From I/O to Code with Discovery Agent
यह शोध पत्र DIO-Agent को प्रस्तुत करता है, जो एक खोज ढांचा (discovery framework) है जो प्रोग्राम संश्लेषण (program synthesis) को निष्पादन त्रुटियों (execution errors) और सरल परिकल्पनाओं को प्राथमिकता देने के लिए एक "ट्रांसफॉर्मेशन प्रायोरिटी प्रिमिस" (Transformation Priority Premise) द्वारा निर्देशित एक विकासवादी खोज (evolutionary search) के रूप में फ्रेम करके चुनौतीपूर्ण IO2Code समस्या को हल करता है, और एक नवनिर्मित IO2CodeBench पर मौजूदा विधियों की तुलना में बेहतर प्रदर्शन प्रदर्शित 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
कल्पना कीजिए कि आप एक रोबोट को जादू का एक करतब करना सिखाने की कोशिश कर रहे हैं।
पुराना तरीका (NL2Code):
आमतौर पर, आप रोबोट को कहते हैं, "कृपया इन नंबरों को छोटे से बड़े क्रम में व्यवस्थित करें।" रोबोट आपके शब्दों को पढ़ता है, उन करतबों को याद करता है जो उसने पढ़ाई के दौरान सीखे थे, और कार्य को पूरा करता है। इसे NL2Code (Natural Language to Code) कहा जाता है। यह किसी को रेसिपी देने और उनसे व्यंजन पकाने के लिए कहने जैसा है।
नई चुनौती (IO2Code):
अब, कल्पना कीजिए कि आप रोबोट से बात नहीं कर सकते। आप उसे रेसिपी नहीं दे सकते। इसके बजाय, आप बस उसे प्रदर्शन के कुछ उदाहरण दिखाते हैं:
- आपने एक लाल गेंद डाली, और उसने एक नीली गेंद निकाली।
- आपने दो लाल गेंदें डालीं, और उसने एक नीली गेंद और एक हरी गेंद निकाली।
- आपने एक नीली गेंद डाली, और उसने कुछ भी नहीं निकाला।
रोबोट को प्रदर्शन के इनपुट और आउटपुट को देखकर ही उस जादू के पीछे के गुप्त नियम को समझना होगा। उसे बिना यह जाने कि सामग्री क्या है, "रेसिपी" का अनुमान लगाना होगा। शोध पत्र में इसे IO2Code (Input-Output to Code) कहा गया है।
समस्या यह है कि यह अविश्वसनीय रूप से कठिन है। यदि रोबोट केवल उदाहरणों को रट लेता है ("यदि लाल, तो नीला"), तो वह नए रंग आने पर विफल हो जाएगा। यदि वह बहुत जल्दी एक जटिल नियम का अनुमान लगा लेता है, तो वह गलत दिशा में फंस सकता है।
समाधान: "डिस्कवरी एजेंट" (DIO-Agent)
शोधकर्ताओं ने इस पहेली को हल करने के लिए एक नया AI एजेंट बनाया जिसे DIO-Agent कहा जाता है। उन्होंने AI को केवल बेतरतीब ढंग से अनुमान लगाने के लिए नहीं छोड़ा; बल्कि उन्होंने इसे मानव प्रोग्रामर के सीखने के तरीके पर आधारित एक विशिष्ट रणनीति दी।
यहाँ बताया गया है कि DIO-Agent कैसे काम करता है, एक सरल उपमा का उपयोग करते हुए:
1. "करिकुलम" (चरणों में सीखना)
एक वीडियो गेम की कल्पना करें जहाँ आप "ईज़ी मोड" से शुरू करते हैं और धीरे-धीरे कठिन स्तरों को अनलॉक करते हैं।
- रणनीति: AI को एक साथ सभी उदाहरण दिखाने के बजाय, DIO-Agent पहले उसे केवल सबसे आसान उदाहरण दिखाता है।
- यह कैसे मदद करता है: AI एक सरल नियम सीखता है जो आसान मामलों के लिए काम करता है। फिर, उसे कुछ कठिन उदाहरण मिलते हैं। यदि सरल नियम टूट जाता है, तो AI को पता चल जाता है कि उसे अपने नियम को अपग्रेड करने की आवश्यकता है, लेकिन वह उन हिस्सों को बरकरार रखता है जो पहले से ही काम कर रहे थे। यह एक ही बार में पूरी पहेली को हल करने के बजाय, चरण-दर-चरण जटिलता का निर्माण करता है।
