Compiled AI: Deterministic Code Generation for LLM-Based Workflow Automation
यह शोध पत्र "कंपाइल्ड एआई" (Compiled AI) प्रस्तुत करता है, जो एक सिस्टम-उन्मुख प्रतिमान है जो उच्च-जोखिम वाले उद्यम वर्कफ़्लो में विश्वसनीयता, ऑडिटेबिलिटी और लागत दक्षता बढ़ाने के लिए एक संकलन चरण (compilation phase) के दौरान लार्ज लैंग्वेज मॉडल्स से नियत (deterministic), सत्यापित कोड आर्टिफैक्ट्स उत्पन्न करता है, जो स्वास्थ्य सेवा और दस्तावेज़ प्रसंस्करण कार्यों में प्रत्यक्ष रनटाइम इन्फरेंस की तुलना में महत्वपूर्ण प्रदर्शन और सुरक्षा सुधार 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 व्यस्त रेस्टोरेंट चलाते हैं। आपके पास ऑर्डर संभालने के दो तरीके हैं:
पुराना तरीका (वर्तमान AI एजेंट्स):
हर बार जब कोई ग्राहक आता है, तो आप अपने हेड शेफ (AI) को डाइनिंग रूम में बुलाते हैं। शेफ ऑर्डर पढ़ता है, मेनू के बारे में सोचता है, फ्रिज चेक करता है, यह तय करता है कि खाना कैसे बनाना है, और फिर किचन स्टाफ को निर्देश देता है कि क्या करना है।
- समस्या: शेफ को हर बार बुलाना महंगा पड़ता है। कभी-कभी शेफ थक जाता है या भ्रमित हो जाता है और एक ही ऑर्डर के लिए थोड़े अलग निर्देश दे देता है (नॉन-डिटरमिनिस्टिक)। अगर शेफ गलती करता है, तो पूरा किचन रुक जाता है। और अगर कोई ग्राहक शेफ को किसी अजीब अनुरोध से बहलाने की कोशिश करता है, तो शेफ गलती से गुप्त रेसिपी (सीक्रेट रेसिपी) बता सकता है (सुरक्षा जोखिम)।
नया तरीका (कंपाइल्ड AI):
हर बार शेफ को बुलाने के बजाय, आप दिन की शुरुआत में उसे एक बार बुलाते हैं। आप कहते हैं, "यह रहा मेनू, ये रहे नियम, और हर संभव ऑर्डर को संभालने का तरीका यह है।" शेफ किचन स्टाफ के लिए एक सटीक, स्टेप-बाय-स्टेप निर्देश पुस्तिका (कोड) लिख देता है।
- परिणाम: अब, जब कोई ग्राहक ऑर्डर देता है, तो किचन स्टाफ बस उस मैनुअल का पालन करता है। उन्हें दोबारा शेफ को बुलाने की जरूरत नहीं पड़ती।
- यह तेज़ है (शेफ का इंतज़ार करने की ज़रूरत नहीं)।
- यह सस्ता है (आपने शेफ को केवल एक बार भुगतान किया)।
- यह सुसंगत (कंसिस्टेंट) है (हर बर्गर बिल्कुल एक ही तरह से बनाया जाता है)।
- यह सुरक्षित है (शेफ ग्राहकों द्वारा बहलाने के लिए डाइनिंग रूम में मौजूद नहीं है)।
यह पेपर किस बारे में है?
यह पेपर आर्टिफिशियल इंटेलिजेंस का उपयोग करने का एक नया तरीका पेश करता है जिसे "कंपाइल्ड AI" (Compiled AI) कहा जाता है। लेखक (स्टैनफोर्ड, हार्वर्ड और XY.AI नामक एक कंपनी के शोधकर्ता) तर्क देते हैं कि कई महत्वपूर्ण व्यावसायिक कार्यों के लिए—विशेष रूप से हेल्थकेयर (स्वास्थ्य सेवा) में—हमें हर बार कार्य होने पर AI से सोचने के लिए नहीं कहना चाहिए। इसके बजाय, हमें AI का उपयोग नियमों को एक बार लिखने के लिए करना चाहिए, और फिर एक कंप्यूटर को उन नियमों का पालन करने देना चाहिए।
यहाँ मुख्य विचारों को सरल उपमाओं (analogies) के साथ समझाया गया है:
1. "कंपाइलर" बनाम "इंटरप्रेटर"
- इंटरप्रेटर (पुराना तरीका): AI एक अनुवादक की तरह है जो एक विदेशी वक्ता के बगल में खड़ा है, और हर वाक्य का वास्तविक समय (real-time) में अनुवाद कर रहा है। यह धीमा है और यदि अनुवादक विचलित हो जाए तो त्रुटियों की संभावना रहती है।
