What Do Evolutionary Coding Agents Evolve?
यह शोधपत्र इवोट्रेस (EvoTrace), जो विकासवादी कोडिंग ट्रेसेस का एक डेटासेट है, और इवोरिप्ले (EvoReplay), जो एक रिप्ले-आधारित कार्यप्रणाली है, को प्रस्तुत करता है, जिससे यह प्रकट होता है कि विकासवादी कोडिंग एजेंटों में प्रदर्शन लाभ अक्सर वास्तविक एल्गोरिद्मिक नवाचार के बजाय री-ट्यूनिंग या मौजूदा ज्ञान के पुन: उपयोग जैसे विविध तंत्रों से उत्पन्न होते हैं, जैसा कि कोड लाइनों के बार-बार होने वाले नियतात्मक चक्रण (deterministic cycling) से प्रमाणित होता 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 एआई प्रोग्रामर्स की एक टीम एक जटिल पहेली को हल करने की कोशिश कर रही है, जैसे कि बॉक्स में सर्कल (वृत्त) को पैक करने का एक नया तरीका डिजाइन करना या एक तेज़ वीडियो गेम इंजन लिखना। एक अकेले व्यक्ति के काम करने के बजाय, वे इवोल्यूशनरी कोडिंग (Evolutionary Coding) नामक एक प्रणाली का उपयोग करते हैं।
यह कैसे काम करता है: एआई कोड का एक टुकड़ा बनाता है, उसका परीक्षण करता है, और देखता है कि उसका स्कोर कितना अच्छा है। फिर, वह उस कोड में छोटे बदलाव (म्यूटेशन) करता है, कोड के नए संस्करण का परीक्षण करता है, और उन कोड्स को रखता है जो बेहतर प्रदर्शन करते हैं। यह प्रक्रिया हजारों बार दोहराई जाती है, जिससे समय के साथ कोड "विकसित" (evolve) होता है, ठीक वैसे ही जैसे प्रकृति में जीव विकसित होते हैं।
कुछ समय के लिए, सभी ने यह मान लिया था कि ये एआई एजेंट समस्याओं को हल करने के लिए शानदार, बिल्कुल नए तरीके खोज रहे हैं। लेकिन यह शोध पत्र एक सरल, संदेहास्पद प्रश्न पूछता है: "वे वास्तव में क्या विकसित कर रहे हैं?"
इसका उत्तर देने के लिए, शोधकर्ताओं ने एक विशाल "ब्लैक बॉक्स रिकॉर्डर" बनाया जिसे EvoTrace कहा जाता है। इसे इन एआई प्रयोगों के लिए एक "फ्लाइट रिकॉर्डर" की तरह समझें। यह केवल अंतिम स्कोर को रिकॉर्ड नहीं करता है; यह हर एक कदम, कोड की जोड़ी गई या हटाई गई हर एक लाइन, एआई द्वारा देखे गए हर प्रॉम्प्ट और उसकी हर गलती को रिकॉर्ड करता है। उन्होंने एक उपकरण भी बनाया जिसे EvoReplay कहा जाता है, जो उन्हें प्रयोग को रोकने, पीछे ले जाने (rewind) और यह पूछने की अनुमति देता है, "क्या होता यदि हम इसमें एक चीज़ बदल देते?"
यहाँ मुख्य चार चीजें दी गई हैं जो उन्होंने खोजी हैं, जिन्हें रोजमर्रा के उदाहरणों के साथ समझाया गया है:
1. "ट्वीकर" बनाम "आर्किटेक्ट" (The "Tweaker" vs. The "Architect")
जब एआई का स्कोर बेहतर होता है, तो वास्तव में क्या बदला है?