2. "ट्रांसफॉर्मेशन प्रायोरिटी" (सरलता का नियम)
शोध पत्र में सॉफ्टवेयर इंजीनियरिंग की एक अवधारणा का उपयोग किया गया है जिसे ट्रांसफॉर्मेशन प्रायोरिटी प्रिमिस (TPP) कहा जाता है। इसे AI के अपने अनुमान को बदलने के लिए एक सख्त नियम के रूप में समझें।
- नियम: AI को सबसे पहले सबसे सरल संभव स्पष्टीकरण आज़माने के लिए मजबूर किया जाता है।
- स्तर 1: "क्या उत्तर केवल एक स्थिर संख्या है?" (जैसे, हमेशा 5 लौटाएं)।
- स्तर 2: "क्या यह सीधे इनपुट पर निर्भर है?" (जैसे, जो नंबर दिया गया है वही लौटाएं)।
- स्तर 3: "क्या हमें निर्णय लेने की आवश्यकता है?" (जैसे, यदि संख्या सम है, तो X करें; यदि विषम है, तो Y करें)।
- स्तर 4: "क्या हमें लूप की आवश्यकता है?" (जैसे, जब तक संख्या छोटी न हो जाए तब तक यह करते रहें)।
- यह कैसे मदद करता है: यह AI को सीधे एक सुपर-कॉम्प्लेक्स, उलझे हुए समाधान की ओर कूदने से रोकता है जो विशेष उदाहरणों के लिए तो काम करता है लेकिन वास्तव में गलत होता है। यह AI को जटिल विचारों को आज़माने से पहले सरल विचारों को "समाप्त" करने के लिए मजबूर करता है, ठीक वैसे ही जैसे एक जासूस मास्टरमाइंड को खोजने से पहले साधारण संदिग्धों को खारिज करता है।
3. "एरर-ग्राउंडेड फीडबैक" (गलतियों से सीखना)
जब AI का अनुमान विफल हो जाता है, तो उसे केवल "गलत" का स्कोर नहीं मिलता।
- रणनीति: सिस्टम AI को ठीक से दिखाता है कि वह कहाँ विफल हुआ। "आपने पहले तीन उदाहरण सही प्राप्त किए, लेकिन आप चौथे पर विफल रहे क्योंकि आप नकारात्मक संख्याओं को संभालना भूल गए।"
- यह कैसे मदद करता है: यह एक कोच की तरह काम करता है जो केवल यह कहने के बजाय कि "आप खेल हार गए," खेल के अभ्यास में हुई एक विशिष्ट गलती की ओर इशारा करता है। यह AI को उसके तर्क में उस विशिष्ट छेद को ठीक करने के लिए निर्देशित करता है।
परिणाम
शोधकर्ताओं ने इस नए एजेंट का एक विशाल सेट (जिसे IO2CodeBench कहा जाता है) पर परीक्षण किया, जिसमें सरल गणित से लेकर जटिल ज्यामिति और यहाँ तक कि इमेज विश्लेषण तक शामिल थे।
- विजेता: DIO-Agent ने पारंपरिक प्रोग्रामिंग टूल और अन्य उन्नत AI "इवोल्यूशन" एजेंटों सहित सभी अन्य तरीकों को पछाड़ दिया।
- दक्षता: वह केवल अधिक बार अनुमान लगाकर नहीं जीता; वह स्मार्ट तरीके से अनुमान लगाकर जीता। उसने अपने प्रतिस्पर्धियों की तुलना में कम "बर्बाद" प्रयास के साथ सही, सरल नियम तेजी से खोज लिए।
- सामान्यीकरण (Generalization): AI ने केवल प्रशिक्षण उदाहरणों को याद नहीं किया; उसने वास्तव में अंतर्निहित तर्क को समझ लिया, जिससे वह नए, अनदेखे समस्याओं को सही ढंग से हल करने में सक्षम हुआ।
संक्षेप में
शोध पत्र का तर्क है कि जबकि AI लिखित निर्देशों (NL2Code) का पालन करने में माहिर है, वह केवल व्यवहार से नियमों को समझने (IO2Code) में संघर्ष करता है। AI को चरणों में सीखने, जटिल समाधानों के बजाय सरल समाधानों को प्राथमिकता देने और अपनी गलतियों से विशेष रूप से सीखने के लिए मजबूर करके, DIO-Agent सफलतापूर्वक छिपे हुए नियमों को "खोज" सकता है, जो एक केवल याद रखने वाली मशीन के बजाय एक वास्तविक वैज्ञानिक जासूस की तरह कार्य करता है।
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।