💻 computer science

From Actions to Obligations: A Deontic Action Model Logic

यह शोध पत्र डियोन्टिक एक्शन मॉडल लॉजिक (DAML) प्रस्तुत करता है, जो एक नवीन डायनेमिक मोडल फ्रेमवर्क है जो कार्यों को उनके अपेक्षित डियोन्टिक मूल्य के आधार पर मूल्यांकन करके मल्टी-एजेंट सिस्टम में संदर्भ-संवेदनशील दायित्वों को औपचारिक रूप से व्युत्पन्न करने के लिए एक्शन मॉडल लॉजिक का विस्तार करता है, और इसके स्वयंसिद्धिकरण (axiomatization) तथा 'माइनर्स पज़ल' जैसे केस स्टडीज के माध्यम से इसकी सुसंगतता (soundness), पूर्णता (completeness) और अभिव्यंजक शक्ति (expressive power) को स्थापित करता है।

मूल लेखक: Giorgio Cignarale

प्रकाशित 2026-05-27

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Giorgio Cignarale

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 कोहरे से भरे जंगल में एक चौराहे पर खड़े हैं। आपके पास एक नक्शा है, लेकिन वह अधूरा है। आप जानते हैं कि आगे दो रास्ते हैं, लेकिन आप यह नहीं जानते कि कौन सा रास्ता एक सुरक्षित गाँव की ओर जाता है और कौन सा एक खाई की ओर। आप यह भी जानते हैं कि आपके दोस्त आपके साथ हैं, और शायद वे आपसे अधिक जानते हों।

यह शोध पत्र एक नया "नियमों का संग्रह" (लॉजिक सिस्टम) पेश करता है जिसे DAML (Deontic Action Model Logic) कहा जाता है, ताकि एजेंटों (जैसे रोबोट, सॉफ्टवेयर, या यहाँ तक कि इंसान) को सही चुनाव करने में मदद मिल सके जब वे तथ्यों को लेकर अनिश्चित हों।

यहाँ बताया गया है कि यह पेपर इसे सरल उपमाओं का उपयोग करके कैसे समझाता है:

1. समस्या: "मुझे क्या करना चाहिए?" बनाम "मैं क्या जानता हूँ?"

आमतौर पर, तर्क (logic) हमें यह समझने में मदद करता है कि क्या सत्य है (Epistemic Logic) या क्या अच्छा है (Deontic Logic)।

Epistemic Logic एक जासूस की तरह है जो पूछता है, "मैं निश्चित रूप से क्या जानता हूँ?"
Deontic Logic एक न्यायाधीश की तरह है जो पूछता है, "सही क्या करना है?"

समस्या यह है कि वास्तविक जीवन में, आपको अक्सर सभी तथ्यों को जाने बिना एक "सही" निर्णय लेना पड़ता है। यह पेपर तर्क देता है कि यह जानने के लिए कि आपको क्या करना चाहिए, आपको इन दोनों सवालों को जोड़ना होगा। आप केवल नियमों को नहीं देख सकते; आपको अपनी अनिश्चितता के कोहरे के भीतर से उन नियमों को देखना होगा।

2. समाधान: "अपेक्षा स्कोर" (The Expectation Score)

लेखक प्रत्येक संभावित क्रिया के लिए एक "स्कोर" की गणना करने का एक तरीका प्रस्तावित करते हैं। इसे एक वीडियो गेम की तरह समझें जहाँ हर परिणाम का एक पॉइंट मान होता है:

वांछनीयता (Desirability): परिणाम कितना अच्छा है? (जैसे, 10 जानें बचाना = 100 अंक; 0 जानें बचाना = 0 अंक)।
संभावना (Likelihood): वर्तमान जानकारी के आधार पर इस परिणाम के होने की कितनी संभावना है?

