Towards Automated Ontology Generation from Unstructured Text: A Multi-Agent LLM Approach
यह शोध पत्र असंरचित बीमा अनुबंधों से स्वचालित ऑन्टोलॉजी जनरेशन के लिए सिंगल-एजेंट बेसलाइन की तुलना में एक मल्टी-एजेंट एलएलएम (LLM) आर्किटेक्चर की प्रभावशीलता की जांच करता है, जिसमें यह पाया गया है कि प्लानिंग-फर्स्ट, रोल-बेस्ड दृष्टिकोण संरचनात्मक गुणवत्ता और ऑडिटेबिलिटी में महत्वपूर्ण सुधार 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 विशाल, जटिल लेगो (LEGO) महल बनाने की कोशिश कर रहे हैं, लेकिन आपके पास कोई निर्देश पुस्तिका नहीं है, बल्कि केवल एक 50 पन्नों का हस्तलिखित पत्र है जो बताता है कि वह महल कैसा दिखना चाहिए।
यह लेख इस बात पर शोध करता है कि कैसे आर्टिफिशियल इंटेलिजेंस (AI) का उपयोग करके बिखरे हुए, जटिल टेक्स्ट (जैसे कानूनी बीमा अनुबंधों) को एक पूरी तरह से व्यवस्थित "डिजिटल ब्लूप्रिंट" में बदला जा सकता है जिसे ऑन्टोलॉजी (Ontology) कहा जाता है। एक ऑन्टोलॉजी मूल रूप से जानकारी का एक सुपर-व्यवस्थित मानचित्र है जिसका उपयोग कंप्यूटर "तर्क" करने के लिए कर सकते हैं—उदाहरण के लिए, तुरंत ऐसे सवालों के जवाब देने के लिए: "यदि पॉलिसीधारक की मृत्यु हो जाती है, तो लाभार्थी को ठीक कितनी राशि जाएगी?"
इसे उन्होंने कैसे किया, इसका विवरण एक सरल उपमा (analogy) का उपयोग करते हुए यहाँ दिया गया है।
1. समस्या: "वन-शॉट" आर्किटेक्ट (The "One-Shot" Architect)
शोधकर्ताओं ने पहले एक "बेसलाइन" विधि का परीक्षण किया। कल्पना कीजिए कि आपने एक अकेले आर्किटेक्ट को काम पर रखा और उससे कहा, "इस 50 पन्नों के पत्र को पढ़ो और एक बार में ही पूरा लेगो महल बना डालो।"
क्या हुआ? वह आर्किटेक्ट घबरा गया। वह छोटे विवरणों को शामिल करना भूल गया (जैसे कि पैसा डॉलर में है या यूरो में), उसने एक ही मीनार को दो बार बना दिया क्योंकि वह भूल गया कि वह पहले भी बना चुका है (redundancy/अतिरेक), और वह अक्सर "निर्माण के नियमों" (डिज़ाइन पैटर्न) को भी अनदेखा कर देता था। यह तेज़ तो था, लेकिन महल बहुत ही अस्त-व्यस्त था।
2. समाधान: "विशेषज्ञ निर्माण दल" (The "Specialized Construction Crew")
एक घबराए हुए अकेले आर्किटेक्ट के बजाय, शोधकर्ताओं ने एक मल्टी-एजेंट सिस्टम (Multi-Agent System) बनाया। इसे एक पेशेवर निर्माण दल के रूप में समझें जहाँ हर किसी का एक विशिष्ट कार्य है और उन्हें हर चरण में एक-दूसरे को कागजी कार्रवाई सौंपनी होती है।
- डोमेन विशेषज्ञ (शोधकर्ता): वे किसी भी लेगो को नहीं छूते। वे बस पत्र को पढ़ते हैं और एक "आवश्यकता सूची" (Requirement List) लिखते हैं। वे कहते हैं, "ठीक है, हमें एक राजा, एक खजाना और खजाने से राजा तक सोना कैसे जाएगा, इसके बारे में एक विशिष्ट नियम चाहिए।"
