🤖 AI

Neural Decision-Propagation for Answer Set Programming

यह शोध पत्र न्यूरल डिसीजन-प्रोपैगेशन (NDProp) को प्रस्तुत करता है, जो एक विभेदक (differentiable) विधि है जो स्थिर मॉडलों को कुशलतापूर्वक कंप्यूट करने के लिए न्यूरल निर्णय लेने और फजी प्रोपेगेशन के बीच बारी-बारी से कार्य करती है, जिससे न्यूरो-सिंबोलिक आंसर सेट प्रोग्रामिंग में शास्त्रीय सॉल्वरों की स्केलेबिलिटी बाधाओं को दूर किया जा सके।

मूल लेखक: Thomas Eiter, Katsumi Inoue, Sota Moriyama

प्रकाशित 2026-05-06

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Thomas Eiter, Katsumi Inoue, Sota Moriyama

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 बहुत बड़ी, जटिल तर्क पहेली (logic puzzle) को हल करने की कोशिश कर रहे हैं। आपके पास नियमों का एक समूह है (जैसे "यदि लाइट लाल है, तो कार को रुकना चाहिए") और तथ्यों का एक ढेर है। आपका लक्ष्य दुनिया की एक ऐसी एकल, सुसंगत तस्वीर खोजना है जहाँ हर नियम बिना किसी विरोधाभास के संतुष्ट हो। कंप्यूटर विज्ञान की दुनिया में, इसे एन्सर सेट प्रोग्रामिंग (ASP) नामक प्रणाली का उपयोग करके एक "स्टेबल मॉडल" खोजना कहा जाता है।

लंबे समय तक, कंप्यूटरों ने इन पहेलियों को एक बहुत ही कठोर, चरण-दर-चरण तरीके से हल किया। वे एक तथ्य का अनुमान लगाते थे, यह देखते थे कि क्या इसने किसी नियम को तोड़ा, और यदि इसने तोड़ा, तो उन्हें फिर से शुरू करना पड़ता था। यह एक भूलभुलैया को हर एक रास्ते पर चलकर देखने जैसा है जब तक कि आप दीवार से न टकरा जाएँ, फिर वापस मुड़कर अगला रास्ता आज़माते हैं। यह काम करता है, लेकिन यह धीमा है और बड़े होने पर आसानी से फंस जाता है।

यह पेपर इस पहेली को हल करने का एक नया तरीका पेश करता है, जिसे DProp (डिसीजन-प्रोपैगेशन) कहा जाता है, और फिर इसे और तेज़ बनाने के लिए एक "दिमाग" के साथ अपग्रेड किया गया है, जिसे NDProp (न्यूरल DProp) कहा जाता है।

यह कैसे काम करता है, इसके लिए कुछ सरल उपमाओं का उपयोग किया गया है:

1. पुराना तरीका बनाम नया तरीका (DProp)

पुराने तरीके को एक ऐसे जासूस के रूप में सोचें जो एक समय में केवल एक सुराग देखता है और फंस जाता है।

नया तरीका, DProp, दो श्रमिकों की एक टीम की तरह काम करता है:

निर्णय लेने वाला (The Decision Maker): यह कार्यकर्ता उन पहेली के टुकड़ों को देखता है जिन्हें अभी तक रखा नहीं गया है और कहता है, "मैं अनुमान लगाता हूँ कि यह टुकड़ा असत्य (यह यहाँ नहीं होना चाहिए) है।" वे चीज़ों को आगे बढ़ाने के लिए एक साहसिक अनुमान लगाते हैं।
प्रोपैगेटर (The Propagator): यह कार्यकर्ता तुरंत नियमों की जाँच करता है। "ठीक है, यदि वह टुकड़ा हटा दिया गया है, तो चित्र को संतुलित रखने के लिए यह दूसरा टुकड़ा यहाँ होना ही चाहिए।" वे उस अनुमान के सभी स्पष्ट परिणामों को तुरंत भर देते हैं।

वे बारी-बारी से काम करते हैं। निर्णय लेने वाला एक अनुमान लगाता है, और प्रोपैगेटर खाली जगहों को भर देता है। यदि वे कभी किसी विरोधाभास (जैसे एक नियम कहता है कि "A यहाँ होना चाहिए" और दूसरा कहता है "A वहाँ होना चाहिए") पर पहुँचते हैं, तो उन्हें पता चल जाता है कि वह विशिष्ट अनुमान गलत था। लेकिन क्योंकि वे इसे एक संरचित लूप में करते हैं, वे पुराने "सब कुछ आज़माने" वाले तरीके की तुलना में बहुत तेज़ी से सही समाधान पा सकते हैं। पेपर यह सिद्ध करता है कि यदि यह प्रक्रिया बिना क्रैश हुए समाप्त होती है, तो परिणाम गणितीय रूप से एक आदर्श समाधान है।