यह लॉजिक एक Expected Deontic Value की गणना करता है। यह उन सभी संभावित भविष्यों के औसत अंकों जैसा है जिनकी आप कल्पना कर सकते हैं। यदि क्रिया A के 100 अंक मिलने की 50% संभावना है और 0 अंक मिलने की 50% संभावना है, तो आपका स्कोर 50 है। यदि क्रिया B के 40 अंक मिलने की 100% संभावना है, तो आपका स्कोर 40 है।

नियम: आप उस क्रिया को चुनने के लिए "बाध्य" (obligated) हैं जिसका अपेक्षित स्कोर सबसे अधिक है।

3. इंजन: "एक्शन मॉडल्स" (सिमुलेशन मशीन)

यह सिस्टम "कोहरे" को कैसे संभालता है? यह Action Models का उपयोग करता है।
कल्पना कीजिए कि आप एक शतरंज खिलाड़ी हैं। कोई चाल चलने से पहले, आप मानसिक रूप से सिमुलेशन करते हैं: "यदि मैं यहाँ चलता हूँ, तो क्या होगा? यदि मेरा प्रतिद्वंद्वी वहाँ चलता है, तो आगे क्या होगा?"

इस पेपर में, यह लॉजिक बिल्कुल यही करता है। यह आपके वर्तमान "नक्शे" (जो आप जानते हैं) को लेता है और आपके द्वारा की जा सकने वाली प्रत्येक क्रिया के लिए एक सिमुलेशन चलाता है।

यह प्रत्येक विकल्प के लिए एक "लघु-दुनिया" (mini-world) बनाता है।
यह प्रत्येक लघु-दुनिया के स्कोर की जाँच करता है।
यह देखने के लिए तुलना करता है कि कौन सा विकल्प सबसे "बेहक" दांव है।

4. पेपर के वास्तविक दुनिया के उदाहरण

उदाहरण A: खनिकों की पहेली (The Miners' Puzzle)

दृश्य: दस खनिक शाफ्ट A या शाफ्ट B में फंसे हुए हैं। आप नहीं जानते कि वे कहाँ हैं। आपके पास एक शाफ्ट को रोकने के लिए रेत की थैलियाँ हैं, लेकिन दोनों को नहीं।
दुविधा:
- यदि आप शाफ्ट A को रोकते हैं और वे वहाँ हैं, तो सभी जीवित बच जाते हैं (10 अंक)। यदि वे B में हैं, तो सभी डूब जाते हैं (0 अंक)।
- यदि आप शाफ्ट B को रोकते हैं और वे वहाँ हैं, तो सभी जीवित बच जाते हैं (10 अंक)। यदि वे A में हैं, तो सभी डूब जाते हैं (0 अंक)।
- यदि आप दोनों में से किसी को भी नहीं रोकते हैं, तो पानी आधा ऊपर तक आता है, और केवल सबसे निचला खनिक मरता है (9 अंक बचाए गए)।
लॉजिक का निर्णय: भले ही एक शाफ्ट को रोकना सभी को बचा सकता है, लेकिन आप नहीं जानते कि किसे रोकना है। एक शाफ्ट को रोकने का "औसत" स्कोर कम है क्योंकि इसमें सबको मारने का जोखिम है। "कुछ भी न रोकने" का "औसत" स्कोर अधिक है क्योंकि यह 9 लोगों को बचाने की गारंटी देता है।
परिणाम: लॉजिक कहता है कि आपको दोनों में से किसी को भी नहीं रोकना चाहिए। अनिश्चितता की स्थिति में यह सबसे सुरक्षित दांव है।

