TempoNet: Slack-Quantized Transformer-Guided Reinforcement Scheduler for Adaptive Deadline-Centric Real-Time Dispatchs

एक हलचल भरे शहर की कल्पना करें जहाँ हजारों डिलीवरी ड्राइवर घड़ी के खिलाफ दौड़ रहे हैं। कुछ पैकेज पाँच मिनट में पहुँचने चाहिए; अन्य एक घंटे तक प्रतीक्षा कर सकते हैं। शहर का ट्रैफिक कंट्रोल सेंटर ड्राइवरों को निर्देशित करने के लिए पुलिस अधिकारियों (कंप्यूटरों) की एक सीमित संख्या रखता है। यदि केंद्र गलत निर्णय लेता है, तो एक महत्वपूर्ण पैकेज अपनी समय सीमा चूक जाता है, और पूरा सिस्टम क्रैश हो सकता है। यह रियल-टाइम शेड्यूलिंग (real-time scheduling) की दुनिया है, जो कंप्यूटर विज्ञान की एक शाखा है जो इस बात पर समर्पित है कि किसे, कब, एक संसाधन (जैसे प्रोसेसर) का उपयोग करने की अनुमति दी जाए। दशकों से, विशेषज्ञों ने इस यातायात को प्रबंधित करने के लिए सख्त गणितीय नियमों का उपयोग किया है। ये नियम तब पूरी तरह से काम करते हैं जब सब कुछ सुचारू रूप से चलता है, लेकिन जब शहर अराजक हो जाता है—जब एक साथ बहुत सारे पैकेज आते हैं या कोई ड्राइवर ट्रैफिक में फंस जाता है—तो वे पुराने नियम अक्सर टूट जाते हैं, जिससे डेडलाइन छूट जाती है और अफरा-तफरी मच जाती है।

यहाँ रीइन्फोर्समेंट लर्निंग (Reinforcement Learning - RL) आता है, जो आर्टिफिशियल इंटेलिजेंस का एक प्रकार है जो 'ट्रायल एंड एरर' (प्रयास और त्रुटि) के माध्यम से सीखता है, ठीक वैसे ही जैसे एक वीडियो गेम का पात्र एक लेवल को जीतने के लिए सीखता है। एक कठोर नियम पुस्तिका का पालन करने के बजाय, एक RL एजेंट विभिन्न रणनीतियों को आजमाता है, अच्छे मूव्स के लिए अंक प्राप्त करता है, और बुरे मूव्स के लिए अंक खोता है, और अंततः अराजकता को संभालने का सबसे अच्छा तरीका खोज लेता है। हालाँकि, एक AI को ट्रैफिक पुलिस सिखाना कठिन है। इसे अविश्वसनीय रूप से तेज़ होना चाहिए (मिलीसेकंड में निर्णय लेना) और इसे यह समझना चाहिए कि एक सेकंड में समाप्त होने वाले पैकेज और एक मिनट में समाप्त होने वाले पैकेज में बहुत अंतर है। यदि AI भ्रमित हो जाता है या सोचने में बहुत अधिक समय लेता है, तो सिस्टम विफल हो जाता है।

यहीं TempoNet नामक एक नया आविष्कार आता है। TempoNet को एक सुपर-स्मार्ट, अल्ट्रा-फास्ट ट्रैफिक कंट्रोलर के रूप में समझें जो केवल पैकेजों की सूची नहीं देखता है; बल्कि यह प्रत्येक की तात्कालिकता को महसूस करता है। TempoNet के पीछे के शोधकर्ताओं ने एक ऐसा सिस्टम बनाया है जो एक शक्तिशाली AI मस्तिष्क (एक ट्रांसफॉर्मर, वही तकनीक जो कई आधुनिक चैटबॉट्स के पीछे है) को समय मापने की एक चतुर तकनीक के साथ जोड़ता है। सटीक सेकंडों की गणना करने के बजाय, जो जटिल और धीमा हो सकता है, TempoNet समय को "अर्जेंसी बकेट्स" (urgency buckets - तात्कालिकता के डिब्बों) में तोड़ देता है। यह पूछता है, "क्या यह कार्य अत्यंत आवश्यक है, बस आवश्यक है, या यह प्रतीक्षा कर सकता है?" और उस भावना को एक विशेष 'टोकन' असाइन करता है। ऐसा करके, AI सैकड़ों कार्यों की एक अराजक भीड़ को देख सकता है, तुरंत सबसे महत्वपूर्ण कार्यों की पहचान कर सकता है, और उन्हें सही प्रोसेसरों को सौंप सकता है बिना अभिभूत हुए।

