🤖 machine learning

Multi-Task Optimization over Networks of Tasks

MONET एक नया मल्टी-टास्क ऑप्टिमाइज़ेशन एल्गोरिदम है जो कार्य स्थानों (task spaces) को ग्राफ के रूप में मॉडल करता है ताकि पड़ोसी कार्यों के बीच सामाजिक शिक्षण (social learning) और उत्परिवर्तन (mutation) के माध्यम से व्यक्तिगत परिशोधन के संयोजन द्वारा कुशल ज्ञान हस्तांतरण सक्षम किया जा सके, जो विभिन्न बड़े पैमाने के डोमेन में मौजूदा MAP-Elites-आधारित विधियों से बेहतर प्रदर्शन करता है।

मूल लेखक: Julian Hatzky, Thomas Bartz-Beielstein, A. E. Eiben, Anil Yaman

प्रकाशित 2026-04-27

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Julian Hatzky, Thomas Bartz-Beielstein, A. E. Eiben, Anil Yaman

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 मास्टर शेफ हैं जिन्हें एक विशाल भोज के लिए एकदम सही रेसिपी बनाने का काम सौंपा गया है। हालाँकि, इसमें एक पेंच है: आपको केवल एक व्यंजन नहीं बनाना है। आपको सूप के 5,000 अलग-अलग प्रकार बनाने हैं—कुछ थोड़े अधिक नमकीन, कुछ अधिक गाढ़े, कुछ में अधिक काली मिर्च, और कुछ अलग सब्जियों के साथ।

यदि आप प्रत्येक रेसिपी को शुरू से सीखने की कोशिश करेंगे, तो आप हमेशा के लिए काम करते रह जाएंगे। यदि आप सब कुछ के लिए केवल एक "औसत" रेसिपी का उपयोग करेंगे, तो भोजन औसत दर्जे का होगा।

यह पेपर MONET को पेश करता है, जो AI के लिए इस "विशाल भोज" की समस्या को हल करने का एक नया तरीका है।

समस्या: "सपाट" तरीका बनाम "धीमा" तरीका

MONET से पहले, AI शोधकर्ताओं के पास कई कार्यों को संभालने के दो मुख्य तरीके थे:

"एक-एक करके" वाला तरीका (बहुत धीमा): यह 5,000 अलग-अलग शेफ को काम पर रखने और प्रत्येक को एक अलग रसोई देने जैसा है। यह काम तो करता है, लेकिन यह अविश्वसनीय रूप से महंगा और धीमा है। यदि शेफ A को पता चलता है कि थोड़ा सा जीरा डालने से सूप अद्भुत हो जाता है, तो शेफ B (जो बहुत मिलता-जुलता सूप बना रहा है) को इसका पता नहीं होता और उसे इसे कठिन तरीके से खुद खोजना पड़ता है।
"बड़ी स्प्रेडशीट" वाला तरीका (बहुत कठोर): यह व्यंजनों की एक विशाल मास्टर सूची होने जैसा है। यह तेज़ है, लेकिन यह "सपाट" है। AI "टोमेटो बेसिल सूप" और "स्पाइसी चिली" को वैसे ही अलग मानता है जैसे वह "टोमेटो बेसिल सूप" और "चॉकलेट केक" को मानता है। वह यह नहीं समझ पाता कि समान कार्यों को अपने रहस्य साझा करने चाहिए।

समाधान: MONET (कार्यों का "सोशल नेटवर्क")

शोधकर्ताओं ने MONET बनाया है, जो कार्यों को एक सोशल नेटवर्क (सोचिए फेसबुक या लिंक्डइन, लेकिन गणितीय समस्याओं के लिए) की तरह मानता है।

MONET में, प्रत्येक कार्य एक नेटवर्क में एक "व्यक्ति" (नोड) है। जो कार्य एक-दूसरे के समान हैं, वे "दोस्त" (किनारों/एजेस द्वारा जुड़े हुए) हैं।

केवल अनुमान लगाने के बजाय, MONET दो चतुर तरीकों से सीखता है:

व्यक्तिगत सीखना ( "सोलो प्रैक्टिस"): यह एक शेफ के अकेले रसोई में बैठने जैसा है, जो एक एकल रेसिपी के साथ प्रयोग कर रहा है ताकि ट्रायल और एरर के माध्यम से उसे थोड़ा बेहतर बनाया जा सके।
सामाजिक सीखना ("किचन गॉसिप"): यही वह जादुई सामग्री है। क्योंकि कार्य एक नेटवर्क में जुड़े हुए हैं, एक कार्य अपने पड़ोसियों से "बात" कर सकता है। यदि एक "माइल्ड टोमेटो सूप" को अपनी बनावट सुधारने का एक शानदार तरीका मिल जाता है, तो वह वह रहस्य "स्पाइसी टोमेटो सूप" को, जो उसके बगल में है, "गॉसिप" (गपशप) के रूप में बता देता है। पड़ोसी उस विचार को लेता है, उसे अपने स्वयं के विचार के साथ मिलाता है, और एक और भी बेहतर संस्करण बनाता है।

यह क्यों मायने रखता है?