उदाहरण B: डॉक्टर और नर्स

दृश्य: एक मरीज को दवा की आवश्यकता है। दवा D आमतौर पर उत्तम होती है, लेकिन यदि मरीज को एलर्जी है, तो यह उसे मार सकती है। दवा D' सभी के लिए ठीक है।
पात्र:
- एलिस (डॉक्टर): वह सबसे अच्छी दवा देना चाहती है लेकिन उसे नहीं पता कि मरीज को एलर्जी है।
- बेथनी (नर्स): वह जानती है कि मरीज को एलर्जी है और वह यह भी जानती है कि एलिस यह नहीं जानती।
लॉजिक का निर्णय:
- एलिस के दृष्टिकोण से (जो सच नहीं जानती), वह सोचती है कि दवा D देना सबसे अच्छा कदम है।
- बेथनी के दृष्टिकोण से, वह जानती है कि यदि एलिस को सच्चाई पता होती, तो वह दवा D' चुनती।
- इसलिए, बेथनी एलिस को सच बताने के लिए बाध्य है। क्यों? क्योंकि एलिस को बताकर, वह एलिस के "ज्ञान के मानचित्र" (knowledge map) को बदल देती है, जिससे एलिस का "अपेक्षित स्कोर" बदल जाता है, जिससे एलिस सुरक्षित दवा चुन लेती है।

5. यह क्यों महत्वपूर्ण है

यह पेपर सिद्ध करता है कि यह सिस्टम गणितीय रूप से सुसंगत (sound - यह टूटता नहीं है) और पूर्ण (complete - यह अपने नियमों के भीतर किसी भी समस्या को हल कर सकता है) है।

यह कंप्यूटरों या एजेंटों को एक औपचारिक तरीका प्रदान करता है जिससे वे कह सकें: "मैं सब कुछ नहीं जानता, लेकिन जो कुछ मैं जानता हूँ और सही और गलत के नियमों के आधार पर, यह सबसे जिम्मेदार कार्रवाई है जो मैं कर सकता हूँ।"

संक्षेप में: यह पेपर एक गणितीय कैलकुलेटर बनाता है जो आपको सबसे नैतिक निर्णय लेने में मदद करता है, भले ही आप अंधेरे में काम कर रहे हों। यह "मुझे लगता है कि मुझे यह करना चाहिए" को एक कठोर, प्रमाणित तथ्य में बदल देता है जो आपके वर्तमान ज्ञान पर आधारित है।

तकनीकी सारांश: कार्यों से दायित्वों तक: एक डियोन्टिक एक्शन मॉडल लॉजिक

समस्या विवरण

डियोन्टिक लॉजिक (Deontic logic), जो दायित्वों (obligations) और अनुमतियों (permissions) जैसी मानदंडात्मक अवधारणाओं का अध्ययन करता है, पारंपरिक रूप से एपिस्टेमिक विचारों (एजेंट क्या जानते हैं या विश्वास करते हैं) को गतिशील क्रिया मॉडलिंग (dynamic action modeling) के साथ एकीकृत करने में संघर्ष करता रहा है। जबकि STIT लॉजिक जैसे विस्तार एजेंसी और विकल्प को संबोधित करते हैं, और डायनेमिक डियोन्टिक लॉजिक कार्यों के सापेक्ष दायित्वों का मूल्यांकन करते हैं, इन ढांचों में अनिश्चितता के तहत तर्क करने के लिए स्पष्ट तंत्र की कमी है। इसके विपरीत, डायनेमिक एपिस्टेमिक लॉजिक (DEL) और एक्शन मॉडल लॉजिक (AML) सूचना अपडेट का मॉडल बनाने में उत्कृष्ट हैं, लेकिन उनमें मानदंडात्मक मूल्यांकन के लिए औपचारिक उपकरणों की कमी है।

एक ऐसा परिदृश्य है जहाँ एजेंटों को अपूर्ण जानकारी के तहत मानदंडों को संतुष्ट करने के लिए कार्यों का चयन करना होता है, वहाँ एक महत्वपूर्ण अंतराल मौजूद है। "माइनर्स पज़ल" (Miners' Puzzle) इसका एक प्रमुख उदाहरण है, जहाँ इष्टतम कार्य उनके होने की संभावना के आधार पर परिणामों की वांछनीयता (desirability) पर निर्भर करता है, एक ऐसी अवधारणा जिसे मानक डियोन्टिक मोडैलिटीज द्वारा स्वाभाविक रूप से कैप्चर नहीं किया जा सकता है। मौजूदा ढांचे अक्सर मल्टी-एजेंट सिस्टम में सशर्त और संदर्भ-संवेदनशील दायित्वों का एक सिद्धांतपूर्ण विवरण प्रदान करने में विफल रहते हैं जहाँ एजेंटों को वैकल्पिक कार्यों के अपेक्षित डियोन्टिक मूल्य की तुलना करनी होती है।