2. एक "दिमाग" जोड़ना (NDProp)

पहले तरीके के साथ समस्या यह है कि "निर्णय लेने वाला" अभी भी बेतरतीब ढंग से या एक साधारण नियम का उपयोग करके अनुमान लगाता है। यदि पहेली बहुत बड़ी है, तो बेतरतीब ढंग से अनुमान लगाना अभी भी धीमा है।

लेखकों ने फिर NDProp बनाया। कल्पना कीजिए कि उस निर्णय लेने वाले को एक रैंडम गेसर (random guesser) के बजाय एक न्यूरल नेटवर्क (एक प्रकार का AI दिमाग) देने से।

अनुमानी (Heuristics) सीखना: बेतरतीब ढंग से अनुमान लगाने के बजाय, न्यूरल नेटवर्क पहले देखे गए पैटर्न के आधार पर यह सीखता है कि कौन से टुकड़े सबसे अधिक संभावना है कि असत्य होंगे। यह एक मास्टर पज़ल सॉल्वर की तरह है जो जानता है कि, "ओह, जब भी मैं एक नीला कोना वाला टुकड़ा देखता हूँ, तो वह आमतौर पर ऊपर-बाएँ कोने में जाता है।"
फजी लॉजिक (Fuzzy Logic): यह प्रणाली "फजी" सोच की अनुमति भी देती है। यह कहने के बजाय कि कोई टुकड़ा सख्ती से "सत्य" या "असत्य" है, यह कह सकता है कि, "इस टुकड़े के सत्य होने की संभावना 70% है।" यह सिस्टम को उस अनिश्चित डेटा को संभालने में मदद करता है जहाँ चीजें हमेशा ब्लैक एंड व्हाइट नहीं होती हैं।
जादुई ट्रिक: पेपर दिखाता है कि भले ही सिस्टम फजी गणित और न्यूरल नेटवर्क का उपयोग करके सीखता है, यदि आप अंतिम उत्तर को सख्त "सत्य" या "असत्य" के लिए मजबूर करते हैं, तो यह पुराने, कठोर तरीके के समान ही सटीक परिणाम की गारंटी देता है।

3. यह क्यों महत्वपूर्ण है (परिणाम)

लेखकों ने इस नए "न्यूरल पज़ल सॉल्वर" का तीन तरीकों से परीक्षण किया:

हल करना सीखना: उन्होंने इसे यादृच्छिक (random), काल्पनिक तर्क पहेलियाँ दीं। सिस्टम ने उन्हें एक रैंडम गेसर की तुलना में बहुत बेहतर तरीके से हल करना सीखा। इसने इन पहेलियों को हल करने के लिए अपने आप "नियमों के सूत्र" (rules of thumb) समझ लिए।
हाइब्रिड टेस्ट (न्यूरो-सिंबोलिक): उन्होंने सॉल्वर को चित्रों (जैसे हस्तलिखित अंक) को देखने वाले न्यूरल नेटवर्क के साथ जोड़ा।
- कार्य: दो हस्तलिखित नंबरों को देखें, उन्हें जोड़ें और जाँच करें कि क्या योग सही है।
- परिणाम: नया सिस्टम पिछले सिस्टमों की तुलना में बहुत तेज़ (कुछ परीक्षणों में 46 गुना तक तेज़) और अधिक सटीक था जो धीमे, कठोर सॉल्वर पर निर्भर थे। यह नंबरों को पहचानने और साथ ही गणित करने में सक्षम था, न कि उन्हें अलग-अलग, धीमे चरणों में करने में।
"मेसी डेटा" (अस्पष्ट डेटा) टेस्ट: उन्होंने एक सुडोकू पहेली के साथ परीक्षण किया जहाँ नंबर धुंधले थे या इमेज रिकग्नाइज़र खराब था (केवल 1% सटीक)।
- परिणाम: पुराने सिस्टम खराब इनपुट के कारण क्रैश हो गए या पूरी तरह विफल हो गए। नया सिस्टम अपने तर्क वाले दिमाग का उपयोग करके यह कहने में सक्षम था, "भले ही चित्र 3 जैसा दिखता है, लेकिन सुडोकू के नियम कहते हैं कि यह 5 होना ही चाहिए, इसलिए मैं 5 के साथ जाऊँगा।" यह तर्क का उपयोग करके इमेज रिकग्नाइज़र की गलतियों को ठीक कर सका।

