Deterministic Event-Graph Substrates as World Models for Counterfactual Reasoning
यह शोध पत्र डिटरमिनिस्टिक इवेंट-ग्राफ सबस्ट्रेट्स (deterministic event-graph substrates) को प्रस्तुत करता है, जो एक पारदर्शी, नॉन-पैरामीट्रिक वर्ल्ड मॉडल है जो अवस्था (state) को अपेंड-ओनली (append-only) RDF ट्रिपल लॉग्स के रूप में निरूपित करता है और लॉग फॉरकिंग (log forking) के माध्यम से सटीक काउंटरफैक्चुअल रीजनिंग (counterfactual reasoning) को सक्षम बनाता है, जो CLEVRER और twin-EventLog बेंचमार्क पर सिम्बोलिक ओरैकल्स (symbolic oracles) और पैरामीट्रिक LLM बेसलाइन्स दोनों 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 यह समझने की कोशिश कर रहे हैं कि एक व्यस्त रसोई में कोई विशिष्ट घटना क्यों हुई, या क्या होता यदि आपने रेसिपी से कोई अलग सामग्री निकाल ली होती।
अधिकांश आधुनिक AI सिस्टम इन सवालों के जवाब देने के लिए भविष्य की "कल्पना" करने की कोशिश करते हैं। वे हजारों वीडियो देखकर सीखे गए पैटर्न के आधार पर एक धुंधली, आंतरिक मानसिक तस्वीर (एक "लेटेंट स्टेट") बनाते हैं। यदि आप उनसे पूछते हैं, "क्या होता अगर मैंने वह अंडा न गिराया होता?", तो वे अनुमान लगाते हैं कि ऐसी ही समान स्थितियों में आमतौर पर क्या होता है। यह एक शेफ से नई रेसिपी का परिणाम पूछने जैसा है, जहाँ वह अन्य व्यंजनों को याद करके अंदाज़ा लगाता है जो उसने पहले बनाए हैं। कभी-कभी वे सही होते हैं, लेकिन आप यह ठीक से देख नहीं सकते कि वे उस निष्कर्ष तक कैसे पहुँचे, और यदि आप उनसे एक ही सवाल दो बार पूछते हैं, तो वे थोड़े अलग उत्तर दे सकते हैं।
यह पेपर एक अलग दृष्टिकोण पेश करता है जिसे इवेंट-ग्राफ सबस्ट्रेट (Event-Graph Substrate) कहा जाता है। एक धुंधली मानसिक तस्वीर के बजाय, यह सिस्टम हर घटना को एक टाइप किए गए तथ्य (जैसे "ऑब्जेक्ट A ने 2:00 बजे ऑब्जेक्ट B को टकराया") के रूप में रिकॉर्ड करता है। यह एक "अपेंड-ओनली लॉग" (append-only log) है, जिसका अर्थ है कि एक बार कुछ लिख दिया गया, तो उसे कभी मिटाया या बदला नहीं जा सकता। यह एक कोर्ट रिपोर्टर के ट्रांसक्रिप्ट की तरह है: यह जो हुआ उसका पूर्ण, निरीक्षण योग्य सत्य है।
यह कैसे काम करता है, इसे सरल अवधारणाओं में यहाँ दिया गया है:
1. "अपरिवर्तनीय डायरी" (द लॉग)
दुनिया का एक संकुचित सारांश संग्रहीत करने के बजाय, यह सिस्टम हर घटना को एक टाइप किए गए तथ्य के रूप में रिकॉर्ड करता है। यह एक "अपेंड-ओनली लॉग" है, जिसका अर्थ है कि एक बार कुछ लिख दिया गया, तो उसे कभी मिटाया या बदला नहीं जा सकता। यह एक कोर्ट रिपोर्टर के ट्रांसक्रिप्ट की तरह है: यह जो हुआ उसका पूर्ण, निरीक्षण योग्य सत्य है।
2. "टाइम-ट्रैवल फोर्क" (काउंटरफैक्चुअल्स)
जब आप एक "क्या होता अगर?" (counterfactual) प्रश्न पूछते हैं, तो सिस्टम अनुमान नहीं लगाता। इसके बजाय, यह एक टाइम-ट्रैवल फोर्क (समय-यात्रा विभाजन) करता है:
- यह डायरी में उस सटीक क्षण को खोजता है जहाँ आप कहानी बदलना चाहते हैं (जैसे, "अंडा हटा दें")।
- यह उस क्षण से डायरी की एक प्रतिलिपि (copy) बनाता है।
- यह आपकी बदली हुई जानकारी को प्रतिलिपि पर लागू करता है (अंडे के प्रविष्टि को हटा देता है)।
- इसके बाद, यह भौतिकी और तर्क के सख्त, पूर्व-निर्धारित नियमों का उपयोग करते हुए डायरी को उस बिंदु से आगे दोबारा चलाता (replay) है ताकि देखा जा सके कि आगे क्या होता है।
चूँकि नियम निश्चित हैं और शुरुआती बिंदु सटीक है, इसलिए परिणाम डिटरमिनिस्टिक (deterministic) है। यदि आप एक ही प्रश्न दो बार पूछते हैं, तो आपको हर बार बिल्कुल वही उत्तर मिलेगा। आप यह देखने के लिए डायरी को चरण-दर-चरण देख भी सकते हैं कि सिस्टम ने ठीक कैसे तय किया कि अंडे के कारण गंदगी हुई थी।
3. "डिटेक्टिव्स चेन" (एंसेस्टर डुअलिटी)
यह पेपर एंसेस्टर डुअलिटी (Ancestor Duality) नामक एक चतुर गणितीय ट्रिक को सिद्ध करता है।
- व्याख्यात्मक प्रश्न (Explanatory Question): "टक्कर क्यों हुई?" -> सिस्टम टक्कर की ओर ले जाने वाली घटनाओं की श्रृंखला खोजने के लिए डायरी में पीछे की ओर देखता है।
- काउंटरफैक्चुअल प्रश्न (Counterfactual Question): "क्या टक्कर अभी भी होती यदि हम लाल गेंद को हटा देते?" -> सिस्टम पूछता है, "क्या लाल गेंद उस पीछे की ओर जाने वाली श्रृंखला का हिस्सा थी?"