- मैनेजर (ब्लूप्रिंट डिजाइनर): वे उस सूची को लेते हैं और एक विस्तृत तकनीकी योजना बनाते हैं। वे तय करते हैं, "हम खजाने के लिए 'गोल्ड स्टैंडर्ड' पद्धति का उपयोग करेंगे ताकि यह मजबूत रहे।"
- कोडर (बिल्डर/निर्माता): यह व्यक्ति केवल ब्लूप्रिंट को देखता है। वह मूल पत्र को नहीं पढ़ता; वह बस मैनेजर की योजना का पालन करता है ताकि लेगो ईंटों को आपस में जोड़ा जा सके।
- क्वालिटी एश्योरर (इंस्पेक्टर/गुणवत्ता निरीक्षक): वे क्लिपबोर्ड लेकर घूमते हैं। वे देखते हैं कि क्या दीवारें सीधी हैं (syntax) और क्या महल वास्तव में नियमों का पालन करता है (logic)। यदि उन्हें कोई गलती मिलती है, तो वे बिल्डर को उसे ठीक करने के लिए एक नोट भेजते हैं।
3. परिणाम: योजना बनाना ही सब कुछ है
शोधकर्ताओं ने पाया कि "वन-शॉट" आर्किटेक्ट की तुलना में "निर्माण दल" वाला दृष्टिकोण बहुत बेहतर था।
सबसे महत्वपूर्ण खोज क्या थी? जादुई चीज़ सुधारना नहीं था; बल्कि योजना बनाना था।
भले ही "इंस्पेक्टर" (QA एजेंट) ने मदद की, लेकिन असली कारण कि महल बेहतर था, वह यह था कि मैनेजर ने सभी को एक ईंट छूने से पहले विस्तार से योजना बनाने के लिए मजबूर किया। क्योंकि उनके पास एक "तकनीकी कार्यान्वयन योजना" (Technical Implementation Plan) थी, इसलिए बिल्डरों को अनुमान लगाने की आवश्यकता नहीं पड़ी, जिसका अर्थ था कम गलतियाँ और एक अधिक व्यवस्थित संरचना।
4. "ओप्स" के क्षण (वास्तविकता की जाँच)
यह पूरी तरह से सटीक नहीं था। शोधकर्ताओं ने दो मुख्य "मानव जैसी" त्रुटियों का उल्लेख किया जो AI अभी भी करता है:
- "गोल्डफिश मेमोरी" की समस्या: कभी-कभी, जब AI किसी गलती को सुधारने की कोशिश करता है, तो वह भूल जाता है कि उसने पाँच मिनट पहले क्या किया था और एक लूप में फंस जाता है, बार-बार वही गलत चीज़ करने की कोशिश करता रहता है।
- "कॉपी-पेस्ट" की समस्या: AI अभी भी कुशल होने के मामले में संघर्ष करता है। यह एक "लाल मीनार" बना सकता है और फिर, कुछ पन्नों बाद, एक "क्रिमसन (गहरा लाल) मीनार" बना सकता है क्योंकि यह भूल गया कि उसके पास पहले से ही एक लाल मीनार है।
मुख्य निष्कर्ष (The Big Picture)
संक्षेप में: यदि आप चाहते हैं कि AI जटिल मानवीय भाषा को व्यवस्थित कंप्यूटर ज्ञान में बदल दे, तो सिर्फ उससे "यह करने को" न कहें। इसके बजाय, उसे विशेषज्ञ "एजेंटों" की एक टीम दें जो अपनी योजनाएँ लिखने, अपने काम की जाँच करने और एक सख्त ब्लूप्रिंट का पालन करने के लिए मजबूर हों। योजना बनाना ही सफलता का असली मंत्र 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।