निचोड़

पेपर एक नया उपकरण प्रस्तुत करता है जो तर्क पहेलियों को हल करने के धीमे, कठोर "ब्रूट फोर्स" तरीके को एक स्मार्ट, लर्निंग-आधारित दृष्टिकोण से बदल देता है। एक न्यूरल नेटवर्क को सही अनुमान लगाने के लिए सिखाकर और फिर उसके परिणामों की तुरंत जाँच करके, यह सिस्टम जटिल तर्क समस्याओं को पहले से कहीं अधिक तेज़ी से और सटीकता से हल कर सकता है, यहाँ तक कि जब इनपुट डेटा अधूरा या त्रुटिपूर्ण हो। यह "डेटा से सीखने" (न्यूरल) और "कठोर नियमों का पालन करने" (सिंबोलिक) के बीच के अंतर को एक सहज, तेज़ प्रक्रिया में पाटता है।

तकनीकी सारांश: उत्तर सेट प्रोग्रामिंग के लिए न्यूरल डिसीजन-प्रोपैगेशन (Neural Decision–Propagation)

1. समस्या विवरण (Problem Statement)

एन्सर सेट प्रोग्रामिंग (ASP) का न्यूरल नेटवर्क के साथ एकीकरण न्यूरो-सिंबोलिक एआई (Neuro-symbolic AI) के लिए एक आशाजनक मार्ग के रूप में उभरा है, जो प्रणालियों को मजबूत शिक्षण (learning) को सिंबोलिक तर्क (symbolic reasoning) के साथ संयोजित करने में सक्षम बनाता है। हालाँकि, मौजूदा दृष्टिकोण (जैसे, NeurASP, SLASH) आमतौर पर अपने रीजनिंग पाइपलाइनों के भीतर शास्त्रीय ASP सॉल्वर पर निर्भर करते हैं। यह निर्भरता स्केलेबिलिटी (scalability) के लिए एक महत्वपूर्ण बाधा उत्पन्न करती है, क्योंकि सिंबोलिक सॉल्वर अक्सर गणनात्मक रूप से महंगे होते हैं और उन्हें एंड-टू-एंड डिफरेंशिएबल ट्रेनिंग फ्रेमवर्क में एकीकृत करना कठिन होता है। इसके अलावा, जबकि कुछ विधियाँ प्रोबेबिलिस्टिक फीडबैक का उपयोग करके सर्च स्पेस को छोटा करने का प्रयास करती हैं, वे अभी भी मौलिक रूप से डिस्क्रीट, नॉन-डिफरेंशिएबल समाधान तंत्रों पर निर्भर करती हैं।

यह शोध पत्र एक स्केलेबल, डिफरेंशिएबल विधि की आवश्यकता को संबोधित करता है जो बाहरी सिंबोलिक सॉल्वर पर निर्भर हुए बिना स्टेबल मॉडल्स (stable models) की गणना कर सके और न्यूरल नेटवर्क के साथ सहजता से एकीकृत हो सके।

2. कार्यप्रणाली (Methodology)

2.1 डिसीजन-प्रोपैगेशन (DProp)

लेखक पहले डिसीजन-प्रोपैगेशन (DProp) का प्रस्ताव करते हैं, जो शास्त्रीय ASP में स्टेबल मॉडल्स की गणना करने के लिए एक नवीन एल्गोरिदम है। DProp परमाणुओं (atoms) के एक सेट $A$ पर कार्य करता है, उन्हें तीन अलग-अलग सेटों में विभाजित करता है: सत्य (True - $T$ ), असत्य (False - $F$ ), और अनिर्णित (Undecided - $U$ )। एल्गोरिदम समाप्ति तक दो वैकल्पिक चरणों के माध्यम से चलता है:

डिसीजन फेज (Decision Phase): एल्गोरिदम गैर-नियतता (non-deterministically) के आधार पर एक अनिर्णित परमाणु $a \in U$ का चयन करता है और उसे असत्य (False) के रूप में प्रतिबद्ध करता है (इसे $F$ में स्थानांतरित करता है)।
प्रोपैगेशन फेज (Propagation Phase): $F$ के स्थिर होने के बाद, एल्गोरिदम फॉरवर्ड-चेनिंग दृष्टिकोण का उपयोग करके परिणामों को प्राप्त करता है। यह वर्तमान $T$ से शुरू होकर इमीडिएट कॉन्सीक्वेंस ऑपरेटर $C_{P, A \setminus F}$ के लीस्ट फिक्स्पॉइंट (least fixpoint) की गणना करता है। जो परमाणु सत्य के रूप में प्राप्त होते हैं, उन्हें $U$ से $T$ में स्थानांतरित कर दिया जाता है।

