💻 computer science

Modeling Bounded Rationality in Drug Shortage Pharmacists Using Attention-Guided Dynamic Decomposition

यह शोध पत्र एक अटेंशन-गाइडेड डायनेमिक डिकंपोजिशन फ्रेमवर्क का प्रस्ताव और सत्यापन करता है जो महत्वपूर्ण दवा की कमी पर संज्ञानात्मक प्रयास को प्राथमिकता देकर अस्पताल के फार्मासिस्टों में सीमित तर्कसंगतता (बाउंडेड रेशनैलिटी) को मॉडल करता है, यह प्रदर्शित करते हुए कि इस संतोषजनक (सैटिसफाइसिंग) रणनीतियों पूर्ण अवस्था तर्क की आवश्यकता के बिना अनिश्चितता के तहत स्थिर निर्णय लेने में सक्षम बनाती है।

मूल लेखक: Yaniv Eliyahu Amiri, Noah Chicoine, Jacqueline Griffin, Stacy Marsella

प्रकाशित 2026-05-15

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yaniv Eliyahu Amiri, Noah Chicoine, Jacqueline Griffin, Stacy Marsella

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, अराजक रसोई के मुख्य शेफ (head chef) हैं। आपको सैकड़ों सामग्रियों (दवाओं) का प्रबंधन करना है। कुछ खत्म होने वाली हैं, कुछ के सप्लायर अविश्वसनीय हैं, और आपको हर दिन सैकड़ों लोगों को खिलाना है। यदि आपके पास कोई प्रमुख सामग्री खत्म हो जाती है, तो मरीज (या मेहमान) भूखे रह जाते हैं या बीमार पड़ जाते हैं।

समस्या यह है कि आप हर मिनट हर एक डिब्बे, कैन और बॉक्स की जांच नहीं कर सकते। समय की कमी है, और आपका मस्तिष्क इतनी सारी जानकारी एक साथ नहीं रख सकता।

यह पेपर इस बारे में है कि कैसे विशेषज्ञ फार्मासिस्ट (मुख्य शेफ) वास्तव में इस समस्या को हल करते हैं, और कैसे लेखकों ने उस स्मार्ट, "बाउंडेड" (सीमित) तरीके की नकल करने के लिए एक कंप्यूटर प्रोग्राम बनाया।

समस्या: एक साथ सब कुछ करने की कोशिश करना

पुराने तरीके के सोचने में, कंप्यूटर "पूर्णतः तर्कसंगत" (perfectly rational) होने की कोशिश करते थे। वे हर एक दवा को देखने, हर एक के लिए सबसे अच्छा कदम उठाने की गणना करने और हफ्तों आगे की योजना बनाने की कोशिश करते थे।

उपमा: कल्पना कीजिए कि किसी ग्राहक को सिफारिश करने के लिए आपको लाइब्रेरी की हर एक किताब पढ़ने की कोशिश करनी पड़े। इसमें बहुत समय लगेगा, और आप कभी कुछ भी पूरा नहीं कर पाएंगे। वास्तविक दुनिया में, यह "पूर्ण नियोजन" (perfect planning) इतना धीमा और जटिल है कि कंप्यूटर क्रैश हो जाता है या मदद करने में बहुत अधिक समय लेता है।

मानवीय समाधान: "अर्जेंसी फ़िल्टर" (तत्कालता का फिल्टर)

शोधकर्ताओं ने वास्तविक फार्मासिस्टों का साक्षात्कार लिया और कुछ दिलचस्प पाया। विशेषज्ञ पूरे पहेली को एक साथ हल करने की कोशिश नहीं करते हैं। इसके बजाय, वे एक मानसिक फ़िल्टर का उपयोग करते हैं।

उपमा: एक तूफानी समुद्र में लाइटहाउस (प्रकाश स्तंभ) के बारे में सोचें। लाइटहाउस पूरे समुद्र पर रोशनी नहीं डालता; वह अपना तेज प्रकाश उन विशिष्ट चट्टानों पर केंद्रित करता है जो अभी खतरनाक हैं। बाकी समुद्र बस "काला पानी" है जिसे एक त्वरित, ढीली नज़र से देख लिया जाता है।
यह कैसे काम करता है: फार्मासिस्ट कुछ प्रमुख संकेतों को देखते हैं:
- रनवे (Runway): हमारे पास कितने हफ्तटों का स्टॉक बचा है?
- अनिश्चितता (Uncertainty): क्या सप्लायर झूठ बोल रहा है या अस्पष्ट जानकारी दे रहा है?
- इतिहास (History): क्या इस दवा ने पहले कभी परेशानी खड़ी की है?
- प्रभाव (Impact): क्या यह जीवन रक्षक दवा है?