- वास्तविकता: ज्यादातर समय, एआई कोई नई रणनीति नहीं बना रहा होता है। वह बस बटन या नॉब्स को ट्यून (tweaking the knobs) कर रहा होता है।
- उदाहरण: कल्पना कीजिए कि आपके पास एक रेडियो है। एआई अपना 90% समय वॉल्यूम को ऊपर-नीचे करने, या ट्यूनिंग डायल को थोड़ा सा घुमाने (एक नंबर को 1.85 से बदलकर 1.90 करने) में बिताता है। वह शायद ही कभी पूरी तरह से नया रेडियो बनाने का निर्णय लेता है।
- निष्कर्ष: वे बदलाव जो बड़े स्कोर जंप (जैसे कि एक नई लाइब्रेरी जोड़ना या कोड के एक हिस्से को पूरी तरह से फिर से लिखना) की ओर ले जाते हैं, वे दुर्लभ हैं। एआई अपनी अधिकांश ऊर्जा छोटे, उबाऊ समायोजन पर खर्च करता है।
2. "भुलक्कड़ माली" (The "Forgetful Gardener" - Cycling)
यह सबसे आश्चर्यजनक खोज थी।
- वास्तविकता: एआई कोड की लाइनों को बार-बार हटाता रहता है, और फिर कुछ ही चरणों के बाद उन्हें वापस जोड़ देता है।
- उदाहरण: कल्पना कीजिए कि एक माली एक खरपतवार (weed) को उखाड़ता है, वहां से चला जाता है, और फिर पांच मिनट बाद वापस आता है और ठीक उसी जगह पर वही खरपतवार फिर से लगा देता है। वह यह बार-बार करता है।
- निष्कर्ष: एआई द्वारा जोड़ा गया लगभग 30% नया कोड वास्तव में वही कोड है जिसे उसने पहले हटा दिया था। ऐसा लगता है जैसे एआई की याददाश्त कम है, वह भूल जाता है कि उसने अभी क्या हटाया था और उन्हीं विचारों को फिर से "विकसित" करने में समय बर्बाद करता है। यह लगभग हर रन में होता है, चाहे कोई भी एआई मॉडल इस्तेमाल किया गया हो।
3. "मशीन में भूत" (The "Ghost in the Machine" - Replayability)
यदि आप एआई को ठीक उन्हीं निर्देशों का उपयोग करके समस्या को फिर से हल करने के लिए कहते हैं, तो क्या उसे वही परिणाम मिलेगा?
- वास्तविकता: नहीं।
- उदाहरण: कल्पना कीजिए कि एक शेफ एक बेहतरीन सूप बनाता है। यदि आप उसे उसी रेसिपी और सामग्री का उपयोग करके फिर से सूप बनाने के लिए कहते हैं, तो वह एक अलग सूप बनाएगा। यह दिखने में एक जैसा नहीं होगा, और सामग्री का क्रम भी अलग हो सकता है।
- निष्कर्ष: हालांकि, भले ही कोड अलग दिखता हो, लेकिन सूप का स्वाद एक जैसा ही रहता है। एआई पूरी तरह से अलग कोड का उपयोग करके भी उच्च स्कोर को दोहरा सकता है। इसका मतलब है कि "स्कोर" वास्तविक है, लेकिन विशिष्ट समाधान केवल एक संयोग है, न कि कोई अनूठा मास्टरपीस।
4. "सिंपल ट्यूनर" (The "Simple Tuner" - The Tuning Gap)
एआई की सफलता का कितना हिस्सा वास्तव में केवल सही नंबर खोजने से आता है, न कि एक नया एल्गोरिदम खोजने से?
- वास्तविकता: सुधार का एक बड़ा हिस्सा सरल गणितीय ट्यूनिंग से आता है।
- उदाहरण: कल्पना कीजिए कि एक कार रेस चल रही है। एआई एक शानदार नया इंजन (संरचना) बनाने में हफ्तों बिताता है। लेकिन शोधकर्ताओं ने पाया कि यदि वे केवल एक औसत दर्जे के इंजन को लें और कुछ घंटों के लिए ईंधन मिश्रण और टायर के दबाव (हाइपरपैरामीटर्स) को एडजस्ट करें, तो वे लगभग उतनी ही गति प्राप्त कर सकते हैं।
- निष्कर्ष: कई गणितीय कार्यों में, एक साधारण कंप्यूटर प्रोग्राम जो केवल एक "औसत" समाधान के नंबरों को ट्यून करता है, वह जटिल इवोल्यूशनरी सर्च के अंतिम स्कोर की बराबरी या उससे भी बेहतर प्रदर्शन कर सकता है। एआई ने जरूरी नहीं कि समस्या को हल करने का नया तरीका खोजा हो; उसने बस पुराने तरीके के लिए सही सेटिंग्स ढूंढ लीं।
बड़ी तस्वीर (The Big Picture)
शोध पत्र यह निष्कर्ष निकालता है कि जब हम इन एआई एजेंटों को बेहतर स्कोर प्राप्त करते देखते हैं, तो हमें स्वचालित रूप से यह नहीं मान लेना चाहिए कि वे "नया विज्ञान खोज" रहे हैं।
अक्सर, वे केवल:
- नंबरों को ट्यून कर रहे होते हैं (हाइपरपैमीटर ट्यूनिंग)।
- कोड को भूलकर और याद करके (साइक्लिंग)।
- टेस्ट के प्रति ओवरफिटिंग कर रहे होते हैं (सीखने के बजाय टेस्ट के उत्तर रटना)।
लेखकों का तर्क है कि यह समझने के लिए कि क्या ये एजेंट वास्तव में बुद्धिमान हैं, हमें केवल गंतव्य (अंतिम स्कोर) को नहीं, बल्कि यात्रा (ट्रेस) को देखने की आवश्यकता है। हमें यह जानने की जरूरत है कि वे एक नया घर बना रहे हैं या बस पुराने घर के फर्नीचर को इधर-उधर व्यवस्थित कर रहे 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।