Harnessing Agentic Evolution
यह शोध पत्र AEvo को प्रस्तुत करता है, जो एक मेटा-एडिटिंग फ्रेमवर्क है जो एजेंटिक इवोल्यूशन (agentic evolution) को एक इंटरैक्टिव वातावरण के रूप में मानता है जहाँ एक मेटा-एजेंट संचित संदर्भ (accumulated context) के आधार पर स्वयं विकास प्रक्रिया (evolution procedure) को संपादित करता है, जिससे लंबी अवधि की खोज और अनुकूलन कार्यों (long-horizon search and optimization tasks) में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए कठोर और लचीले दृष्टिकोणों को एकीकृत किया जा सके।
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 ही कठिन पहेली को हल करने की कोशिश कर रहे हैं, जैसे कि एक वर्ग (square) के भीतर वृत्तों (circles) को पैक करने का सही तरीका खोजना या एक ऐसा कंप्यूटर प्रोग्राम लिखना जो अविश्वसनीय रूप से तेज़ चलता हो। आपके पास मदद के लिए एक स्मार्ट सहायक (एक AI एजेंट) है।
पुराना तरीका: दो दोषपूर्ण दृष्टिकोण
इस शोध पत्र से पहले, लोग इन समस्याओं को बार-बार हल करने के लिए AI का उपयोग करने के दो मुख्य तरीकों का उपयोग करते थे:
- कठोर रोबोट (The Rigid Robot): आप AI को एक सख्त, अपरिवable नियम पुस्तिका देते हैं। "यह कोशिश करो, स्कोर चेक करो, अगर यह बुरा है, तो वह करो।" यह विश्वसनीय है, लेकिन यदि नियम पुस्तिका एक लूप में फंस जाती है, तो रोबोट अनंत काल तक वही बेकार चीज़ करता रहता है। यह यह सीखने में असमर्थ है कि यह कैसे काम करता है, इसे कैसे बदला जाए।
- मुक्त-रेंज जीनियस (The Free-Range Genius): आप AI को एक सामान्य लक्ष्य देते हैं और बाकी सब कुछ खुद figuring out करने के लिए छोड़ देते हैं। यह बहुत लचीला और रचनात्मक है। लेकिन जैसे-जैसे यह हजारों चीजें आज़माता है, यह भ्रमित हो जाता है। यह भूल सकता है कि क्या काम कर रहा था, किसी बुरे विचार से विचलित हो सकता है, या बहुत जल्दी हार मान सकता है क्योंकि इसे लगता है कि इसका काम पूरा हो गया है। इसके पास बहुत अधिक स्वतंत्रता है और पर्याप्त संरचना नहीं है।
दोनों तरीके डेटा का एक विशाल भंडार एकत्र करते हैं: असफल प्रयास, सफलता की कहानियाँ और नोट्स। लेकिन उनमें उस पूरे डेटा को देखकर यह कहने की क्षमता की कमी है कि, "अरे, जिस तरह से हम यह कर रहे हैं वह गलत है। चलिए नियमों को बदलते हैं।"
नया तरीका: AEVO (द "कोच" सिस्टम)
लेखक AEVO (एजेंटिक इवोल्यूशन) पेश करते हैं। वे समस्या सुलझाने की पूरी प्रक्रिया को केवल एक कार्य के रूप में नहीं, बल्कि एक वीडियो गेम लेवल के रूप में देखते जिसे एक "मेटा-एजेंट" (एक कोच) खेल रहा है।
यहाँ बताया गया है कि यह कैसे काम करता है (एक सरल उपमा का उपयोग करके):
- खिलाड़ी (The Player - द इवोल्यूशन एजेंट): यह वह AI है जो पहेली को हल करने की कोशिश कर रहा है। यह समाधान (candidates) बनाता है, ग्रेड प्राप्त करता है, और फिर से प्रयास करता है।