शोधकर्ताओं ने चार अलग-अलग "रसोईयों" पर MONET का परीक्षण किया:

आर्चरी (तीरंदाजी): अलग-अलग हवा और दूरियों के साथ धनुष चलाना।
रोबोट आर्म्स: एक लक्ष्य को हिट करने के लिए यांत्रिक हाथ को हिलाना।
कार्टपोल: चलती हुई गाड़ी पर एक पोल को संतुलित करना।
हेक्सापॉड: छह पैरों वाले रोबोट को चलाना।

परिणाम? MONET एक सुपरस्टार था। इसने न केवल पुराने तरीकों की बराबरी की; बल्कि इसने अक्सर उन्हें पीछे छोड़ दिया, विशेष रूप से हेक्सापॉड जैसे जटिल कार्यों में। सबसे महत्वपूर्ण बात यह है कि इसने तेजी से सीखा। क्योंकि इसने समान कार्यों के बीच "गॉसिप" साझा किया, इसलिए इसने हर बार एक छोटी सी बारीकी बदलने पर पहिये को फिर से बनाने में समय बर्बाद नहीं किया।

निष्कर्ष

MONET यह सिद्ध करता है कि अनंत विविधताओं की दुनिया में, आपको कड़ी मेहनत करने की ज़रूरत नहीं है; आपको बस जो आप जानते हैं उसे अपने पड़ोसियों के साथ साझा करके स्मार्ट तरीके से काम करने की ज़रूरत है। यह कार्यों के एक विशाल, भारी पहाड़ को एक सहयोगात्मक समुदाय में बदल देता है जहाँ हर कोई एक-दूसरे को सफल होने में मदद करता है।

तकनीकी सारांश: कार्यों के नेटवर्क पर मल्टी-टास्क ऑप्टिमाइज़ेशन (MONET)

1. समस्या विवरण

यह शोध पत्र मल्टी-टास्क ऑप्टिमाइज़ेशन (MTO) की चुनौती को संबोधित करता है, जहाँ लक्ष्य कार्यों के एक बड़े, पैरामीट्रिक परिवार (जैसे, विभिन्न भौतिक विन्यासों के अनुकूल होने वाला एक रोबोट) के लिए उच्च-गुणवत्ता वाले समाधान खोजना है।

मौजूदा दृष्टिकोणों को एक मौलिक स्केलेबिलिटी-स्ट्रक्चर ट्रेडऑफ़ (scalability–structure tradeoff) का सामना करना पड़ता है:

पॉपुलेशन-आधारित विधियाँ (प्रत्येक कार्य के लिए अलग-अलग जनसंख्या बनाए रखना) विफल हो जाती हैं जब कार्यों की संख्या हज़ारों तक पहुँच जाती है।
आर्काइव-आधारित विधियाँ (जैसे MAP-Elites, MT-ME, और PT-ME) एक साझा आर्काइव का उपयोग करके स्केलेबिलिटी तो दिखाती हैं, लेकिन दो दोषों से ग्रस्त हैं:
1. डिस्क्रीटाइजेशन बॉटलनेक (Discretization Bottleneck): वे फिक्स्ड ग्रिड्स पर निर्भर करती हैं जो कार्य आयाम (task dimensionality) के साथ तेजी से बढ़ते हैं ( $O(c^d$ ))।
2. टोपोलॉजिकल फ्लैटनेस (Topological Flatness): वे कार्य स्थान (task space) को एक "फ्लैट" आर्काइव के रूप में मानती हैं जहाँ कोई भी समाधान किसी भी कार्य के लिए पैरेंट बन सकता है, जिससे कार्यों के बीच अंतर्निहित ज्यामितीय संबंध (टोपोलॉजी) की अनदेखी होती है।

2. कार्यप्रणाली: MONET एल्गोरिदम

लेखक MONET (Multi-Task Optimization over Networks of Tasks) प्रस्तावित करते हैं, जो एक फ्लैट आर्काइव के स्थान पर एक स्पष्ट ग्राफ संरचना $\mathcal{G} = (\mathcal{V}, \mathcal{E}, \mathcal{A})$ का उपयोग करता है।

ग्राफ प्रतिनिधित्व:
- नोड्स ( $\mathcal{V}$ ): प्रत्येक नोड एक विशिष्ट कार्य $\tau_i$ का प्रतिनिधित्व करता है।
- एजेस ( $\mathcal{E}$ ): एजेस उन कार्यों को जोड़ते हैं जो कार्य पैरामीटर स्पेस में "पड़ोसी" हैं (जैसे, $k$ -निकटतम पड़ोसियों के माध्यम से)। यह टोपोलॉजी को सीधे एनकोड करता है।
- लेबल्स ( $\mathcal{A}$ ): प्रत्येक नोड उस विशिष्ट कार्य के लिए खोजा गया वर्तमान सर्वोत्तम समाधान $\theta$ संग्रहीत करता है।
लर्निंग मैकेनिज्म: MONET दो पूरक विकासवादी ऑपरेटरों (evolutionary operators) का उपयोग करता है:
1. इंडिविजुअल लर्निंग (म्यूटेशन): एक एकल नोड के स्थानीय फिटनेस लैंडस्केप का पता लगाकर, एक कार्य के समाधान को अलग से परिष्कृत करता है।
2. सोशल लर्निंग (क्रॉसओवर): ग्राफ में एक पड़ोसी नोड से पैरेंट चुनकर और क्रॉसओवर (Simulated Binary Crossover, SBX का उपयोग करके) करके ज्ञान हस्तांतरण (knowledge transfer) की सुविधा प्रदान करता है। यह उपयोगी नवाचारों को नेटवर्क के माध्यम से "फैलाने" की अनुमति देता है।