यदि कोई दवा एक निश्चित "अर्जेंसी" (तत्कालता) स्तर पर पहुँच जाती है, तो फार्मासिस्ट अपनी मानसिक शक्ति उस पर केंद्रित करता है। यदि अर्जेंसी कम है, तो वे बिना गहराई से सोचे बस उस पर नज़र रखते हैं।

कंप्यूटर मॉडल: दो नए एजेंट

लेखकों ने दो कंप्यूटर "एजेंट" (प्रोग्राम) बनाए ताकि यह परीक्षण किया जा सके कि क्या यह "फोकस फ़िल्टर" सब कुछ करने की कोशिश करने से बेहतर काम करता है।

एक्सपर्ट एजेंट (Expert Agent): यह एक "नकलची" है। इसे ठीक उन्हीं नियमों के साथ प्रोग्राम किया गया था जो साक्षात्कार में फार्मासिस्टों ने बताए थे। यह जानता है कि "अर्जेंसी" संकेतों के आधार पर किन दवाओं पर ध्यान केंद्रित करना है।
लर्नर एजेंट (Learner Agent): यह एक "छात्र" है। यह बिना किसी जानकारी के शुरुआत करता है। यह अलग-अलग चीजें आजमाता है, गलतियाँ करता है, और समय के साथ सीखता है कि कौन से संकेत (जैसे "सप्लायर अनिश्चितता" या "उपयोग दर") वास्तव में स्टॉक खत्म होने से बचने में मदद करते हैं। अंततः, यह मानव विशेषज्ञ की तरह सही दवाओं पर ध्यान केंद्रित करना सीख जाता है।

परिणाम: तेज़ और स्थिर

शोधकर्ताओं ने इन एजेंटों का एक सिम्युलेटेड अस्पताल वातावरण में तीन अलग-अलग समय सीमाओं में परीक्षण किया: लघु (3 सप्ताह), मध्यम (10 सप्ताह), और दीर्घ (52 सप्ताह)।

गति: "फोकस" एजेंट बहुत तेज़ थे। दीर्घकालिक परीक्षणों में, "परफेक्ट प्लानर" (जो सब कुछ देखने की कोशिश करता है) इतना धीमा हो गया कि वह व्यावहारिक रूप से बेकार हो गया। "फोकस" एजेंटों ने सेकंडों में निर्णय लिए।
सफलता: भले ही उन्होंने अधिकांश समय अधिकांश दवाओं को अनदेखा किया, फिर भी वे स्टॉक खत्म होने (दवा खत्म होने) को रोकने में "परफेक्ट प्लानर" जितने ही सक्षम थे।
सबक: यह पेपर तर्क देता है कि सबसे महत्वपूर्ण निर्णय यह नहीं है कि "मुझे क्या कार्रवाई करनी चाहिए?" बल्कि यह है कि "मुझे अपनी मानसिक शक्ति कहाँ खर्च करनी चाहिए?"

निष्कर्ष (Takeaway)

पेपर सुझाव देता है कि उच्च-तनाव, जटिल स्थितियों (जैसे अस्पताल की फार्मेसी) में, आपको सुपर-कंप्यूटर होने की आवश्यकता नहीं है जो सब कुछ कैलकुलेट करे। आपको बस इस बात पर स्मार्ट होना है कि आप किस चीज़ पर ध्यान दें।

केवल "गर्म" (महत्वपूर्ण) समस्याओं पर ध्यान केंद्रित करके और "ठंडी" (कम महत्वपूर्ण) समस्याओं को बैक बर्नर पर छोड़ देकर, आप अपने दिमाग (या अपने कंप्यूटर) को थकाए बिना तेज़ी से स्थिर और अच्छे निर्णय ले सकते हैं। "लर्नर" एजेंट ने साबित किया कि एक सिस्टम खुद को यह फोकस करने का तरीका सिखा भी सकता है, जिससे वह बिना किसी मानवीय नियम के वास्तविक खतरों को पहचानने में बेहतर होता जाता है।

