Synthetic Computers at Scale for Long-Horizon Productivity Simulation
यह शोध पत्र "सिंथेटिक कंप्यूटर्स एट स्केल" (Synthetic Computers at Scale) प्रस्तुत करता है, जो लंबी अवधि के उत्पादकता सिमुलेशन चलाने के लिए यथार्थवादी, सामग्री-समृद्ध वर्चुअल कंप्यूटर वातावरण उत्पन्न करने की एक कार्यप्रणाली है, जो समृद्ध अनुभवात्मक शिक्षण संकेतों के माध्यम से एजेंट के प्रदर्शन में महत्वपूर्ण सुधार करती है, और विविध व्यावसायिक संदर्भों में भविष्य के एजेंटिक सुदृढीकरण लर्निंग (agentic reinforcement learning) के लिए एक स्केलेबल आधार प्रदान करती 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 रोबोट को एक बेहतरीन ऑफिस वर्कर बनना सिखाना चाहते हैं। आप इसे सरल कार्यों की एक सूची दे सकते जैसे "ईमेल लिखें" या "स्प्रेडशीट बनाएं।" लेकिन वास्तविक ऑफिस का काम ऐसा नहीं होता। वास्तविक काम एक बिखरी हुई, व्यक्तिगत डिजिटल दुनिया के भीतर होता है जो वर्षों पुरानी फाइलों, आधे-अधूरे प्रोजेक्ट्स, विशिष्ट नामकरण की आदतों और सहकर्मियों के साथ निरंतर होने वाली बातचीत से भरी होती है। यदि आप रोबोट को वह बिखरा हुआ, वास्तविक संदर्भ (context) नहीं देते हैं, तो वह वास्तव में काम करना नहीं सीख सकता।
यह पेपर एक समाधान पेश करता है जिसे "सिंथेटिक कंप्यूटर्स एट स्केल" (Synthetic Computers at Scale) कहा जाता है। इसे एक विशाल वीडियो गेम स्टूडियो के रूप में समझें जो AI एजेंटों के अभ्यास के लिए लाखों अद्वितीय, वास्तविक "डिजिटल ऑफिस" बनाता है।
यह कैसे काम करता है, इसके सरल चरण यहाँ दिए गए हैं:
1. डिजिटल ऑफिस बनाना (द सिंथेटिक कंप्यूटर)
AI को केवल एक खाली स्क्रीन देने के बजाय, शोधकर्ता पहले एक पर्सोना (Persona) बनाते हैं। एक वीडियो गेम के कैरेक्टर शीट की कल्पना करें: "मार्गरेट, डेनवर में एक सीनियर फाइनेंशियल एडवाइजर जो एक्सेल पसंद करती है, अव्यवस्था से नफरत करती है, और तीन साल से एक विशिष्ट निवेश रिपोर्ट पर काम कर रही है।"
इस कैरेक्टर शीट का उपयोग करके, वे उसके लिए एक सिंथेटिक कंप्यूटर बनाते हैं। यह केवल एक फ़ोल्डर नहीं है जिसमें एक फ़ाइल हो; यह उसका एक पूर्ण डिजिटल वातावरण है जिसमें शामिल हैं:
- वास्तविक फोल्डर्स: सैकड़ों फाइलें जो ठीक उसी तरह व्यवस्थित हैं जैसे मार्गरेट उन्हें व्यवस्थित करेगी (जैसे, "क्लाइंट वर्क," "रिसर्च," और "ड्राफ्ट्स" के लिए विशिष्ट सब-फोल्डर्स)।
- इतिहास (History): वर्षों पुरानी तारीखों वाली फाइलें, जो काम के इतिहास को दर्शाती हैं।
- निर्भरता (Dependencies): ऐसी फाइलें जो एक-दूसरे को संदर्भित करती हैं (उदाहरण के लिए, एक अंतिम रिपोर्ट जो दो सप्ताह पहले बनाई गई स्प्रेडशीट पर आधारित है)।
- व्यक्तित्व (Personality): फाइलों के नाम और फॉर्मेटिंग मार्गरेट की विशिष्ट आदतों से मेल खाते हैं।
उन्होंने ऐसे 1,000 अद्वितीय डिजिटल ऑफिस बनाए, जिनमें से प्रत्येक एक अलग पेशेवर (जैसे वकील, डॉक्टर, या इंजीनियर) का प्रतिनिधित्व करता है।
2. सिमुलेशन (अभ्यास सत्र)
एक बार डिजिटल ऑफिस बन जाने के बाद, वे एक सिमुलेशन चलाते हैं जो लगभग एक महीने के "मानव समय" तक चलता है। इसमें दो AI एजेंट भूमिकाएं निभाते हैं:
