GenAI for Systems: Recurring Challenges and Design Principles from Software to Silicon
यह शोध पत्र सॉफ्टवेयर, आर्किटेक्चर और चिप डिज़ाइन के माध्यम से अनुसंधान को संश्लेषित करता है ताकि सिस्टम में जनरेटिव एआई (Generative AI) को लागू करने में पांच आवर्ती चुनौतियों और पांच अभिसरण सिद्धांतों को प्रकट किया जा सके, और क्रॉस-कम्युनिटी प्रगति को बढ़ावा देने के लिए एक एकीकृत चुनौती-सिद्धांत मानचित्र और साझा इंजीनियरिंग पद्धति का प्रस्ताव दिया जा सके।
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 दुनिया का सबसे जटिल और उत्तम शहर बनाने की कोशिश कर रहे हैं। इस शहर के तीन मुख्य जिले हैं:
- सॉफ्टवेयर जिला: जहाँ नियम, कानून और दैनिक निर्देश लिखे जाते हैं (कोड)।
- आर्किटेक्चर जिला: जहाँ इमारतों और सड़कों के ब्लूप्रिंट डिज़ाइन किए जाते हैं (हार्डवेयर डिज़ाइन)।
- सिलिकॉन जिला: जहाँ वास्तविक ईंटें, पाइप और तार बिछाकर भौतिक शहर का निर्माण किया जाता है (चिप निर्माण)।
दशकों तक, इस शहर का निर्माण एक धीमी, मैनुअल निर्माण परियोजना की तरह था। विशेषज्ञों को हर रेखा हाथ से खींचनी पड़ती थी, हर ईंट की जाँच करनी पड़ती थी, और कुछ भी बनाने से पहले महीनों तक ट्रैफिक जाम का सिम्युलेशन करना पड़ता था। यह महंगा, धीमा और मानवीय त्रुटियों से भरा था।
अब, जेनरेटिव एआई (Generative AI) आ गया है। यह एक ऐसी सुपर-फास्ट, अविश्वसनीय रूप से रचनात्मक आर्किटेक्ट्स की टीम को काम पर रखने जैसा है जो एक इंसान के कॉफी पीने के समय में हज़ार शहर के प्लान तैयार कर सकते हैं। लेकिन यहाँ एक पेंच है: सिर्फ इसलिए कि वे तेज़ी से ड्रा कर सकते हैं, इसका मतलब यह नहीं है कि शहर काम करेगा।
यह शोध पत्र एक व्यापक अध्ययन है कि क्या होता है जब हम इन एआई आर्किटेक्ट्स को हमारे कंप्यूटिंग "शहरों" के निर्माण की कमान सौंप देते हैं। लेखकों ने 275 से अधिक विभिन्न शोध पत्रों का अध्ययन किया और महसूस किया कि: आप शहर के जिस भी जिले को देखें, वही पाँच समस्याएँ बार-बार सामने आती हैं, और वही पाँच समाधान काम करते हैं।
सरल उपमाओं का उपयोग करके इस शोध पत्र का विवरण यहाँ दिया गया है।
5 बड़ी समस्याएँ (शहर निर्माण के संकट)
सुपर-फास्ट एआई के साथ भी, एक विश्वसनीय प्रणाली बनाना कठिन है क्योंकि ये पाँच आवर्ती सिरदर्द मौजूद हैं:
1. "तेज़ ड्राफ्ट, धीमी जाँच" का संकट (फीडबैक लूप संकट)
- उपमा: कल्पना कीजिए कि एआई आर्किटेक्ट एक सेकंड में 1,000 बिल्डिंग डिज़ाइन बना सकता है। लेकिन सिटी इंस्पेक्टर (सिम्युलेटर या टेस्ट) को यह जाँचने में तीन दिन लगते हैं कि इमारत वास्तव में खड़ी रहेगी या नहीं।
- समस्या: एआई इतनी तेज़ी से चल रहा है कि वह इंस्पेक्टर का इंतज़ार कर रहा है। यदि आपको हर उत्तर के लिए दिनों तक इंतज़ार करना पड़े, तो आप सीख या सुधार नहीं कर सकते।
- समाधान: आपको "मिनी-इंस्पेक्टर्स" (सरोगेट मॉडल) बनाने की आवश्यकता है जो तुरंत एक त्वरित "शायद" वाला उत्तर दे सकें, ताकि एआई आगे बढ़ सके, और अंतिम जाँच के लिए केवल धीमे, असली इंस्पेक्टर को ही बुलाया जाए।
2. "अलिखित नियम" की समस्या (टैसिट नॉलेज/अंतर्निहित ज्ञान)