तकनीकी सारांश: अटेंशन-गाइडेड डायनेमिक डिकंपोज़िशन का उपयोग करके ड्रग शॉर्टेज फार्मासिस्टों में बाउंडेड रेशनैलिटी (सीमित तर्कसंगतता) को मॉडल करना

समस्या की परिभाषा
अस्पताल के फार्मासिस्ट जो दवाओं की कमी (ड्रग शॉर्टेज) का प्रबंधन करते हैं, वे एक उच्च-जोखिम वाले, आंशिक रूप से अवलोकन योग्य (partially observable) वातावरण में कार्य करते हैं, जो अनिश्चित आपूर्ति गतिशीलता, शोर युक्त मांग संकेतों और समय के दबाव से ग्रस्त है। निर्णय की समस्या सैकड़ों दवाओं के अनिश्चित इन्वेंट्री स्तरों, उतार-चढ़ाव वाली उपयोग दर और अविश्वसनीय आपूर्तिकर्ता डिलीवरी अनुमानों के प्रबंधन से जुड़ी है। इस समस्या के लिए पारंपरिक दृष्टिकोण, जैसे कि पार्शियली ऑब्जर्वेबल मार्कोव डिसीजन प्रोसेस (POMDPs), पूर्ण स्टेट स्पेस पर कार्यों को अनुकूलित करने का प्रयास करते हैं। हालांकि, वास्तविक ड्रग शॉर्टेज सेटिंग्स के लिए ये विधियाँ कम्प्यूटेशनल रूप से अव्यवहार्य (intractable) हैं क्योंकि इनमें स्टेट स्पेस का घातांकीय विकास (exponential growth) होता है। इसके अलावा, कार्यरत फार्मासिस्टों के साक्षात्कार से पता चलता है कि मानव विशेषज्ञ वैश्विक अनुकूलन (global optimization) नहीं करते हैं; इसके बजाय, वे कुछ चुनिंदा तत्काल दवाओं के लिए अपनी संज्ञानात्मक ऊर्जा (cognitive effort) को गतिशील रूप से आवंटित करते हैं और शेष दवाओं की केवल निष्क्रिय निगरानी करते हैं। मौजूदा निर्णय-सहायता मॉडल इस चयनात्मक ध्यान (selective attention) तंत्र को पकड़ने में विफल रहते हैं या विशेषज्ञों को प्राथमिकता निर्माण को समझने के लिए आवश्यक व्याख्यात्मकता (explainability) प्रदान नहीं करते हैं।

कार्यप्रणाली
लेखक एक कम्प्यूटेशनल फ्रेमवर्क प्रस्तावित करते हैं जो निर्णय की समस्या को एक निश्चित स्टेट रिप्रजेंटेशन पर कार्यों को अनुकूलित करने से बदलकर, स्टेट वेरिएबल्स के बीच कम्प्यूटेशनल संसाधनों के आवंटन को नियंत्रित करने के रूप में पुनर्परिभाषित करता है। यह दृष्टिकोण बाउंडेड रेशनैलिटी और रिकग्निशन-प्राइम्ड डिसीजन (RPD) सिद्धांतों पर आधारित है, जो सुझाव देते हैं कि विशेषज्ञ उच्च-जोखिम और निम्न-जोखिम उपसमुच्चयों (subsets) में समस्याओं को विभाजित करने के लिए पैटर्न पहचान का उपयोग करते हैं।

यह फ्रेमवर्क एक अटेंशन-गाइडेड प्लानिंग तंत्र पेश करता है जो दवाओं के सेट को दो उपसमुच्चयों में गतिशील रूप से विभाजित करता है:

उच्च-तत्कालता उपसमुच्चय (High-Urgency Subset): एक छोटा सेट जिसे ऑनलाइन प्लानर का उपयोग करके गहन, लागतपूर्ण तर्क (deep, costly reasoning) के लिए चुना जाता है।
निम्न-तत्कालता उपसमुच्चय (Low-Urgency Subset): पूरक सेट जो निम्न-लागत वाली निगरानी के अधीन है।