- बॉस (सेटअप एजेंट): यह एजेंट मार्गरेट के डिजिटल ऑफिस को देखता है और कहता है, "अगले महीने के लिए आपके लक्ष्य ये हैं: निवेश मॉडल को अपडेट करें, एक नए क्लाइंट को ऑनबोर्ड करें, और रिस्क असेसमेंट टूल को ठीक करें।" यह नकली सहकर्मी (एक मैनेजर, एक क्लाइंट, एक साथी) भी बनाता है जो मार्गरेट को ईमेल करेंगे, फीडबैक देंगे, या डेटा मांगेंगे।
- वर्कर (वर्क एजेंट): यह एजेंट मार्गरेट है। यह सिंथेटिक कंप्यूटर में लॉग इन करता है और काम करने की कोशिश करता है। इसे निम्नलिखित कार्य करने होते हैं:
- सही डेटा खोजने के लिए सैकड़ों फाइलों में से छानबीन करना।
- संदर्भ समझने के लिए पुराने दस्तावेजों को पढ़ना।
- नकली सहकर्मियों से ईमेल के माध्यम से बात करना।
- नई रिपोर्ट, स्प्रेडशीट और प्रेजेंटेशन बनाना।
- जब "क्लाइंट" कहता है कि कुछ गलत है, तो गलतियों को सुधारना।
इस सिमुलेशन में काफी समय लगता है (प्रत्येक रन के लिए 8 घंटे से अधिक का कंप्यूटर समय) और इसमें हजारों छोटे कदम शामिल होते हैं, बिल्कुल वास्तविक काम की तरह।
3. अनुभव से सीखना
सिमुलेशन समाप्त होने के बाद, शोधकर्ता देखते हैं कि क्या हुआ। वे केवल यह नहीं देखते कि अंतिम रिपोर्ट कैसी दिखती है; वे इस पूरी कहानी को देखते हैं कि एजेंट ने कैसे काम किया।
- क्या वह फाइलों में खो गया?
- क्या उसने सहकर्मी के ईमेल को अनदेखा कर दिया?
- क्या उसने स्प्रेडशीट में कोई ऐसी गलती की जिससे त्रुटियों की एक श्रृंखला शुरू हो गई?
वे इन कहानियों को "कौशल" (Skills) में बदल देते हैं (जैसे कि एक चीट शीट या नियम पुस्तिका)। उदाहरण के लिए, वे वित्तीय एजेंटों के लिए एक नियम बना सकते हैं: "हमेशा दोबारा जांच लें कि आपके सारांश में नंबर आपके स्रोत स्प्रेडशीट से मेल खाते हैं या नहीं, इससे पहले कि आप इसे मैनेजर को भेजें।"
4. परिणाम
पेपर ने परीक्षण किया कि क्या इन "कौशलों" ने वास्तव में मदद की।
- उसी दुनिया में: जब उन्होंने AI को ये कौशल दिए और उसे एक नए सिंथेटिक ऑफिस (जिसे उसने पहले नहीं देखा था) में रखा, तो इसका प्रदर्शन बहुत बेहतर रहा। इसने कम गलतियाँ कीं और उच्च गुणवत्ता वाला काम किया।
- वास्तविक दुनिया में: उन्होंने वास्तविक दुनिया के कार्यों (GDPVal) के एक सार्वजनिक बेंचमार्क पर AI का परीक्षण किया। भले ही AI ने पहले कभी उन विशिष्ट कार्यों को नहीं देखा था, लेकिन सिंथेटिक सिमुलेशन से सीखे गए कौशलों ने इसे पहले की तुलना में बेहतर प्रदर्शन करने में मदद की।
बड़ी तस्वीर (The Big Picture)
लेखकों का तर्क है कि AI को वास्तव में उपयोगी बनाने के लिए, हम केवल उसे अधिक डेटा नहीं दे सकते। हमें उसे अभ्यास वातावरण (practice environments) देने की आवश्यकता है जो वास्तविक महसूस हों। इन लाखों "सिंथेटिक कंप्यूटर्स" को बनाकर, हम AI एजेंटों को अभ्यास करने, विफल होने, सीखने और मानवीय उत्पादकता की जटिल, दीर्घकालिक वास्तविकता को संभालने में बेहतर होने की अनुमति दे सकते हैं।
संक्षेप में: उन्होंने दस लाख नकली डिजिटल ऑफिस बनाए, AI एजेंटों को उनमें एक महीने तक काम करने दिया, उनकी गलतियों से सीखा, और उन सीखों का उपयोग AI को वास्तविक दुनिया के कामों में अधिक स्मार्ट बनाने के लिए किया।
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।