एल्गोरिदम इन दोनों के बीच संतुलन बनाने के लिए एक प्रायिकता $p_{ind}$ का उपयोग करता है, जो यह निर्धारित करता है कि क्या अगला कदम व्यक्तिगत शोधन (individual refinement) या सामाजिक हस्तांतरण (social transfer) पर केंद्रित होगा।

3. मुख्य योगदान

एक नया प्रतिमान (Paradigm): यह MTO को "फ्लैट आर्काइव्स" से "टास्क नेटवर्क्स" में बदल देता है, जिससे कार्य-स्थान की टोपोलॉजी को एक प्राथमिक संरचनात्मक तत्व बनाया जाता है।
स्केलेबिलिटी: ग्रिड के बजाय ग्राफ का उपयोग करके, इसका प्रतिनिधित्व कार्य स्पेस की डाइमेंशनलिटी के बजाय कार्यों और पड़ोसियों की संख्या ( $O(|\mathcal{V}|k)$ ) के साथ स्केल करता है।
एकीकृत वर्गीकरण (Unified Taxonomy): विभिन्न MAP-Elites और मल्टी-टास्किंग वेरिएंट्स की तुलना करने के लिए एक औपचारिक गणितीय ढांचा प्रदान करता है।
हाइपरपैरामीटर विश्लेषण: प्रदर्शन के मुख्य चालक की पहचान करने के लिए SHAP (SHapley Additive exPlanations) का उपयोग करके एक व्यवस्थित अध्ययन करता है कि सामाजिक और व्यक्तिगत लर्निंग के बीच का संतुलन सबसे महत्वपूर्ण है।

4. प्रयोगात्मक परिणाम

एल्गोरिदम का मूल्यांकन चार विविध डोमेन में किया गया: Archery, Arm, Cartpole (प्रत्येक 5,000 कार्य), और Hexapod (2,000 कार्य)।

प्रदर्शन: MONET (एक साझा "डिफ़ॉल्ट" कॉन्फ़िगरेशन और एक प्रति-डोमेन "ट्यून्ड" संस्करण दोनों) ने स्टेट-ऑफ-द-आर्ट बेसलाइन्स (MT-ME और PT-ME) के प्रदर्शन के बराबर या उससे बेहतर प्रदर्शन किया।
दक्षता: Archery और Arm डोमेन में, MONET ने बेहतर Area Under the Learning Curve (AUC) प्रदर्शित किया, जिसका अर्थ है कि इसने बेसलाइन्स की तुलना में काफी तेज़ी से उच्च-गुणवत्ता वाले समाधान प्राप्त किए।
मजबूती (Robustness): जटिल Hexapod डोमेन में, ट्यून्ड MONET कॉन्फ़िगरेशन ने MT-ME बेसलाइन की तुलना में फिटनेस को लगभग दोगुना कर दिया।
मुख्य निष्कर्ष: संवेदनशीलता विश्लेषण (sensitivity analysis) से पता चला कि कम $p_{ind}$ मान (जो सोशल लर्निंग को प्राथमिकता देते हैं) आम तौर पर प्रदर्शन में सुधार करते हैं, जो इस बात की पुष्टि करता है कि समान कार्यों के बीच ज्ञान हस्तांतरण बड़े कार्य सेटों को अनुकूलित करने का सबसे प्रभावी तरीका है।

5. महत्व

MONET बड़े पैमाने पर विकासवादी गणना (large-scale evolutionary computation) की दिशा में एक महत्वपूर्ण कदम है। कार्य स्थान को एक ग्राफ के रूप में मानकर, यह कार्यों की "समानता" का लाभ उठाने का एक गणितीय रूप से सिद्धांतबद्ध तरीका प्रदान करता है। इसके एम्बॉडीड एआई (embodied AI) और रोबोटिक्स के लिए गहरे निहितार्थ हैं, जहाँ एजेंटों को बदलते वातावरण या मॉर्फोलॉजी के अनुकूल तेजी से ढलना होता है। शून्य से फिर से सीखने के बजाय, MONET एक एजेंट को नए, संबंधित कार्यों को कुशलतापूर्वक हल करने के लिए समान पिछले अनुभवों से "सामाजिक" ज्ञान का लाभ उठाने की अनुमति देता है।