The Belief-Desire-Intention Ontology for modelling mental reality and agency
यह शोधपत्र एक औपचारिक, मॉड्यूलर बिलीफ-डिज़ायर-इंटेंशन (BDI) ऑन्टोलॉजी प्रस्तुत करता है जिसे डिक्लेरेटिव और प्रोसीजरल इंटेलिजेंस के बीच सेतु बनाने के लिए डिज़ाइन किया गया है, जो लार्ज लैंग्वेज मॉडल की सुसंगतता को बढ़ाने और न्यूरो-सिंबोलिक सिस्टम के भीतर RDF ट्रिपल्स और एजेंट मानसिक अवस्थाओं के बीच द्विआयामी तर्क को सक्षम करने में इसकी प्रभावकारिता को प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक ऐसा रोबोट बनाने की कोशिश कर रहे हैं जो केवल आदेशों की एक कठोर सूची का पालन नहीं करता, बल्कि वास्तव में एक इंसान की तरह सोचता है। यह आर्टिफिशियल इंटेलिजेंस की दुनिया है, विशेष रूप से "संज्ञानात्मक विज्ञान" (cognitive science) नामक एक शाखा, जहाँ शोधकर्ता मशीनों को एक मन देने का प्रयास करते हैं। ऐसा करने के लिए, वे अक्सर एक प्रसिद्ध मानसिक नुस्खे का उपयोग करते हैं जिसे BDI कहा जाता है: Beliefs (विश्वास - जो रोबोट दुनिया के बारे में सच मानता है), Desires (इच्छाएं - जो वह चाहता है कि घटित हो), और Intentions (इरादे - जो उसने वास्तव में करने का निर्णय लिया है)। इसे एक वीडियो गेम के पात्र की तरह समझें: उसे विश्वास है कि गुफा में एक ड्रैगन है, वह खजाना पाने की इच्छा रखता है, और इसलिए वह अपनी तलवार उठाने और लड़ने का इरादा बनाता है। दशकों से, वैज्ञानिक स्मार्ट एजेंट बनाने के लिए इस नुस्खे का उपयोग करते आए हैं, लेकिन एक समस्या है: ये "मन" अक्सर अलग-अलग भाषाएँ बोलते हैं। एक रोबोट एक "विश्वास" को इस तरह वर्णित कर सकता है जिसे दूसरा रोबोट समझ नहीं पाता, जिससे उनके लिए मिलकर काम करना या मनुष्यों के लिए उनके निर्णयों पर भरोसा करना कठिन हो जाता है। हमें एक सार्वभौमिक शब्दकोश की आवश्यकता है—एक साझा मानचित्र कि कैसे ये मानसिक अवस्थाएँ आपस में जुड़ती हैं—ताकि AI पारदर्शी, तार्किक हो सके और यह समझा सके कि उसने वह कार्य क्यों किया।
यह शोध पत्र उस सार्वभौमिक शब्दकोश को प्रस्तुत करता है। लेखकों ने एक औपचारिक "BDI ऑन्टोलॉजी" (Ontology) बनाई है, जो अनिवार्य रूप से एक अत्यधिक संरचित, कंप्यूटर-पठनीय ब्लूप्रिंट है कि एक तर्कसंगत एजेंट का मन कैसे कार्य करता है। BDI मॉडल का केवल शब्दों में वर्णन करने के बजाय, उन्होंने "eXtreme Design" नामक एक विधि का उपयोग करके एक कठोर मानचित्र बनाया, जो विशिष्ट प्रश्न पूछने से शुरू होता है (जैसे "इस विचार को किसने प्रेरित किया?" या "यह इच्छा कब शुरू हुई?") और फिर उन प्रश्नों के उत्तर देने के लिए मानचित्र का निर्माण करता है। उन्होंने केवल मानचित्र नहीं बनाया; उन्होंने यह देखने के लिए कि क्या यह वास्तव में काम करता है, इसे दो बहुत अलग तरीकों से परखा।
सबसे पहले, उन्होंने इस मानचित्र का उपयोग करके एक अत्यंत बुद्धिमान AI चैटबॉट (एक लार्ज लैंग्वेज मॉडल) को प्रशिक्षित करने का प्रयास किया। उन्होंने AI को विभिन्न स्थितियों में एक रोबोट को क्या करना चाहिए, इससे संबंधित तर्क संबंधी पहेलियाँ हल करने के लिए कहा। जब AI को मार्गदर्शक के रूप में यह BDI मानचित्र दिया गया, तो वह विरोधाभासों को पकड़ने में बेहतर हो गया। उदाहरण के लिए, यदि एक रोबोट का विश्वास है कि वह घर पर है लेकिन वह होटल में चेक-इन करने की इच्छा रखता है, तो मानचित्र ने AI को यह समझने में मदद की कि यह एक तार्किक गड़बड़ी है और यह स्पष्ट व्याख्या उत्पन्न करने में मदद की कि रोबोट को ऐसा क्यों नहीं करना चाहिए। परिणाम बताते हैं कि AI को इस तरह की संरचित "मानसिक व्याकरण" देने से यह अधिक सुसंगत और व्याख्या योग्य उत्तर देने में सक्षम होता है, हालांकि लेखक यह नोट करते हैं कि यह एक छोटा परीक्षण था और यह मानचित्र हर त्रुटि के लिए जादुई समाधान नहीं है।
दूसक, उन्होंने इस मानचित्र को SEMAS नामक एक कामकाजी रोबोट सिस्टम में जोड़ा। यहाँ, मानचित्र ने रोबोट के आंतरिक विचारों और वास्तविक दुनिया के बीच एक सेतु के रूप में कार्य किया। उन्होंने दिखाया कि कैसे एक रोबोट कच्चे डेटा (जैसे वैज्ञानिकों के बारे में तथ्यों की एक सूची) को "विश्वासों" में बदल सकता है, अगला कदम उठाने के लिए BDI नियमों का उपयोग कर सकता है, और फिर अपने निर्णयों को वापस डेटा में बदल सकता है। यह एक अनुवादक की तरह है जो रोबोट के आंतरिक "मन" को इंटरनेट के "ज्ञान आधार" (knowledge base) से सीधे बात करने में सक्षम बनाता है।
यह शोध पत्र निष्कर्ष निकालता है कि यह BDI ऑन्टोलॉजी सफलतापूर्वक एक "वैचारिक और परिचालन सेतु" के रूप में कार्य करती है। यह एक एजेंट क्या सोचता है, इसके अमूर्त विचार को उस कोड से जोड़ती है जो एजेंट को संचालित करता है। जबकि लेखक सावधानी बरतते हुए कहते हैं कि यह एक आधारभूत कदम है और कोई पूर्ण उत्पाद नहीं है, उनके प्रयोग सुझाव देते हैं कि इस तरह की साझा, सटीक भाषा का उपयोग करने से AI सिस्टम अधिक पारदर्शी और अपने स्वयं के विचारों के बारे में तर्क करने में सक्षम होते हैं। उनका तर्क है कि अगली पीढ़ी के AI के वास्तव में स्मार्ट और भरोसेमंद होने के लिए, इसे विश्वास, इच्छा और इरादे के आपस में जुड़ने के इस प्रकार के संरचित, साझा समझ की आवश्यकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।