमित इनपुट: वे आमतौर पर केवल संख्याओं या बहुत विशिष्ट टेक्स्ट को समझते हैं। वे वास्तव में आपके द्वारा कागज पर बनाए गए एक रफ ड्राइंग को "देख" नहीं सकते।
2. रोबोटिक शैली: भले ही वे नियमों का पालन करते हैं, लेकिन उनके द्वारा बनाए गए स्तर अक्सर ऐसे लगते हैं जैसे उन्हें मशीन द्वारा बनाया गया हो—बहुत सटीक, बहुत सममित (symmetrical), या बस एक मानव डिज़ाइनर की रचनात्मक "चमक" की कमी वाले।

शोधकर्ता एक ऐसा AI बनाना चाहते थे जो एक कैलकुलेटर के बजाय एक रचनात्मक साथी की तरह काम करे। वे एक ऐसा AI चाहते थे जो आपके टेक्स्ट विवरण, एक रफ स्केच, या यहाँ तक कि एक आंशिक लेवल मैप को ले सके, और उसे एक नए स्तर में बदल सके जो ऐसा महसूस करे जैसे उसे किसी इंसान ने डिज़ाइन किया हो।

समाधान: गेम डिज़ाइन के लिए एक सार्वभौमिक अनुवादक

टीम ने VIPCGRL बनाया, जिसका अर्थ है विज़न-इंस्ट्रक्शन प्रोसीजरल कंटेंट जनरेशन वाया रीइन्फोर्समेंट लर्निंग। मूल विचार AI को एक ही समय में तीन अलग-अलग भाषाएँ बोलना सिखाना है: टेक्स्ट, लेवल मैप्स, और स्केच।

ऐसा करने के लिए, उन्होंने एक "शेयर्ड लेटेंट स्पेस" (Shared Latent Space) बनाया। कल्पना कीजिए कि एक विशाल, अदृश्य लाइब्रेरी है जहाँ हर विचार एक अद्वितीय नंबर कोड के रूपв रूप में संग्रहीत है।

• यदि आप "एक संकरा रास्ता" लिखते हैं, तो AI उस टेक्स्ट को एक कोड में बदल देता है।
• यदि आप कागज पर एक संकरा रास्ता खींचते हैं, तो AI उस स्केच को एक कोड में बदल देता है।
• यदि आप एक संकरे रास्ते वाला मैप दिखाते हैं, तो AI उस मैप को एक कोड में बदल देता है।

जादू यह है कि AI को इस तरह प्रशिक्षित किया गया है कि "संकीर्ण रास्ता" का कोड, चाहे वह शब्द, ड्राइंग या मैप से आया हो, लगभग समान होता है। यह क्वाड्रुपल कॉन्ट्रास्टिव लर्निंग (Quadruple Contrastive Learning) नामक तकनीक का उपयोग करके किया जाता है। यह "मिलते-जुलते जोड़ों को खोजने" के खेल जैसा है। AI एक टेक्स्ट निर्देश, एक लेवल मैप, एक स्केच और निर्माता की शैली (इंसान बनाम AI) को देखता है। यह सीखता है कि समान चीजों को अपनी मेमोरी में एक-दूसरे के करीब कैसे लाया जाए और अलग चीजों को एक-दूसरे से दूर कैसे धकेला जाए।

उदाहरण के लिए, यदि आप AI को "संकीर्ण रास्ता" कहता है और एक संकरे रास्ते का स्केच दिखाते हैं, तो वह सीखता है कि ये दोनों कोड एक ही पड़ोस के हैं। लेकिन यदि आप उसे "चौड़ा खुला मैदान" का स्केच दिखाते हैं, तो वह सीखता है कि यह कोड पूरी तरह से अलग पड़ोस का है। महत्वपूर्ण बात यह है कि वह "मानव शैली" और "AI शैली" के कोड के बीच अंतर करना भी सीखता है, ताकि उसे पता चल सके कि उसे क्या लक्ष्य बनाना है।

गुप्त सूत्र: "मानव-सlikeness" (Human-Likeness) रिवॉर्ड

केवल एक अनुवादक होना पर्याप्त नहीं है; AI को यह भी जानना होगा कि क्या बनाना है। मानक प्रशिक्षण में, AI को केवल तभी रिवॉर्ड (पॉइंट) मिलता है जब वह नियमों का पालन करता है (जैसे, "क्या आपने रास्ता पर्याप्त लंबा बनाया?")।

शोधकर्ताओं ने एक नया नियम जोड़ा: द ह्यूमन-लाइकनेस रिवॉर्ड (The Human-Likeness Reward)।
हर बार जब AI एक स्तर बनाता है, वे इसकी तुलना वास्तविक मनुष्यों द्वारा बनाए गए स्तरों की लाइब्रेरी से करते हैं। वे यह मापने के लिए साझा कोड सिस्टम का उपयोग करते हैं कि AI का स्तर एक मानव के स्तर के कितने "करीब" है।

• यदि AI एक ऐसा स्तर बनाता है जो दिखता और महसूस होता है जैसे किसी इंसान ने इसे डिज़ाइन किया हो, तो उसे बोनस पॉइंट मिलता है।
• यदि वह कुछ ऐसा बनाता है जो रोबोटिक लगता है, तो उसे कम अंक मिलते हैं।