चयन प्रत्येक दवा के लिए एक अर्जेंसी स्कोर ( $U_i$ ) द्वारा संचालित होता है, जिसकी गणना सामान्यीकृत घटकों के भारित योग (weighted sum) के रूप में की जाती है:
$U_i = U_{runway}(s_i) + \sum_{f \in F \setminus \{runway\}} \beta_f \cdot U_f(s_i, f)$
जहाँ $U_{runway}$ शेष आपूर्ति के हफ्तों (weeks of supply) को दर्शाता है, और अन्य पद ( $U_f$ ) इन्वेंट्री/उपयोग में अनिश्चितता, असामान्य उपयोग स्तर, नैदानिक प्रभाव और पूर्व शॉर्टेज इतिहास को कैप्चर करते हैं। वेट्स ( $\beta_f$ ) इन विशेषताओं के योगदान को निर्धारित करते हैं।

इस फ्रेमवर्क का परीक्षण करने के लिए दो एजेंट विकसित किए गए हैं:

एक्सपर्ट एजेंट (Expert Agent): यह फार्मासिस्टों के साथ किए गए अर्ध-संरचित साक्षात्कारों से प्राप्त अटेंशन वेट्स को एनकोड करता है। ये वेट्स एक संज्ञानात्मक आधार (cognitive baseline) के रूप में कार्य करते हैं, जो रनवे जोखिम और आपूर्ति अनिश्चितता जैसे विशेषज्ञ-पहचाने गए संकेतों के आधार पर दवाओं को प्राथमिकता देते हैं।
लर्नर एजेंट (Learner Agent): यह समय के साथ अटेंशन वेट्स ( $\beta$ ) को अनुकूलित करने के लिए एक REINFORCE-शैली के अपडेट का उपयोग करता है। एक एक्शन-सिलेक्शन पॉलिसी सीखने के बजाय, लर्नर एक मूविंग बेसलाइन के सापेक्ष देखे गए रिवॉर्ड्स के आधार पर अटेंशन एलोकेशन वेट्स को समायोजित करता है। यह एजेंट को यह सीखने की अनुमति देता है कि अनिश्चितता के तहत स्थिर निर्णय लेने के लिए कौन से प्राथमिकता कारक सबसे अच्छे हैं, जबकि यह एक व्याख्या योग्य अटेंशन तंत्र को बनाए रखता है।

प्रायोगिक सेटअप
इन मॉडलों का मूल्यांकन सिमुलेटेड साप्ताहिक ड्रग शॉर्टेज परिदृश्यों में आंशिक अवलोकन और स्टोकेस्टिक डायनेमिक्स के साथ किया गया। सिमुलेशन में $n=19$ दवाएं शामिल थीं और इसमें तीन परिदृश्य सेट शामिल थे:

सेट 1: 3-सप्ताह का क्षितिज (नियंत्रित व्यवधान)।
सेट 2: 10-सप्ताह का क्षितिज (संचयी प्रभाव और विलंबित परिणाम)।
सेट 3: 52-सप्ताह का क्षितिज (दीर्घकालिक स्थिरता और स्ट्रेस टेस्टिंग)।

एजेंटों की तुलना चार बेसलाइन्स से की गई: एक रैंडम एजेंट, एक ग्रीडी एजेंट (कम रनवे को प्राथमिकता देने वाला), एक ह्यूरिस्टिक एजेंट (फार्मासिस्ट-प्रेरित नियमों का उपयोग करने वाला), और एक फुल POMDP एजेंट (पूर्ण स्टेट ऑनलाइन प्लानिंग)।