प्रक्रिया तब समाप्त होती है जब $U$ खाली हो जाता है। एक गणना को तब सफल माना जाता है यदि वह $U = \emptyset$ और बिना किसी विरोधाभास ( $T \cap F = \emptyset$ ) के समाप्त होती है। लेखक सिद्ध करते हैं कि कोई भी सफल DProp गणना प्रोग्राम के स्टेबल मॉडल अर्थशास्त्र (semantics) को कैप्चर करती है। विशेष रूप से, एक सेट $S$ एक स्टेबल मॉडल है यदि और केवल यदि वह एक सफल DProp रन का अंतिम 'ट्रू सेट' है।

2.2 न्यूरल डिसीजन-प्रोपैगेशन (NDProp)

न्यूरल नेटवर्क के साथ सीखने और एकीकरण को सक्षम करने के लिए, लेखक NDProp विकसित करते हैं, जो DProp का एक डिफरेंशिएबल विस्तार है।

प्रतिनिधित्व (Representation): बाइनरी सेटों के बजाय, NDProp प्रत्येक परमाणु के लिए निरंतर सत्य डिग्री $\tau \in [0, 1]^n$ और असत्य डिग्री $\phi \in [0, 1]^n$ बनाए रखता है। एक मेंबरशिप स्कोर $p_i = \frac{1}{2}(\tau_i + 1 - \phi_i)$ सॉफ्ट ट्रुथ वैल्यू का प्रतिनिधित्व करता है।
डिफरेंशिएबल डिसीजन (Differentiable Decision): "डिसीजन" चरण को एक रिकरेंट न्यूरल नेटवर्क (RNN) डिसीजन मॉड्यूल के माध्यम से लागू किया जाता है। RNN वर्तमान स्थिति ( $\tau, \phi$ , और अनिर्णित डिग्री $\mu$ ) को लेता है और डिसीजन लॉजिट्स (logits) आउटपुट करता है, जिन्हें सिग्मॉइड फंक्शन के माध्यम से स्कोर $\delta$ में परिवर्तित किया जाता है। असत्य डिग्री को योगात्मक रूप से अपडेट किया जाता है: $\phi^{t+1} = \phi^t + (\mu^t \odot \delta^t)$ । यह नेटवर्क को यह सीखने की अनुमति देता है कि किन परमाणुओं को असत्य घोषित करना है।
डिफरेंशिएबल प्रोपैगेशन (Differentiable Propagation): "प्रोपैगेशन" चरण सत्य डिग्री $\tau$ को अपडेट करने के लिए फजी लॉजिक ऑपरेटर्स (t-norms और t-conorms) का उपयोग करता है। यह अभिसरण (convergence) या निश्चित चरणों तक एक सॉफ्ट इमीडिएट कॉन्सीक्वेंस ऑपरेटर $C_{P, \phi}$ को इटरेट करता है।
क्रिस्प रिकवरी (Crisp Recovery): लेखक सिद्ध करते हैं कि जब इनपुट और आउटपुट को बाइनरी मानों (0 या 1) तक सीमित किया जाता है, तो NDProp ठीक से DProp एल्गोरिदम के समान हो जाता है।
स्टेबिलिटी एनफोर्समेंट (Stability Enforcement): पेपर यह प्रदर्शित करता है कि एक लॉस फंक्शन (जैसे, बाइनरी क्रॉस एंट्रॉपी) के माध्यम से बाइनरी आउटपुट को लागू करना स्वाभाविक रूप से सिस्टम को स्टेबल मॉडल्स की ओर अभिसरण करने के लिए मजबूर करता है, बशर्ते कि प्रोपैगेशन एक फिक्स्पॉइंट तक पहुँच जाए। यह अनसुपरवाइज्ड ट्रेनिंग की अनुमति देता है जहाँ मॉडल बिना किसी स्पष्ट लेबल के आंसर सेट्स को खोजने के लिए सीखता है।

3. मुख्य योगदान (Key Contributions)