- गेम बोर्ड (The Game Board - द एनवायरनमेंट): गेम का सारा इतिहास—विफल प्रयास, स्कोर, नोट्स और वर्तमान स्थिति—यहाँ संग्रहीत है। यह एक स्कोरबोर्ड और एक रिप्ले टेप का मिश्रण है।
- कोच (The Coach - द मेटा-एजेंट): AEVO में यह एक विशेष AI है। कोच पहेली को खुद हल करने के बजाय, खिलाड़ी को देखता है।
- ट्विस्ट: कोच केवल यह नहीं कहता, "अधिक प्रयास करो।" इसके बजाय, यह नियम पुस्तिका को संपादित करता है या खिलाड़ी की प्रशिक्षण नियमावली को बदल देता है।
- यदि खिलाड़ी इसलिए विफल हो रहा है क्योंकि वह पहेली के गलत हिस्से को देख रहा है, तो कोच निर्देशों को फिर से लिखता है ताकि खिलाड़ी को कहीं और देखने के लिए कहा जा सके।
- यदि खिलाड़ी समय बर्बाद कर रहा है, तो कोच रणनीति को बदलकर उसे सफल चीज़ों पर ध्यान केंद्रित करने के लिए कहता है।
"हार्नेस" (The Harness): एक सुरक्षा जाल
शोध पत्र एक "हार्नेस्ड" (harnessed) डिज़ाइन पर जोर देता है। कल्पना कीजिए कि खिलाड़ी एक जंगली घोड़ा है। हार्नेस अस्तबल और लगाम है।
- यह "जज" (मूल्यांकनकर्ता) की रक्षा करता है ताकि खिलाड़ी धोखाधड़ी न कर सके या स्कोर को धोखा न दे सके।
- यह हर एक प्रयास का एक सटीक, व्यवस्थित रिकॉर्ड रखता है ताकि कोच व्यापक तस्वीर देख सके।
- यह सुनिश्चित करता है कि जब कोच नियमों को बदलता है, तो परिवर्तन सुरक्षित और स्पष्ट रूप से लागू किए जाते हैं।
जब उन्होंने इसे आजमाया तो क्या हुआ?
शोधकर्ताओं ने तीन प्रकार की चुनौतियों पर इस प्रणाली का परीक्षण किया:
- मानक तर्क पहेलियाँ (Standard Logic Puzzles): (जैसे ARC-AGI-2)।
- टर्मिनल कार्य (Terminal Tasks): (जैसे कमांड लाइन में कंप्यूटर कोड को ठीक करना)।
- ओपन-एंडेड ऑप्टिमाइज़ेशन (Open-Ended Optimization): (जैसे किसी कंप्यूटर प्रोग्राम को यथासंभव तेज़ चलाना)।
परिणाम:
- बेहतर स्कोर: AEVO ने पांच अन्य शीर्ष तरीकों को पछाड़ दिया। मानक तर्क परीक्षणों में, इसने मौजूदा सर्वोत्तम विधि की तुलना में प्रदर्शन में 26% का सुधार किया।
- तेज़ ऑप्टिमाइज़ेशन: ओपन-एंडेड कार्यों में, इसने अन्य तरीकों की तुलना में बेहतर समाधान खोजे, भले ही उन्हें समान समय और पैसा (कंप्यूटिंग पावर) दिया गया हो।
- प्लेटो को तोड़ना (Breaking Plateaus): जब अन्य तरीके अटक गए (एक ऐसे स्तर पर जहाँ वे सुधार नहीं कर पा रहे थे), तब AEVO का कोच हस्तक्षेप करता था, यह महसूस करता था कि वर्तमान रणनीति विफल हो रही है, और बाधा को तोड़ने के लिए रणनीति को फिर से लिखता था।
सारांश में
AEVO को इस तरह सोचें कि आप केवल एक काम करने के लिए कर्मचारी नहीं रख रहे हैं; आप एक कोच रख रहे हैं जो कर्मचारी को देखता है, गेम टेप की समीक्षा करता है, और फिर कर्मचारी के काम करने के तरीके को बेहतर बनाने के लिए उसकी जॉब डिस्क्रिप्शन (कार्य विवरण) को फिर से लिखता है। यह प्रयास और त्रुटि (trial-and-error) की अव्यवस्थित प्रक्रिया को एक संरचित लर्निंग लूप में बदल देता है जहाँ खोज करने का तरीका स्मार्ट होता जाता है, न कि केवल उत्तर।
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।