मुख्य परिणाम

कम्प्यूटेशनल दक्षता: अटेंशन-गाइडेड एजेंटों ने फुल POMDP बेसलाइन की तुलना में प्लानिंग समय को काफी कम कर दिया। सेट 1 में, प्लानिंग समय 0.59s से घटकर ~0.3s हो गया; सेट 2 में, यह 2.11s से घटकर ~0.7s हो गया। यह दक्षता लाभ उच्च-तत्कालता वाली दवाओं के केंद्रित उपसमुच्चय तक गहन प्लानिंग को सीमित करने से प्राप्त हुआ।
प्रदर्शन स्थिरता: एक्सपर्ट एजेंट ने सभी परिदृश्य सेटों में, विशेष रूप से दीर्घकालिक परिदृश्यों (सेट 3) में, स्टैटिक बेसलाइन्स (ग्रीडी और ह्यूरिस्टिक) को पछाड़ दिया। ह्यूरिस्टिक एजेंट को 4 स्टॉकआउट का सामना करना पड़ा और भारी नकारात्मक रिवॉर्ड (-4.9M) मिला, जबकि एक्सपर्ट एजेंट ने शून्य स्टॉकआउट बनाए रखा और 36,236 का कुल रिवॉर्ड प्राप्त किया।
सीखने की क्षमता: लर्नर एजेंट ने सभी सेटों में एक्सपर्ट एजेंट के समान प्रदर्शन प्राप्त किया (उदाहरण के लिए, सेट 3 रिवॉर्ड: 36,448 बनाम 36,236) और अपने अटेंशन वेट्स को सफलतापूर्वक अनुकूलित किया। लर्नर के वेट इवोल्यूशन के विश्लेषण ने दिखाया कि समय के साथ उपयोग और उपयोग की अनिश्चितता को प्राथमिकता देने की ओर बदलाव आया, जो यह दर्शाता है कि दीर्घकालिक स्थिरता के लिए डिमांड-साइड सिग्नल महत्वपूर्ण हो जाते हैं।
बाउंडेड फोकस: दोनों एजेंटों ने 52-सप्ताह के परिदृश्यों के दौरान एक बाउंडेड फोकस सेट (अधिकतम आठ दवाएं) बनाए रखा, जिससे यह सिद्ध हुआ कि गहन स्टेट रीजनिंग के बिना भी स्थिर निर्णय लेना संभव है।

महत्व और दावे
पेपर का दावा है कि उच्च-आयामी (high-dimensional), आंशिक रूप से अवलोकन योग्य निर्णय समस्याओं के लिए, प्राथमिक निर्णय यह नहीं है कि क्या कार्रवाई की जाए, बल्कि यह है कि संज्ञानात्मक तर्क प्रयास (cognitive reasoning effort) को कहाँ आवंटित किया जाए। लेखक तर्क देते हैं कि इन डोमेन में मजबूत प्रदर्शन के लिए वैश्विक अनुकूलन रणनीतियाँ अनिवार्य रूप से आवश्यक नहीं हैं। इसके बजाय, अटेंशन-गाइडेड, सैटिसफाइसिंग (satisficing) रणनीतियाँ स्टेट स्पेस को गतिशील रूप से विभाजित करके समस्या की जटिलता को कम कर सकती हैं, जिससे निर्णय की गुणवत्ता या स्थिरता से समझौता किए बिना ट्रैक्टेबिलिटी (व्यवहार्यता) प्राप्त की जा सकती है।

यह फ्रेमवर्क एक कम्प्यूटेशनल रूप से व्यवहार्य विकल्प प्रदान करता है जो मानव विशेषज्ञ व्यवहार के अनुरूप है। यह व्याख्यात्मकता के लिए एक तंत्र प्रदान करता है क्योंकि यह स्पष्ट रूप से मॉडल करता है कि प्राथमिकताएं कैसे बनती और अपडेट होती हैं। लेखक नोट करते हैं कि हालांकि यह मॉडल सिमुलेशन-आधारित है और सरल सप्लाई चेन डायनेमिक्स का उपयोग करता है, यह एक सामान्य संज्ञानात्मक सिद्धांत स्थापित करता है: जब कोई समस्या बहुत बड़ी होती है, तो प्रभावी एजेंटों को अपने तर्क के दायरे (scope of reasoning) को स्पष्ट रूप से प्रबंधित करना चाहिए। भविष्य के कार्य के रूप में वास्तविक परिचालन डेटा के साथ प्रोस्पेक्टिव वैलिडेशन और समृद्ध सामाजिक गतिशीलता एवं अंतर-अस्पताल समन्वय को शामिल करने की पहचान की गई है।

समस्या: एक साथ सब कुछ करने की कोशिश करना

मानवीय समाधान: "अर्जेंसी फ़िल्टर" (तत्कालता का फिल्टर)

कंप्यूटर मॉडल: दो नए एजेंट

परिणाम: तेज़ और स्थिर

निष्कर्ष (Takeaway)

इसी तरह के और पेपर