यह पेपर TempoNet को कंप्यूटरों पर कार्यों को शेड्यूल करने के एक नए तरीके के रूप में प्रस्तुत करता है, जो विशेष रूप से उन स्थितियों के लिए डिज़ाइन किया गया है जहाँ डेडलाइन चूकना एक बड़ी समस्या हो सकती है। शोधकर्ताओं ने पाया कि इस "अर्जेंसी बकेट" प्रणाली का उपयोग करके, उनका AI पुराने गणितीय नियमों और अन्य AI तरीकों दोनों की तुलना में बेहतर निर्णय ले सकता है, विशेष रूप से तब जब सिस्टम भारी दबाव में हो। सैकड़ों कार्यों के परीक्षणों में, TempoNet ने अपने प्रतिस्पर्धियों की तुलना में अधिक कार्यों को समय पर पूरा किया, जबकि इसने अपने निर्णयों को अविश्वसनीय रूप से तेज़ भी रखा—इतना तेज़ कि वास्तविक कंप्यूटर चिप्स पर बिना किसी देरी के चल सके। यह सुझाव देता है कि AI को समय के बारे में अधिक मानवीय, "तत्काल बनाम गैर-तत्काल" तरीके से सोचने के लिए सिखाकर, हम क्लाउड सर्वर से लेकर सेल्फ-ड्राइविंग कारों तक के लिए स्मार्ट और अधिक विश्वसनीय सिस्टम बना सकते हैं।

समस्या: समय का ट्रैफिक जाम

कल्पना कीजिए कि आप शेफ (प्रोसेसरों) की एक सीमित संख्या वाले व्यस्त किचन के मैनेजर हैं। ऑर्डर (कार्य) लगातार आ रहे हैं। कुछ ऑर्डर एक साधारण सलाद के लिए हैं जिसे 2 मिनट में बनाना है, लेकिन उसे 3 मिनट के भीतर परोसा जाना चाहिए। अन्य एक जटिल स्टेक के लिए हैं जिसे 10 मिनट में बनाना है, लेकिन ग्राहक 20 मिनट तक प्रतीक्षा करने के लिए तैयार है।

पुराने दिनों में, किचन मैनेजर एक सख्त नियम पुस्तिका का उपयोग करता था: "हमेशा उस ऑर्डर को पकाएं जिसकी डेडलाइन सबसे पहले हो।" यह तब बहुत अच्छा काम करता है जब किचन शांत होता है। लेकिन क्या होगा यदि एक साथ 50 ऑर्डर आ जाएं? नियम पुस्तिका परफेक्ट ऑर्डर तय करने में फंस सकती है, या यह स्टेक को पहले पकाना शुरू कर सकती है क्योंकि वह "महत्वपूर्ण" है, जिससे सलाद जल सकता है (डेडलाइन चूक सकती है)।

यही वह समस्या है जिसे TempoNet हल करता है। यह एक नए प्रकार का मैनेजर है जो केवल नियम पुस्तिका का पालन नहीं करता है; यह अनुभव से सीखता है। लेकिन सीखने के लिए, इसे समय को इस तरह समझने की आवश्यकता है जिसे कंप्यूटर तेजी से प्रोसेस कर सकें।

सीक्रेट सॉस: "अर्जेंसी टोकनाइज़र" (Urgency Tokenizer)

इस पेपर की सबसे बड़ी सफलता एक चतुर उपकरण है जिसे अर्जेंसी टोकनाइज़र कहा जाता है।

कल्पना कीजिए कि आप अपने दोस्त को यह समझाने की कोशिश कर रहे हैं कि आप डेडलाइन के कितने करीब हैं। आप कह सकते हैं, "मेरे पास 3.427 मिनट बचे हैं।" यह सटीक है, लेकिन याद रखना कठिन है और इसमें गलती होने की संभावना अधिक है। या, आप कह सकते हैं, "मैं 'रेड ज़ोन' में हूँ!" या "मैं 'येलो ज़ोन' में हूँ!"