यह AI को न केवल नियमों का पालन करने, बल्कि मानव डिज़ाइनरों की शैली की नकल करने के लिए प्रोत्साहित करता है। यह एक ऐसे छात्र की तरह है जो न केवल गणित के सवाल का सही उत्तर देता है, बल्कि उसका समाधान उस सुंदर, रचनात्मक लिखावट में भी लिखता है जिसे शिक्षक पसंद करते हैं।

उन्होंने क्या पाया: बेहतर, अधिक मानव-समान और अधिक लचीला

टीम ने अपने सिस्टम का परीक्षण 2D गेम लेवल जनरेशन कार्य पर किया। उन्होंने VIPCGRL की तुलना पुराने तरीकों से की जो केवल टेक्स्ट या संख्याओं का उपयोग करते थे।

1. यह एक इंसान की तरह बोलता है (Human-Likeness):
जब उन्होंने यह मापा कि उत्पन्न स्तर मानव-निर्मित स्तरों के कितने समान थे, तो VIPCGRL का स्कोर काफी अधिक रहा।

• एक परीक्षण जिसे TPKL-Div कहा जाता है (जो स्थानीय पैटर्न की जाँच करता है), उसमें VIPCGRL पुराने तरीकों की तुलना में मानव डिज़ाइनों के बहुत करीब था।
• एक परीक्षण जिसे ViT-Sim कहा जाता है (जो बड़े पैमाने पर लुक की जाँच करता है), में भी इसमें सुधार हुआ।
• सबसे महत्वपूर्ण बात यह है कि जब वास्तविक मनुष्यों ने स्तरों को खेला और उन्हें रेट किया, तो उन्होंने VIPCGRL स्तरों को अधिक पसंद किया। मनुष्यों ने VIPCGRL की "मानव-समानता" को 7 में से 4.25 रेटिंग दी, जबकि पिछले सर्वश्रेष्ठ तरीके की रेटिंग 2.90 थी। यह अंतर सांख्यिकीय रूप से महत्वपूर्ण था, जिसका अर्थ है कि यह केवल किस्मत नहीं थी।

2. यह स्केच और मैप को समझता है (Multi-Modal Control):
AI को मुख्य रूप से टेक्स्ट निर्देशों पर प्रशिक्षित किया गया था, लेकिन साझा भाषा के कारण, यह परीक्षण के दौरान स्केच और लेवल मैप को भी इनपुट के रूप में ले सकता था।

• भले ही AI को विशेष रूप से स्केच पर प्रशिक्षित नहीं किया गया था, फिर भी वह एक ड्राइंग के आधार पर स्तर बना सकता था।
• स्केच के लिए नियंत्रणशीलता (निर्देश का पालन करना) टेक्स्ट की तुलना में थोड़ी कम थी, लेकिन फिर भी यह रैंडम अनुमान लगाने से बहुत बेहतर थी।
• यह साबित करता है कि "साझा लाइब्रेरी" काम करती है: AI एक ड्राइंग को टेक्स्ट निर्देश के समान कोड में बदल सकता है और सही स्तर बना सकता है।

3. ट्रेड-ऑफ (Trade-Off):
इसमें एक छोटी सी कीमत चुकानी पड़ी। जैसे-जैसे शोधकर्ताओं ने "मानव-समानता" रिवॉर्ड बढ़ाया (AI को मानव दिखने के लिए अधिक प्रयास करने के लिए प्रेरित किया), AI सख्त संख्यात्मक नियमों (जैसे राक्षसों की सटीक संख्या तक पहुँचना) का पालन करने में थोड़ा कम सटीक हो गया। हालांकि, शोध पत्र में उल्लेख किया गया कि यह ट्रेड-ऑफ बहुत छोटा था। AI अपने कार्य में बहुत अच्छा बना रहा और साथ ही बहुत अधिक रचनात्मक और मानव-समान भी हो गया।

इसका भविष्य के लिए क्या अर्थ है

शोध पत्र सुझाव देता है कि AI को निर्देश देने के कई तरीकों (टेक्स्ट, ड्राइंग, मैप) को समझने के लिए शिक्षित करके और इसे मानव शैली की नकल करने के लिए पुरस्कृत करके, हम ऐसे उपकरण बना सकते हैं जो गेम डिज़ाइनरों के लिए बहुत बेहतर हों। केवल आदेशों का पालन करने वाले कैलकुलेटर के बजाय, AI एक रचनात्मक साथी बन जाता है जो आपके 'वाइब' (vibe) को समझता है।

शोधकर्ता उनकी सीमाओं को भी स्वीकार करते हैं। उनके "स्केच" कलाकारों के वास्तविक हाथ से बने रेखाचित्र नहीं, बल्कि मैप से कंप्यूटर-जनरेटेड थे। वे यह भी नोट करते हैं कि सिस्टम को दो चरणों में प्रशिक्षित किया जाता है (पहले भाषा सीखना, फिर निर्माण सीखना), जिससे यह नई, अजीब स्थितियों के अनुकूल होने में थोड़ा धीमा हो सकता है। लेकिन परिणाम एक स्पष्ट मार्ग दिखाते हैं: यदि हम चाहते हैं कि AI हमें बनाने में मदद करे, तो हमें इसे केवल एक रोबोट की तरह नहीं, बल्कि एक इंसान की तरह सोचने और महसूस करने के लिए सिखाना होगा।