कार्यप्रणाली

यह शोध पत्र डियान्टिक एक्शन मॉडल लॉजिक (DAML) प्रस्तुत करता है, जो एक डायनेमिक मोडल फ्रेमवर्क है जो लासिटर (Lassiter) के कार्य से प्रेरित, डियोन्टिक मोडल्स के लिए "बेयसियन" (Bayesian) सिमेंटिक्स के साथ एक्शन मॉडल लॉजिक (AML) का संश्लेषण करता है। कार्यप्रणाली निम्नलिखित चरणों के माध्यम से आगे बढ़ती है:

सिमेंटिक आधार:
- फ्रेमवर्क ग्रेडेड क्रिपके मॉडल्स ( $M = \langle W, R_i, V, f \rangle$ ) का उपयोग करता है, जहाँ एक वांछनीयता फलन (desirability function) $f: W \to \mathbb{N}$ प्रत्येक संभावित विश्व को एक नैतिक या व्यावहारिक मूल्य प्रदान करता है।
- एजेंटों के कार्यों के एपिस्टेमिक और भौतिक परिणामों को सिम्युलेट करने के लिए एक्शन मॉडल्स ( $U = \langle E, Q_i, pre \rangle$ ) को प्रोडक्ट अपडेट ऑपरेशन ( $M \otimes U$ ) के माध्यम से नियोजित किया जाता है।
- अनिश्चितता को संभालने के लिए, यह लॉजिक एजेंट-आधारित एक्शन-जेनरेटेड सबमॉडल्स को परिभाषित करता है। ये अपडेट किए गए क्रिपके मॉडल के उप-मॉडल हैं जिन्हें एक विशिष्ट एजेंट $i$ और एक विशिष्ट क्रिया $\alpha_i$ के दृष्टिकोण से निर्मित किया गया है।
डियोन्टिक अपेक्षा (Deontic Expectation):
- मुख्य तंत्र डियोन्टिक एक्सपेक्टेशन फंक्शन ( $E_i$ ) है, जो एक क्रिया के अपेक्षित डियोन्टिक मूल्य की गणना करता है। इसकी गणना एजेंट $i$ के लिए सुलभ दुनियाओं के बीच एक समान संभाव्यता वितरण (uniform probability distribution) मानते हुए, एक्शन-जेनरेटेड सबमॉडल के भीतर सुलभ दुनियाओं के वांछनीयता मूल्यों ( $f(w)$ ) के औसत के रूप में की जाती है।
- एक क्रिया को "सर्वश्रेष्ठ" माना जाता है यदि वह निर्णय बिंदु पर उपलब्ध विकल्पों में से उच्चतम अपेक्षित डियोटिक मूल्य प्रदान करती है।
लॉजिकल लैंग्वेज और सिमेंटिक्स:
- भाषा $L_{DAML}$ $L_{D A M L}$ दो नए तत्वों के साथ AML का विस्तार करती है:
  - एक्सपेक्टेशन एटम्स ( $e^{\alpha_i}_i$ ): ये वे परमाणु प्रस्ताव (atomic propositions) हैं जो सत्य होते हैं यदि क्रिया $\alpha_i$ का अपेक्षित डियोटिक मूल्य किसी भी अन्य उपलब्ध क्रिया के मूल्य से अधिक या उसके बराबर है।
  - दायित्व मोडैलिटी ( $O_i(U, \alpha_i | \phi)$ ): एक बाइनरी मोडैलिटी जिसका अर्थ है "एजेंट $i$ को स्थिति $\phi$ के तहत क्रिया $\alpha_i$ करनी चाहिए।"
- सत्य की स्थितियाँ (Truth Conditions): $O_i(U, \alpha_i | \phi)$ $O_{i} (U, α_{i} ∣ ϕ)$ तब सत्य होता है यदि और केवल यदि:
  1. क्रिया $\alpha_i$ के निष्पादन के बाद $\phi$ सत्य होता है (डायनेमिक स्थिति)।
  2. $\alpha_i$ द्वारा उत्पन्न एक्शन-जेनरेटेड सबमॉडल में अन्य क्रियाओं की तुलना में अधिकतम अपेक्षित डियोटिक मूल्य होता है (मानदंडात्मक स्थिति)।
- यह सूत्रीकरण STIT सिद्धांत का पालन करता है: एजेंट यह सुनिश्चित करता है ("sees to it") कि सर्वोत्तम अपेक्षित परिणाम प्राप्त हो।
एक्सिओमैटाइजेशन (Axiomatization):
- शोध पत्र DAML के लिए एक पूर्ण एक्सिओमैटाइजेशन प्रदान करता है। इसमें मानक AML एक्सिओम्स, नए एक्सिओम्स (E1, E2), और रिडक्शन एक्सिओम्स (R1–R6) का एक सेट शामिल है।
- ये रिडक्शन एक्सिओम्स किसी भी सूत्र को, जिसमें डियोन्टिक ऑपरेटर है, AML की भाषा (बिना डियोन्टिक ऑपरेटरों के) में एक समकक्ष सूत्र में अनुवादित करने की अनुमति देते हैं, जिससे साउंडनेस (soundness) और पूर्णता (completeness) के प्रमाणों को सुगम बनाया जा सके।