TempoNet बिल्कुल यही करता है। यह डेडलाइन से बचे हुए सटीक समय (जिसे "स्लैक" कहा जाता है) को लेता है और उसे कुछ अलग श्रेणियों या "बकेट्स" (डिब्बों) में फिट कर देता है।

• बकेट 1: "कुछ ही सेकंडों में खत्म होने वाला!" (अत्यंत आवश्यक)
• बकेट 2: "देरी हो रही है।" (आवश्यक)
• बकेट 3: "काफी समय है।" (आराम से)

एक बार जब समय इन बकेट्स में बँट जाता है, तो AI प्रत्येक को एक विशेष "टोकन" (जैसे एक रंगीन बैज) देता है। "रेड ज़ोन" बैज वाले कार्य को "येलो ज़ोन" कार्य की तुलना में अलग बैज मिलता है। यह बहुत बड़ी बात है क्योंकि यह समय की एक अव्यवस्थित, निरंतर संख्या को एक साफ, सरल लेबल में बदल देता है जिसे AI तुरंत समझ सकता है।

पेपर दिखाता है कि यह सरल ट्रिक AI को बहुत स्थिर बनाती है। समय के सूक्ष्म अंतर (जैसे 3.4 मिनट बनाम 3.5 मिनट) से भ्रमित होने के बजाय, AI बड़े चित्र पर ध्यान केंद्रित करता है: "यह कार्य रेड ज़ोन में है; इसे अभी मदद की जरूरत है।"

मस्तिष्क: एक ट्रांसफॉर्मर जिसे क्रम की परवाह नहीं है

अधिकांश AI मॉडल जो अनुक्रमों (जैसे वाक्य पढ़ने) को संभालते हैं, शब्दों के क्रम की परवाह करते हैं। "The cat sat on the mat" और "The mat sat on the cat" अलग हैं। लेकिन एक कंप्यूटर शेड्यूलर में, जिस क्रम में कार्य आते हैं उससे फर्क नहीं पड़ता। जो मायने रखता है वह कार्यों का सेट (समूह) है जो वर्तमान में प्रतीक्षा कर रहा है।

TempoNet एक ट्रांसफॉर्मर (एक प्रकार का AI जो संदर्भ समझने के लिए प्रसिद्ध है) का उपयोग करता है, लेकिन इसे परम्यूटेशन-इनवेरिएंट (permutation-invariant) बनाने के लिए संशोधित करता है। यह एक तकनीकी तरीका है कहने का: "इससे कोई फर्क नहीं पड़ता कि आप कार्यों को क्रम A, B, C या C, A, B के रूप में सूचीबद्ध करते हैं; AI कार्यों के उसी समूह को देखता है।"

इसे रियल-टाइम उपयोग के लिए पर्याप्त तेज़ बनाने के लिए, शोधकर्ताओं ने इसमें एक स्पार्स अटेंशन (sparse attention) मैकेनिज्म जोड़ा है। एक भीड़ भरे कमरे की कल्पना करें जहाँ हर कोई चिल्ला रहा है। एक सामान्य AI एक साथ सभी को सुनने की कोशिश करेगा, जो थकाऊ और धीमा है। हालाँकि, TempoNet केवल उन लोगों को सुनता है जो सबसे ज़ोर से चिल्ला रहे हैं (सबसे आवश्यक कार्य) और बाकी को अनदेखा कर देता है। यह सबसे महत्वपूर्ण कार्यों को चुनने के लिए "टॉप-के" (Top-k) चयन का उपयोग करता है, जिससे वह शोर को छोड़कर मुख्य बातों पर ध्यान केंद्रित कर पाता है। यह इसे सैकड़ों कार्यों को एक मिलीसेकंड से भी कम समय में संभालने की अनुमति देता है।

परिणाम: समय के खिलाफ दौड़ जीतना

शोधकर्ताओं ने तीन अलग-अलग परिदृश्यों में TempoNet का परीक्षण किया:

1. सिंगल शेफ: एक प्रोसेसर वाला एक साधारण किचन।
2. इंडस्ट्रियल किचन: मिश्रित कार्यों और कई शेफों वाला एक जटिल सेटअप।
3. सुपर-बिजी किचन: एक विशाल सिस्टम जिसमें एक साथ 600 कार्य चल रहे हैं।

परीक्षणों में, TempoNet ने लगातार प्रतिस्पर्धा को पछाड़ दिया।

• पुराने नियमों के विरुद्ध: जब सिस्टम ओवरलोडेड (बहुत अधिक कार्य) था, तो "अर्लिएस्ट डेडलाइन फर्स्ट" जैसे पारंपरिक नियम विफल होने लगे, जिससे डेडलाइन लगातार मिस होने लगीं। TempoNet ने अपना संयम बनाए रखा, और कठिन कार्यों पर 79% सफलता दर हासिल की, जहाँ पुराने नियमों (रेट मोनोटोनिक और अर्लिएस्ट डेडलाइन फर्स्ट) ने केवल 11.67% ही सफलता प्राप्त की।
• अन्य AI के विरुद्ध: इसने अन्य AI तरीकों को भी पीछे छोड़ दिया। 200 रैंडम टास्क सेट्स के एक परीक्षण में, TempoNet ने 87% की डेडलाइन कंप्लायंस रेट हासिल की, जो अगले सबसे अच्छे AI तरीकों (जो 86% और 87% के बीच थे) से थोड़ा आगे थी, और मानक डीप लर्निंग मॉडल्स से काफी बेहतर प्रदर्शन किया।
• गति: स्मार्ट होने के बावजूद, यह तेज़ था। एक मानक कंप्यूटर चिप पर, यह 600 कार्यों के लिए लगभग 375 माइक्रोसेकंड (यानी 0.000375 सेकंड) में निर्णय ले सकता था, जो रियल-टाइम सिस्टम की सीमाओं के भीतर है।

यह क्यों महत्वपूर्ण है

यह पेपर सुझाव देता है कि TempoNet कंप्यूटिंग के भविष्य के लिए एक व्यावहारिक ढांचा प्रदान करता है। जैसे-जैसे हमारे डिवाइस अधिक जटिल होते जा रहे हैं और अधिक डेटा को संभाल रहे हैं, कार्यों को प्रबंधित करने के पुराने तरीके काम नहीं आएंगे। हमें ऐसे सिस्टम की आवश्यकता है जो अराजकता के अनुकूल हो सकें।

समय को "अर्जेंसी टोकन" में बदलकर और केवल महत्वपूर्ण चीजों पर ध्यान केंद्रित करने के लिए एक स्मार्ट, तेज़ AI का उपयोग करके, TempoNet साबित करता है कि हम ऐसे शेड्यूलर बना सकते हैं जो अविश्वसनीय रूप से स्मार्ट और अविश्वसनीय रूप से तेज़ दोनों हों। यह केवल अधिक काम करने के बारे में नहीं है; यह सही काम को सही समय पर करने के बारे में है, तब भी जब दबाव अधिक हो।

शोधकर्ताओं ने यह भी नोट किया कि उनका सिस्टम लचीला है। इसे गति के अलावा ऊर्जा उपयोग या जोखिम के प्रति भी प्रशिक्षित किया जा सकता है। और यदि सिस्टम अचानक कार्यों की बाढ़ से अभिभूत हो जाता है, तो उन्होंने पाया कि सरल "रनटाइम मिटिगेशन्स" (जैसे अस्थायी रूप से यह बदलना कि वह कितने कार्यों को देखता है) इसे बिना पुन: प्रशिक्षित किए उबरने में मदद कर सकते हैं।

संक्षेप में, TempoNet डिजिटल दुनिया के लिए एक नए प्रकार का ट्रैफिक पुलिसकर्मी है, जो समय की तात्कालिकता को महसूस करना सीखता है और उसके अनुसार कार्य करता है, यह सुनिश्चित करता है कि सबसे महत्वपूर्ण पैकेज हमेशा समय पर डिलीवर हों।