From Chat to Interview: Agentic Requirements Elicitation with an Experience Ontology
यह शोध पत्र OntoAgent को प्रस्तुत करता है, जो एक ऐसा साक्षात्कार एजेंट है जो संरचित, व्यवस्थित और कुशल आवश्यकताओं के निष्कर्षण (requirements elicitation) साक्षात्कार आयोजित करने में लार्ज लैंग्वेज मॉडल्स का मार्गदर्शन करने के लिए स्वतः निर्मित अनुभव ऑन्टोलॉजी (experience ontology) का लाभ उठाता है, जो प्रभावशीलता और प्रश्न पूछने की दक्षता दोनों में मौजूदा बेसलाइनों से काफी बेहतर प्रदर्शन 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
यहाँ इस शोध पत्र (paper) का सरल भाषा और रचनात्मक उपमाओं (analogies) के साथ विवरण दिया गया है।
समस्या: "बातूनी" साक्षात्कारकर्ता बनाम "अनुभवी" जासूस
कल्पना कीजिए कि आप एक कस्टम घर बनाने की कोशिश कर रहे हैं। आप एक ठेकेदार को नियुक्त करते हैं ताकि वह आपसे आपकी जरूरतों के बारे में सवाल पूछ सके।
- पुराना तरीका (मुक्त बातचीत): आप एक ऐसे ठेकेदार को काम पर रखते हैं जो बस आपसे गप्पें मारता है। वह पूछ सकता है, "क्या आपको नीला रंग पसंद है?" फिर "क्या आपको लाल रंग पसंद है?" फिर "क्या आपको नीला रंग पसंद है?" वह प्लंबिंग, छत या गैरेज के बारे में पूछना भूल जाता है क्योंकि वह बस "बातें" कर रहा है। वह उन छिपे हुए विवरणों को मिस कर देता है जिनका आपने जिक्र नहीं किया था (जैसे, "मुझे अपने बैंड के लिए एक साउंडप्रूफ कमरा चाहिए")। यह एक मानक AI चैटबॉट का उपयोग करने जैसा है—यह मिलनसार तो है लेकिन अक्सर बड़ी तस्वीर को समझने में चूक जाता है और एक ही सवाल बार-बार पूछता है।
- मानवीय विशेषज्ञ का तरीका: एक अनुभवी ठेकेदार के पास एक मानसिक चेकलिस्ट होती है। वह जानता है कि पेंट के रंगों के बारे में बात करने से पहले, उसे नींव की जांच करनी चाहिए। वह जानता है कि बाथरूम से पहले किचन के लेआउट के बारे में पूछना जरूरी है। वह वर्षों के अनुभव के आधार पर "क्या पूछा जाना चाहिए" के एक छिपे हुए मानचित्र (map) का पालन करता है।
शोध पत्र का लक्ष्य: लेखकों चाहते थे कि एक AI उस अनुभवी ठेकेदार की तरह व्यवहार करना सीखे, न कि केवल एक बातूनी दोस्त की तरह। उन्होंने OntoAgent नामक एक सिस्टम बनाया।
समाधान: "अनुभव का मानचित्र" (Ontology)
इस शोध पत्र का मूल विचार यह है कि आपको AI को केवल "मनमाने ढंग से काम करने" के लिए नहीं छोड़ना चाहिए। इसके बजाय, आप उसे वास्तविक दुनिया के अनुभव पर आधारित एक संरचित मानचित्र (structured map) देते हैं।
लेखक इस मानचित्र को "एक्सपीरियंस ऑन्टोलॉजी" (Experience Ontology) कहते हैं। इसे आवश्यकताओं के "पेड़" या "वंशवृक्ष" (family tree) के रूप में सोचें:
- तना (Aspects): बड़ी श्रेणियाँ (जैसे, "उपयोगकर्ता कैसे इंटरैक्ट करता है," "क्या कंटेंट दिखाया जाता है," "यह कैसा दिखता है")।
- शाखाएँ (Dimensions): उन श्रेणियों के अंतर्गत विशिष्ट क्षेत्र (जैसे, "इंटरैक्शन" के अंतर्गत, आपके पास "सर्च" और "लॉगिन" है)।
- पत्तियाँ (Slots): वे छोटे, विशिष्ट विवरण जिन्हें स्पष्ट करने की आवश्यकता है (जैसे, "सर्च" के अंतर्गत, आपको जानना होगा: "क्या वे तारीख के आधार पर फ़िल्टर करना चाहते?")।
OntoAgent मानचित्र कैसे बनाता है:
किसी का साक्षात्कार लेने से पहले, AI हजारों पिछले प्रोजेक्ट विवरणों को पढ़ता है (जैसे पुराने ब्लूप्रिंट पढ़ना)। यह उन पिछले अनुभवों को उस "पेड़" जैसी संरचना में व्यवस्थित करने के लिए एक लार्ज लैंग्वेज मॉडल (LLM) का उपयोग करता है। यह इसका "अनुभव मानचित्र" बन जाता है।
साक्षात्कार कैसे काम करता है: 4-चरणों का नृत्य
जब OntoAgent किसी उपयोगकर्ता का साक्षात्कार लेता है, तो वह केवल अगले सवाल का अनुमान नहीं लगाता। वह बातचीत के हर मोड़ के लिए एक सख्त 4-चरणीय प्रक्रिया का पालन करता है:
- सुनना (ParseUser): यह सुनता है कि उपयोगकर्ता ने अभी क्या कहा। क्या उन्होंने पुष्टि की कि उन्हें लॉगिन की आवश्यकता है? क्या उन्होंने कहा कि उन्हें सर्च बार की आवश्यकता नहीं है?