मुख्य योगदान

डायनेमिक्स और मानदंडों का एकीकरण: DAML पहला फ्रेमवर्क है जो एक्शन मॉडल लॉजिक की मशीनरी का उपयोग करके दायित्वों को व्युत्पन्न करता है, जो कार्यों के एपिस्टेमिक परिणामों को उनके मानदंडात्मक मूल्यांकन से स्पष्ट रूप से जोड़ता है।
स्केलर डियोन्टिक सिमेंटिक्स: यह लॉजिक डियोन्टिक कथनों को स्केलर तरीके से मॉडल करता है, दुनियाओं को वांछनीयता मान प्रदान करता है और अपेक्षित मूल्यों की गणना करता है, जिससे अनिश्चित वातावरण में पारंपरिक डियोन्टिक लॉजिक की "सब-या-कुछ-नहीं" वाली कमियों से बचा जा सके।
सशर्त दायित्वों का औपचारिक प्रबंधन: यह लॉजिक सशर्त दायित्वों ( $O_i(\alpha_i | \phi)$ ) के लिए एक कठोर परिभाषा पेश करता है जो क्रिया के परिणाम और अपेक्षित डियोटिक मूल्य के अधिकतमकरण दोनों पर निर्भर करते हैं।
साउंडनेस और पूर्णता का प्रमाण: शोध पत्र स्थापित करता है कि DAML का प्रमाण तंत्र इसके सिमेंटिक्स के संबंध में साउंड और पूर्ण है। यह AML के ज्ञात पूर्ण भाषा में डियोन्टिक भाषा को कम करके प्राप्त किया गया है।

परिणाम और अनुप्रयोग

शोध पत्र दो प्राथमिक अनुप्रयोगों के माध्यम से DAML की अभिव्यंजक शक्ति को प्रदर्शित करता है:

माइनर्स पज़ल (The Miners' Puzzle):
- फ्रेमवर्क उस परिदृश्य को सफलतापूर्वक मॉडल करता है जहाँ एक एजेंट को शाफ्ट A को ब्लॉक करने, शाफ्ट B को ब्लॉक करने, या दोनों को ब्लॉक न करने के बीच चयन करना होता है।
- एक्शन-जेनरेटेड सबमॉडल्स के अपेक्षित डियोटिक मूल्यों की गणना करके, DAML सही ढंग से पहचानता है कि "दोनों को ब्लॉक न करना" ही अनिवार्य क्रिया है, क्योंकि यह खनिकों के स्थान के बारे में एजेंट की अज्ञानता को देखते हुए बचाई गई जिंदगियों की अपेक्षित संख्या को अधिकतम करता है। यह उन कार्यों के विपरीत है जो यदि स्थान ज्ञात होता तो सभी खनिकों को बचा सकते थे, लेकिन गलत अनुमान लगाने पर सभी को मारने का जोखिम उठाते हैं।
सूचना देने का दायित्व (बहु-एजेंट परिदृश्य):
- दो एजेंटों (एलिस और बेथनी) और एक रोगी (जिसे एलर्जी है) वाले एक जटिल परिदृश्य को मॉडल किया गया है।
- लॉजिक सूचना की विषमता को कैप्चर करता है: बेथनी जानती है कि रोगी को एलर्जी है, जबकि एलिस नहीं जानती।
- DAML यह निष्कर्ष निकालता है कि बेथनी का एलिस को सूचित करने का दायित्व है ( $O_b(\delta_b | \dots)$ ) क्योंकि, एलिस को एलर्जी के बारे में पता होने की स्थिति में, एलिस सुरक्षित दवा देने के लिए बाध्य होगी। फ्रेमोर्क काल्पनिक श्रृंखलाओं के कार्यों और सूचना अपडेट के माध्यम से तर्क करने में सफल रहता है ताकि सूचित एजेंट के मानदंडात्मक आवश्यकता को निर्धारित किया जा सके।

महत्व और दावे

शोध पत्र का दावा है कि DAML एपिस्टेमिक अनिश्चितता के तहत काम करने वाले मानदंडों द्वारा शासित मल्टी-एजेंट सिस्टम में एक्शन सिलेक्शन के लिए एक सिद्धांतपूर्ण फ्रेमवर्क प्रदान करता है। इसका महत्व निम्नलिखित में निहित है:

एकीकृत तर्क: यह एजेंटों को क्रिया के निष्पादन से पहले उसके परिणामों का मूल्यांकन करने की अनुमति देता है, जिसमें अनिश्चितता को कम करने और परिणामों की वांछनीयता दोनों पर विचार किया जाता है।
मध्यवर्ती मामलों का प्रबंधन: फ्रेमवर्क उन मामलों में तर्क करने का समर्थन करता है जहाँ जानकारी अधूरी है और कोई भी एकल मानदंड (निश्चितता या परिणाम) पूरी तरह से अनुकूलित नहीं है, जो वास्तविक दुनिया के निर्णय लेने की एक सामान्य विशेषता है।
मौलिक योगदान: डियोन्टिक लॉजिक को AML के डायनेमिक मशीनरी में आधार प्रदान करके, यह शोध पत्र इस बात को औपचारिक बनाने का एक मजबूत तरीका प्रदान करता है कि एजेंटों को कैसे कार्य करना चाहिए जब वे दुनिया की पूरी स्थिति को नहीं जानते हैं, फिर भी उन्हें मानदंडात्मक बाधाओं का पालन करना होता है।

लेखक एक सीमित दायरे को बनाए रखते हैं, यह नोट करते हुए कि वर्तमान कार्य सुलभ दुनियाओं पर समान संभाव्यता और वस्तुनिष्ठ वांछनीयता मूल्यों को मानता है। भविष्य के कार्य में स्पष्ट संभाव्यता माप, ग्रेडेड विश्वास ऑपरेटर और गैर-नियतात्मक विकल्पों या संघर्षपूर्ण दायित्वों को संभालने के लिए अधिक जटिल एक्शन भाषाओं को शामिल करने का सुझाव दिया गया है।