DProp एल्गोरिदम: स्टेबल मॉडल्स की गणना करने के लिए एक नया तरीका, जो वैकल्पिक असत्य निर्णयों और सत्य प्रसार के आधार पर काम करता है, जिसमें एक औपचारिक प्रमाण भी है कि सफल रन स्टेबल मॉडल अर्थशास्त्र को कैप्चर करते हैं।
NDProp फ्रेमवर्क: एक पूर्णतः डिफरेंशिएबल विस्तार (NDProp) का विकास जो निर्णय लेने के लिए न्यूरल नेटवर्क और प्रसार के लिए फजी लॉजिक का उपयोग करता है। यह दिखाया गया है कि यह क्रिस्प केस में DProp के समान है।
लर्निंग डायनेमिक्स: यह प्रदर्शन कि NDProp बाहरी सॉल्वर पर निर्भर किए बिना रैंडम ASP समस्याओं को हल करने के लिए डिसीजन ह्यूरिस्टिक्स सीखने में सक्षम है।
न्यूरो-सिंबोलिक एकीकरण: NDProp के न्यूरो-सिंबोलिक पाइपलाइन में सफल एकीकरण, जो दिखाता है कि धारणा (perception) और तर्क (reasoning) का एंड-टू-एंड प्रशिक्षण, सॉल्वर-आधारित बेसलाइनों की तुलना में बेहतर सटीकता और स्केलेबिलिटी प्रदान करता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने तीन प्रकार के प्रयोग किए:

रैंडम ASP सॉल्विंग: रैंडम नेगेटिव टू-लिटरल (N2L) और 3-LP प्रोग्राम्स का उपयोग करते हुए, NDProp को डिसीजन डायनेमिक्स सीखने के लिए प्रशिक्षित किया गया। परिणामों ने दिखाया कि NDProp ने एक रैंडम डिसीजन बेसलाइन (RDProp) को भी काफी पीछे छोड़ दिया, यहाँ तक कि 1-शॉट सेटिंग में भी, और बड़े समस्या आकार के लिए अच्छी तरह से सामान्यीकरण (generalize) किया।
न्यूरो-सिंबोलिक बेंचमार्क: MNIST-आधारित अंकगणितीय कार्यों (Addition, Add2x2, Apply2x2, Membership) पर मूल्यांकन किया गया। NDProp की तुलना NeurASP और SLASH से की गई।
- सटीकता (Accuracy): NDProp ने सभी कार्यों में उच्च रिकग्निशन और इन्फरेंस सटीकता प्राप्त की।
- गति (Speed): NDProp ने काफी तेज़ इन्फरेंस गति प्रदर्शित की (औसतन NeurASP से 46 गुना और SLASH से 7.5 गुना तेज़), जिसका कारण GPU पैरेललाइजेशन और सिंबोलिक सॉल्वर कॉल्स का उन्मूलन है।
अपूर्ण डेटा के साथ तर्क (Reasoning with Incomplete Data): एक विजुअल सुडोकू कार्य में, जहाँ डिजिट क्लासिफायर की भविष्यवाणियाँ अपूर्ण थीं, NDProp ने प्योर न्यूरल बेसलाइन और एक मानक ASP सॉल्वर दोनों से बेहतर प्रदर्शन किया। जबकि ASP सॉल्वर शोर वाले (noisy) डेटा के मामले में विफल रहा, NDProp ने शोर वाली भविष्यवाणियों का उपयोग एक संगत समाधान खोजने के लिए ह्यूरिस्टिक के रूप में करके मजबूती बनाए रखी।

5. महत्व और दावे (Significance and Claims)

पेपर का दावा है कि NDProp एक नवीन फिक्स्पॉइंट सिमेंटिक्स पर आधारित एक पूर्णतः डिफरेंशिएबल आंसर सेट सॉल्वर प्रदान करता है। इसका प्राथमिक महत्व निम्नलिखित है:

स्केलेबिलिटी: शास्त्रीय सिंबोलिक सॉल्वरों की निर्भरता को हटाकर, NDProp बहुत अधिक इन्फरेंस गति प्राप्त करता है और बड़ी समस्याओं के लिए बेहतर स्केल करता है।
एंड-टू-एंड लर्निंग: यह धारणा (perception) और तर्क (reasoning) के संयुक्त अनुकूलन (joint optimization) की अनुमति देता है, जिससे न्यूरो-सिंबोलिक प्रणालियों में अधिक सुसंगत और सुसंगत आउटपुट प्राप्त होता है।
सैद्धांतिक सुदृढ़ता (Theoretical Soundness): यह पद्धति शास्त्रीय स्टेबल मॉडल अर्थशास्त्र के साथ एक स्पष्ट संबंध बनाए रखती है, यह सुनिश्चित करती है कि बाइनरी आउटपुट वैध स्टेबल मॉडल के अनुरूप हों।

लेखक निष्कर्ष निकालते हैं कि हालांकि t-norm चयन और फजी वेरिएंट या जटिल कंस्ट्रक्ट्स (constraints, aggregates) के विस्तार भविष्य का कार्य हैं, NDProp न्यूरल आर्किटेक्चर के भीतर ASP तर्क को स्केलेबल और सीखने योग्य बनाने की दिशा में एक महत्वपूर्ण कदम है।