पेपर दिखाता है कि ये दोनों प्रश्न एक ही सिक्के के दो पहलू हैं। यदि लाल गेंद टक्कर की ओर ले जाने वाली "पूर्वजों की श्रृंखला" (chain of ancestors) में है, तो उसे हटाने से टक्कर रुक जाएगी। यदि वह श्रृंखला में नहीं है, तो टक्कर फिर भी होगी। यह एक जटिल तर्क समस्या को डायरी में एक सरल खोज में बदल देता है।
4. परिणाम: इसने कैसा प्रदर्शन किया?
लेखकों ने इस "डायरी सिस्टम" का कई बेंचमार्क पर परीक्षण किया:
- CLEVRER (वीडियो रीजनिंग): उन्होंने उछलती हुई वस्तुओं के वीडियो पर इसका परीक्षण किया।
- अच्छी बात: यह चीजें क्यों हुईं यह समझाने और जो देखा गया उसका वर्णन करने में अविश्वसनीय रूप से सटीक था। इसने पिछले बेहतरीन "सिंबोलिक" (नियम-आधारित) सिस्टमों को पछाड़ दिया और यहाँ तक कि इन कार्यों पर कुछ "लर्निंग-बेस्ड" AI सिस्टमों को भी मात दी।
- सीमा: जब भविष्य की भविष्यवाणी करने के लिए पूछा गया (जैसे, "आगे क्या होगा?"), तो यह भविष्य बताने वाले AI सिस्टमों की तुलना में थोड़ा कमजोर था। ऐसा इसलिए है क्योंकि डायरी सिस्टम सख्त, ज्ञात नियमों पर निर्भर करता है, जबकि "लर्निंग" AI अराजक या अप्रत्याशित स्थितियों में बेहतर अनुमान लगा सकता है।
- Smallville (एजेंट मेमोरी): उन्होंने एक सिम्युलेशन शहर में इसका परीक्षण किया जहाँ एजेंट आपस में क्रिया करते हैं।
- जब यह पूछा गया कि क्या कोई एजेंट टाइमलाइन में बदलाव के बाद किसी विशिष्ट घटना को याद रखेगा, तो डायरी सिस्टम एक मानक लार्ज लैंग्वेज मॉडल (LLM) की तुलना में बहुत अधिक सुसंगत (consistent) था। LLM अक्सर भ्रमित हो जाता या अपनी कहानी बदल देता, जबकि डायरी सिस्टम तथ्यों पर अडिग रहता।
5. मुख्य निष्कर्ष
यह पेपर तर्क देता है कि सटीक तर्क, स्पष्ट व्याख्या और सुसंगत स्मृति के लिए आवश्यक कार्यों के लिए, आपको एक ऐसे "ब्लैक बॉक्स" AI की आवश्यकता नहीं है जो अनुमान लगाकर सीखता है। आप एक संरचित, नियम-आधारित रीप्ले सिस्टम का उपयोग कर सकते हैं।
- उपमा (Analogy): "लर्निंग AI" को एक ऐसे छात्र के रूप में सोचें जो कड़ी मेहनत करता है और सहज ज्ञान के आधार पर उत्तर का अनुमान लगाने की कोशिश करता है। "इवेंट-ग्राफ सबस्ट्रेट" को एक वकील के रूप में सोचें जो आधिकारिक केस फाइल निकालता है, घटना के सटीक पृष्ठ को ढूंढता है, और निष्कर्ष तक पहुँचने के लिए साक्ष्यों की श्रृंखला का पालन करता है।
- समझौता (Trade-off): "वकील" (सबस्ट्रेट) अतीत को समझाने और तथ्यों की जांच करने में उत्तम है, लेकिन "छात्र" (लर्निंग AI) उन अराजक स्थितियों में बेहतर हो सकता है जहाँ नियम पूरी तरह से ज्ञात नहीं होते हैं।
संक्षेप में, यह पेपर दिखाता है कि विशिष्ट प्रकार के तार्किक तर्क के लिए, एक जटिल, सीखी गई "कल्पना" की तुलना में एक सरल, पारदर्शी और पुनरावृत्ति योग्य (replayable) "डायरी" अक्सर बेहतर होती 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।