- मानचित्र को स्कोर देना (ScoreOnto): यह अपने "अनुभव मानचित्र" को देखता है। उपयोगकर्ता ने जो कहा, उसके आधार पर, यह विभिन्न शाखाओं को अंक (points) देता है। यदि उपयोगकर्ता ने "स्टॉक्स" का उल्लेख किया, तो "सर्च" शाखा को उच्च स्कोर मिलता है। यदि उन्होंने "स्टाइल" का उल्लेख नहीं किया, तो "स्टाइल" शाखा को कम स्कोर मिलता है।
- री-रैंक करना (ReRankOnto): जैसे-जैसे बातचीत आगे बढ़ती है, मानचित्र अपडेट होता रहता है। शायद उपयोगकर्ता ने कहा, "मुझे रंग की परवाह नहीं है," तो AI "स्टाइल" वाले सवालों की प्राथमिकता कम कर देता है और "फंक्शन" वाले सवालों की प्राथमिकता बढ़ा देता है। यह आगे पूछने के लिए अगली चीज़ों की सूची को लगातार पुनर्गठित करता रहता है।
- शाखाओं को छाँटना (GatePrune): यह दक्षता बढ़ाने वाला कदम है। यदि AI "लॉगिन" के बारे में तीन सवाल पूछता है और उपयोगकर्ता कहता है, "नहीं, हमें लॉगिन की आवश्यकता नहीं है," तो AI तुरंत उस पूरी शाखा को काट देता है। वह लॉगिन पासवर्ड, ईमेल फॉर्मेट आदि के बारे में पूछना बंद कर देता है, क्योंकि वह रास्ता बंद हो चुका है। इससे समय बचता है।
अंत में, यह उस सूची में से सबसे अच्छा सवाल चुनता है और उसे प्राकृतिक भाषा में पूछता है।
परिणाम: यह बेहतर क्यों है?
लेखकों ने 101 अलग-अलग परिदृश्यों (जैसे सैलून या स्की रिसॉर्ट के लिए वेबसाइट बनाना) का उपयोग करके अन्य AI साक्षात्कारकर्ताओं (जो "बातूनी" थे) के मुकाबले इस सिस्टम का परीक्षण किया।
- छिपी हुई चीजों को खोजना (प्रभावशीलता): "बातूनी" AI कई छिपे हुए विवरणों (जैसे डेटा को कैसे सॉर्ट किया जाए इसके विशिष्ट नियम) को मिस कर गए। OntoAgent ने इन छिपे हुए विवरणों को 33% अधिक खोजा। यह उस जासूस की तरह था जिसे याद था कि बेसमेंट की जांच करनी है, जबकि अन्य लोग केवल लिविंग रूम को देख रहे थे।
- सही सवाल तेजी से पूछना (दक्षता): "बातूनी" AI ने स्पष्ट सवाल पूछने या एक ही चीज़ दोबारा पूछने में समय बर्बाद किया। OntoAgent ने सबसे महत्वपूर्ण सवाल 21% तेजी से पूछे। यह लूप में नहीं फंसा।
- विभिन्न 'मस्तिष्क' के साथ काम करना: यह सिस्टम अच्छी तरह से काम कर गया भले ही उन्होंने इसके "मस्तिष्क" (अंडरलाइंग AI मॉडल) को बदलकर अलग-अलग प्रकार के AI का उपयोग किया हो। इसने साबित किया कि "अनुभव मानचित्र" ही असली सफलता का मंत्र है, न कि केवल विशिष्ट AI मॉडल।
- मानवीय फीडबैक: जब वास्तविक लोगों (छात्रों और विशेषज्ञों) ने "क्लाइंट" के रूप में भूमिका निभाई और AI से बात की, तो उन्होंने OntoAgent को उच्च रेटिंग दी। उन्हें लगा कि यह अन्य तरीकों की तुलना में अधिक प्रभावी, कुशल और अनुकूलन योग्य है।
निष्कर्ष
शोध पत्र का दावा है कि AI को पिछले कार्यों से प्राप्त एक संरचित "अनुभव मानचित्र" (ontology) देकर, हम एक अराजक, मुक्त-प्रवाह वाली चैट को एक व्यवस्थित, विशेषज्ञ-स्तर के साक्षात्कार में बदल सकते हैं।
यह एक दोस्त से पूछने और एक पेशेवर शेफ से पूछने के बीच का अंतर है, "आप रात के खाने में क्या चाहते हैं?" (जो शायद सिर्फ "पिज्जा" कह देगा और यह भूल जाएगा कि आप शाकाहारी हैं) बनाम एक पेशेवर शेफ जो आहार संबंधी प्रतिबंधों, स्वाद प्रोफाइल और खाना पकाने के तरीकों की एक चेकलिस्ट रखता है ताकि कुछ भी छूटे नहीं।
मुख्य बात: जटिल कार्यों में सर्वोत्तम परिणाम प्राप्त करने के लिए, AI को केवल स्वतंत्र रूप से चैट करने के लिए न छोड़ें; उसे अपने प्रश्नों का मार्गदर्शन करने के लिए मानवीय अनुभव का एक संरचित मानचित्र दें।
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।