MADP: A Multi-Agent Pipeline for Sustainable Document Processing with Human-in-the-Loop
यह शोध पत्र MADP को प्रस्तुत करता है, जो एक मल्टी-एजेंट पाइपलाइन है जो एंटरप्राइज डॉक्यूमेंट प्रोसेसिंग में 97% ऑटोमेशन और 98.5% सटीकता प्राप्त करने के लिए डीप लर्निंग, लार्ज लैंग्वेज मॉडल्स और ह्यूमन-इन-द-लूप वैलिडेशन को जोड़ता है, जिसके परिणामस्वरूप पारंपरिक मैनुअल तरीकों की तुलना में श्रम में 70% की कमी और पर्यावरणीय प्रभाव में 69% की गिरावट आती 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
एक विशाल, अराजक पुस्तकालय की कल्पना करें जहाँ हर दिन हजारों चालान (बिल) आते हैं, जो अलग-अलग भाषाओं, प्रारूपों और हस्तलेखन शैलियों में होते हैं। पुराने दिनों में, क्लर्कों की एक टीम को वहां बैठना पड़ता था, हर एक को पढ़ना पड़ता था, नंबरों को कंप्यूटर में टाइप करना पड़ता था और गणित की दोबारा जांच करनी पड़ती थी। यह धीमा, महंगा था और थकान होने पर इंसान गलतियाँ कर देते थे।
यह शोध पत्र MADP पेश करता है, जो एक सुपर-स्मार्ट, पांच-सदस्यीय रोबोट टीम की तरह है जिसे इस पुस्तकालय के काम को संभालने के लिए डिज़ाइन किया गया है, लेकिन एक चतुर मोड़ के साथ: वे अकेले काम नहीं करते हैं। उनके पास एक "ह्यूमन-इन-द-लूप" (मानव-सहित) मैनेजर है जो केवल तभी हस्तक्षेप करता है जब चीजें पेचीदा हो जाती हैं।
यहाँ यह रोबोट टीम कैसे काम करती है, इसे सरल चरणों में विभाजित किया गया है:
पाँच रोबोट विशेषज्ञ
एक विशाल रोबोट द्वारा सब कुछ करने के बजाय (जो अक्सर भ्रमित हो जाता है), MADP पाँच विशिष्ट एजेंटों का उपयोग करता है, जिनमें से प्रत्येक का एक विशिष्ट कार्य है:
- द क्लासिफायर (वर्गीकरण करने वाला - द सॉर्टर): एक ऐसे रोबate की कल्पना करें जो बिल के ऊपरी हिस्से को देखता है और तुरंत जान जाता है, "आह, यह सप्लायर A से है," या "यह एक डिलीवरी नोट है।" यह तुरंत ढेर को छाँटने के लिए एक प्रशिक्षित दृष्टि (न्यूरल नेटवर्क) का उपयोग करता है।
- द स्प्लिटर (विभाजक - द ऑर्गनाइज़र): कभी-कभी, एक ही फ़ाइल में पाँच अलग-अलग चालान चिपके हुए होते हैं। यह रोबोट एक पेपर कटर की तरह कार्य करता है, उन्हें आपस में मिक्स होने से बचाने के लिए व्यक्तिगत पृष्ठों में अलग करता है।
- द पार्सर (पार्सर - द ट्रांसलेटर): यह अनसुना नायक है। कच्चे दस्तावेज़ अव्यवस्थित होते हैं। यह रोबोट लेआउट को पढ़ता है, तालिकाओं (टेबल्स) को ढूंढता है, और इस अव्यवस्थित दस्तावेज़ को एक साफ, संरचित सूची (जैसे एक डिजिटल रेसिपी) में फिर से लिखता है। शोध पत्र का दावा है कि केवल इस चरण ने सटीकता को 17.5% बढ़ा दिया क्योंकि इसने अगले चरणों को बहुत आसान बना दिया।
- द एक्सट्रैक्टर (एक्सट्रैक्टर - द रीडर): यह रोबोट एक शक्तिशाली "लार्ज लैंग्वेज मॉडल" (एक सुपर-स्मार्ट AI मस्तिष्क) का उपयोग करता है ताकि साफ सूची को पढ़ सके और विशिष्ट नंबर निकाल सके: कुल लागत, तारीख, टैक्स आईडी। यह एक बहुत तेज़ पाठक की तरह है जो महत्वपूर्ण हिस्सों को हाईलाइट करता है।