- कंपाइलर (नया तरीका): AI एक ऐसे अनुवादक की तरह है जो बैठता है, पूरी किताब का अंग्रेजी में अनुवाद करता है, और फिर वह किताब एक मूल वक्ता (native speaker) को पढ़ने के लिए दे देता है। मूल वक्ता (कंप्यूटर कोड) इसे तुरंत, पूरी तरह से और बिना किसी अनुवादक की आवश्यकता के पढ़ लेता है।
2. हेल्थकेयर को इसकी आवश्यकता क्यों है
अस्पतालों में, आप ऐसा रोबोट डॉक्टर नहीं रख सकते जो हर बार मरीज के आने पर दवा की खुराक या बीमा मंजूरी के नियमों का अनुमान लगाए।
- विश्वसनीयता: यदि AI मेडिकल बिल पर गलत अनुमान लगाता है, तो यह एक आपदा है। कंपाइल्ड AI के साथ, "नियमों" को उपयोग में लाने से पहले ही जांचा और परखा जाता है।
- ऑडिटेबिलिटी (लेखापरीक्षा योग्यता): यदि कोई नियामक पूछता है, "आपने इस बीमा दावे को क्यों खारिज किया?", तो आप कोड की एक विशिष्ट पंक्ति की ओर इशारा कर सकते हैं। आप उस "एहसास" की ओर इशारा नहीं कर सकते जो AI को हुआ था।
- लागत: अस्पताल लाखों दस्तावेज़ प्रोसेस करते हैं। हर इनवॉइस के लिए महंगे AI को बुलाना, हर कर्मचारी के लिए सैंडविच बनाने के लिए एक निजी शेफ को काम पर रखने जैसा है। यह बहुत महंगा है।
3. "कोड फैक्ट्री" पाइपलाइन
पेपर एक ऐसी प्रणाली का वर्णन करता है जो एक हाई-टेक फैक्ट्री की तरह काम करती है:
- ब्लूप्रिंट (खाका): एक इंसान एक सरल योजना (जैसे एक YAML फ़ाइल) लिखता है कि क्या किया जाना है।
- आर्किटेक्ट (LLM): AI उस ब्लूप्रिंट को देखता है और काम करने के लिए वास्तविक कंप्यूटर कोड लिखता है।
- सुरक्षा निरीक्षक (Safety Inspectors): कोड लाइव होने से पहले, यह चार सख्त जांचों से गुजरता है:
- सुरक्षा जांच (Security Check): क्या इसमें हैकर्स के लिए कोई गुप्त रास्ता है?
- व्याकरण जांच (Grammar Check): क्या कोड समझ में आता है?
- टेस्ट ड्राइव (Test Drive): क्या यह नकली डेटा पर काम करता है?
- सटीकता जांच (Accuracy Check): क्या यह सही उत्तर देता है?
- असेंबली लाइन: यदि यह पास हो जाता है, तो यह एक स्थायी रोबोट बन जाता है जो 24/7 चलता है। यदि यह विफल होता है, तो AI फिर से प्रयास करता है।
4. परिणाम: गति और बचत
शोधकर्ताओं ने दो चीजों पर इसका परीक्षण किया:
- फंक्शन कॉलिंग (Function Calling): AI से सही टूल चुनने के लिए कहना (जैसे "डेटाबेस को कॉल करें")।
- परिणाम: कुछ सौ उपयोगों के बाद, नया तरीका 450 गुना तेज़ था और "टोकन" (AI की मुद्रा) में 57 गुना कम पैसा खर्च हुआ।
- डॉक्यूमेंट इंटेलिजेंस (Document Intelligence): विभिन्न कंपनियों के अस्त-व्यस्त इनवॉइस को पढ़ना।
- परिणाम: अव्यवस्थित कागजात के बावजूद, इस सिस्टम ने बेहतरीन AI की सटीकता के बराबर प्रदर्शन किया, लेकिन इसे एक मानक कंप्यूटर प्रोग्राम की गति और सुरक्षा के साथ किया।
निचोड़ (The Bottom Line)
यह पेपर सुझाव देता है कि बड़े, उबाऊ और उच्च-जोखिम वाले कामों (जैसे बीमा दावे प्रोसेस करना, बिलिंग, या मेडिकल रिकॉर्ड की जांच करना) के लिए, हमें वास्तविक समय में AI से "सोचने" के लिए कहना बंद कर देना चाहिए। इसके बजाय, हमें AI से निर्देश लिखने के लिए कहना चाहिए, उन निर्देशों को सुरक्षा के लिए जांचना चाहिए, और फिर एक तेज़, सस्ते और सटीक कंप्यूटर को उन्हें हमेशा के लिए पालन करने देना चाहिए।
यह हर मीटिंग के लिए एक प्रतिभाशाली सलाहकार को कमरे में रखने बनाम एक पूर्ण, लिखित नीति होने के बीच का अंतर है जिसे हर कोई स्वचालित रूप से पालन करता 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।