- उपमा: एक एआई व्याकरण के नियम सीख सकता है, लेकिन उसे यह नहीं पता होगा कि इस विशिष्ट शहर में, आप हमेशा पार्क के बगल में बेकरी क्यों रखते हैं क्योंकि मेयर को उसकी खुशबू पसंद है। यह "टैसिट नॉलेज" है—ऐसी चीजें जिन्हें विशेषज्ञ जानते हैं लेकिन उन्होंने कभी मैनुअल में नहीं लिखा।
- समस्या: एआई डेटा से सीखने की कोशिश करता है, लेकिन वह उन अदृश्य, अलिखित आदतों और शॉर्टकट को मिस कर देता है जिनका उपयोग मानव विशेषज्ञों ने 50 वर्षों से किया है।
- समाधान: आपको एआई को इन अलिखित नियमों को खोजने के लिए (एक लाइब्रेरियन की तरह) सिखाना होगा या एआई को पुराने-स्कूल के विशेषज्ञ टूल्स के साथ जोड़ना होगा जो पहले से ही नियमों को जानते हैं।
3. "मुझ पर विश्वास करो, भाई" की समस्या (विश्वास और सत्यापन)
- उपमा: यदि कोई एआई एक पुल डिज़ाइन करता है, तो आप केवल यह नहीं कह सकते कि, "यह कूल लग रहा है, चलो इस पर ट्रक चलाते हैं।" आपको गणित की दोबारा जाँच करने के लिए एक अलग इंजीनियर की आवश्यकता है।
- समस्या: जैसे-जैसे एआई जीवन-या-मृत्यु के निर्णय लेने (जैसे चिप सुरक्षा) के करीब पहुँच रहा है, हम अकेले इस पर भरोसा नहीं कर सकते कि यह पूर्ण है। यदि यह गलती करता है, तो पूरा चिप बेकार है।
- समाधान: एआई को कभी भी जज और जूरी न बनने दें। एक "जेनेरेटर" (एआई) का उपयोग करें जो डिज़ाइन बनाए, और एक अलग "वेरिफायर" (एक सख्त, पुराने-स्कूल का टूल) का उपयोग करें जो इसकी जाँच करे। यदि वेरिफायर "ना" कहता है, तो डिज़ाइन खत्म।
4. "अलग-थलग विभाग" की समस्या (को-डिज़ाइन)
- उपमा: कल्पना कीजिए कि जो व्यक्ति सड़कों का डिज़ाइन बना रहा है वह उस व्यक्ति से बात नहीं करता जो ट्रैफिक लाइट डिज़ाइन कर रहा है। सड़कें एकदम सही हैं, लेकिन लाइटें बहुत छोटी हैं, जिससे भारी जाम लग जाता है।
- समस्या: कंप्यूटिंग में, सॉफ्टवेयर, हार्डवेयर और चिप डिज़ाइन आमतौर पर अलग-अलग टीमों द्वारा अलग-अलग उपकरणों का उपयोग करके किए जाते हैं। एक हिस्से को अलग से अनुकूलित (optimize) करने से अक्सर पूरा सिस्टम बिगड़ जाता है।
- समाधान: आपको पूरे शहर को एक साथ डिज़ाइन करना होगा। एआई को यह समझने की आवश्यकता है कि सॉफ्टवेयर में बदलाव भौतिक चिप को कैसे प्रभावित करता है, और इसके विपरीत भी।
5. "स्थिर बनाम गतिशील" बदलाव (डिटरमिनिज्म से डायनामिज्म तक)
- उपमा: पुराने शहर एक निश्चित जनसंख्या के लिए बनाए गए थे। नए शहरों को रश ऑवर, त्योहारों और अचानक जनसंख्या वृद्धि को संभालना चाहिए।
- समseits: कंप्यूटर पहले अनुमानित (deterministic) होते थे। अब, एआई वर्कलोड के साथ, ट्रैफिक पैटर्न हर सेकंड बदलता है। "सोमवार" के लिए बना सिस्टम "मंगलवार" को क्रैश हो सकता है।
- समाधान: हमें ऐसे एआई की आवश्यकता है जो ऑन-द-फ्लाई अनुकूलित हो सके, जो अभी क्या हो रहा है के आधार पर अपना व्यवहार बदल सके, न कि एक कठोर, पूर्व-लिखित स्क्रिप्ट का पालन करे।
5 स्वर्णिम नियम (डिज़ाइन सिद्धांत)
शोध पत्र में पाया गया कि सबसे स्मार्ट टीमें एआई के साथ इंसानों या पुराने टूल्स को बदलने की कोशिश नहीं कर रही हैं। इसके बजाय, वे इन पाँच नियमों का पालन कर रही हैं:
- "हाइब्रिड" दृष्टिकोण: पुराने टूल्स को फेंकें नहीं। एआई की रचनात्मकता को पुराने-स्कूल के टूल्स की विश्वसनीयता के साथ मिलाएं। इसे एक को-पायलट के रूप में सोचें: एआई रास्ता सुझाता है, लेकिन पुराना GPS ट्रैफिक नियमों की जाँच करता है।
- "निरंतर फीडबैक" के लिए डिज़ाइन करें: अंत तक प्रतीक्षा न करें। एक ऐसा सिस्टम बनाएं जहाँ एआई को हर छोटे कदम के बाद त्वरित "थम्स अप या डाउन" मिले। यह एक वीडियो गेम खेलने जैसा है जहाँ आपको लेवल के अंत तक परिणाम देखने के बजाय हर चाल के लिए तुरंत अंक मिलते हैं।
- भूमिकाएं अलग करें, टूल्स नहीं: एक एआई से सब कुछ करने के लिए न कहें। एक एआई को कोड लिखने दें, दूसरा उसे जाँचने के लिए, और एक इंसान जो निर्णय ले। यह एक रसोई की तरह है: शेफ खाना बनाता है, सू-शेफ स्वाद चखता है, और मैनेजर अनुमोदन देता है।
- काम के अनुसार टूल चुनें: अखरोट तोड़ने के लिए हथौड़े का उपयोग न करें। यदि समस्या छोटी और संरचित है, तो एक सरल, तेज़ एआई का उपयोग करें। यदि समस्या बहुत बड़ी और अव्यवस्थित है, तो एक शक्तिशाली, जटिल एआई का उपयोग करें। ताले के लिए सही चाबी का उपयोग करें।
- दिग्गजों के कंधों पर खड़े हों: पहिये का पुन: आविष्कार करने की कोशिश न करें। दशकों के ज्ञान, बेंचमार्क और नियमों का उपयोग करें जो इंजीनियरों ने पहले से ही बनाए हैं। एआई को मानव ज्ञान का विस्तार करने दें, न कि उसे बदलने दें।
बड़ी तस्वीर: "मैच्योरिटी मैप" (परिपक्वता मानचित्र)
लेखकों ने एक मानचित्र बनाया है जो दिखाता है कि सिस्टम आमतौर पर कैसे विकसित होते हैं:
- चरण 1: आप एआई को इंस्पेक्टर से तेज़ बात करने के लिए बनाने से शुरुआत करते हैं (फीडबैक लूप को हल करना)।
- चरण 2: एक बार जब यह तेज़ हो जाता है, तो आपको एहसास होता है कि एआई गलतियाँ कर रहा है, इसलिए आप ट्रस्ट और वैलिडेशन पर ध्यान केंद्रित करते हैं (यह सुनिश्चित करना कि यह सही है)।
- चरण 3: एक बार जब यह तेज़ और सही हो जाता है, तो आपको एहसास होता है कि यह सिस्टम के अन्य हिस्सों से बात नहीं कर रहा है, इसलिए आप को-डिज़ाइन पर ध्यान केंद्रित करते हैं (यह सुनिश्चित करना कि पूरा शहर मिलकर काम करे)।
यह क्यों मायने रखता है
अभी, हर टीम इन समस्याओं को शून्य से हल करने की कोशिश कर रही है। सॉफ्टवेयर टीम उस पहिये का पुन: आविष्कार कर रही है जिसे चिप टीम पहले ही हल कर चुकी है।
यह शोध पत्र तर्क देता है कि हमें साइलो (अलग-थलग विभागों) में काम करना बंद करना होगा। हमें एक साझा भाषा और एक साझा प्लेबुक की आवश्यकता है। यदि हम इन पाँच समस्याओं और पाँच समाधानों पर सहमत हो सकते हैं, तो हम केवल बेहतर चिप या तेज़ कोड नहीं बना रहे होंगे; हम एक ऐसा भविष्य बना रहे होंगे जहाँ एआई और इंसान मिलकर ऐसे सिस्टम बनाएंगे जो अकेले बनाए गए किसी भी सिस्टम की तुलना में तेज़, सुरक्षित और स्मार्ट होंगे।
संक्षेप में: जेनरेटिव एआई एक शक्तिशाली नया इंजन है, लेकिन इसे सुरक्षित रूप से चलाने के लिए, हमें हर बार कार को शून्य से बनाने की कोशिश करना बंद करना होगा और उन सिद्ध रोडमैप और सुरक्षा जाँचों का उपयोग करना शुरू करना होगा जो हमारे पास पहले से ही हैं।
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।