- द वैलिडेटर (वैलिडेटर - क्वालिटी कंट्रोल इंस्पेक्टर): डेटा को बैंक भेजने से पहले, यह रोबोट गणित की जाँच करता है। "रुको, यदि मैं उप-कुल (subtotal) और टैक्स को जोड़ता हूँ, तो क्या यह कुल राशि के बराबर होता है?" यदि गणित मेल नहीं खाता, या यदि AI अनिश्चित है, तो यह दस्तावेज़ को फ्लैग (चिह्नित) कर देता है।
गुप्त नुस्खा: "फीडबैक इनहेरिटेंस" (प्रतिक्रिया उत्तराधिकार)
यहाँ सबसे रचनात्मक हिस्सा है। आमतौर पर, यदि कोई रोबोट गलती करता है, तो आपको इसे बंद करना होता है, हफ्तों तक इसे फिर से प्रशिक्षित करना होता है, और फिर से शुरू करना होता है। MADP कुछ अलग करता है जिसे PFTFI कहा जाता है (प्रॉम्प्ट फाइन ट्यूनिंग विद फीडबैक इनहेरिटेंस)।
इसे एक शिक्षक द्वारा छात्र के होमवर्क को वास्तविक समय में सुधारने की तरह समझें।
- यदि AI कोई गलती करता है, तो एक मानव समीक्षक स्क्रीन पर उसे ठीक करता है।
- सिस्टम केवल उस एक बिल को ठीक नहीं करता; यह तुरंत एक नया "नियम" या "संकेत" लिखता है।
- इसके बाद यह उस नए नियम को लाइन में प्रतीक्षा कर रहे अन्य सभी बिलों पर लागू करता है जो समान दिखते हैं।
- AI बिना दोबारा स्कूल जाए (पुनः प्रशिक्षण के बिना) तुरंत स्मार्ट हो जाता है।
परिणाम: गति, सटीकता और हरित ऊर्जा
लेखकों ने वास्तविक दुनिया के डेटा पर इस प्रणाली का परीक्षण किया और आश्चर्यजनक आंकड़े पाए:
- "97% का नियम": 955 वास्तविक दस्तावेजों में से, 97% को पूरी तरह से रोबोटों द्वारा संभाला गया। केवल 3% इतने अजीब या क्षतिग्रस्त थे कि उन्हें पूरी तरह से मानव के नियंत्रण की आवश्यकता थी।
- सटीकता: मानव प्रबंधक द्वारा पेचीदा मामलों की जाँच के साथ, इस प्रणाली ने 98.5% दस्तावेजों को त्रुटिहीन बनाया।
- लागत बचत: यदि कोई कंपनी साल में 100,000 चालान प्रोसेस करती है, तो यह प्रणाली मानव श्रमिकों की आवश्यकता को 70% तक कम कर देती है। 23 पूर्णकालिक लोगों की आवश्यकता के बजाय, उन्हें केवल 7 की आवश्यकता होती है (मुख्य रूप से पेचीदा बिलों की जाँच के लिए)।
- पर्यावरण के अनुकूल (ग्रीन): यह शोध पत्र का एक प्रमुख दावा है। क्योंकि उन्हें कार्यालयों (हीटिंग, कूलिंग, आवागमन) में कम इंसानों के बैठने की आवश्यकता है, इसलिए यह प्रणाली हाथ से काम करने की तुलना में CO2 उत्सर्जन में 69% और पानी के उपयोग में 63% की कमी करती है। यह ऐसा है जैसे रोबोट ऑफिस की लाइटें बचाकर ग्रह को बचा रहे हों।
निचोड़
MADP मनुष्यों को पूरी तरह से बदलने के बारे में नहीं है; यह मनुष्यों को एक सुपरपावर देने के बारे में है। रोबोट उबाऊ, दोहराव वाले पढ़ने और गणित का काम करते हैं, जबकि मनुष्य केवल उन 15% मामलों में हस्तक्षेप करते हैं जो भ्रमित करने वाले होते हैं। यह हाइब्रिड टीम अकेले मनुष्यों की टीम या बिना पर्यवेक्षण के काम करने वाली रोबोट की टीम की तुलना में तेज़, अधिक सटीक और कम ऊर्जा का उपयोग करती है।
शोध पत्र निष्कर्ष निकालता है कि यह दृष्टिकोण वास्तविक दुनिया के लिए तैयार है, क्योंकि इसने पहले ही हजारों चालानों को सफलतापूर्वक प्रोसेस किया है, जो यह सिद्ध करता है कि आप उच्च गति, उच्च सटीकता और छोटा कार्बन फुटप्रिंट एक साथ प्राप्त कर सकते हैं।
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।