From Prompts to Context: An Ontology-Driven Framework for Human-Generative AI Collaboration
यह शोध पत्र "फ्रॉम प्रॉम्प्ट्स टू कॉन्टेक्स्ट" प्रस्तुत करता है, जो एक ऑन्टोलॉजी-संचालित ढांचा है जो कॉन्टेक्स्टुअल कोलैबोरेशन एआई ऑन्टोलॉजी (CCAI) के माध्यम से क्षणिक प्रॉम्प्ट-रिस्पॉन्स इंटरैक्शन को संरचित, क्वेरेबल कोलैबोरेशन ट्रेसेस में बदलकर मानव-जेनरेटिव एआई सहयोग में विश्वास, ट्रैसेबिलिटी और जवाबदेही को बढ़ाता 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
यहाँ "From Prompts to Context" पेपर का सरल भाषा और रचनात्मक उपमाओं (analogies) के साथ विवरण दिया गया है।
समस्या: "ब्लैक बॉक्स" बातचीत
कल्पना कीजिए कि आपने एक बहुत ही प्रतिभाशाली, लेकिन थोड़े भुलक्कड़ सहायक को एक कहानी लिखने के लिए कहा है। आप उन्हें एक छोटा सा नोट देते हैं: "एक ड्रैगन के बारे में एक कहानी लिखो।" वे आपको एक पूरी कहानी सौंप देते हैं।
समस्या क्या है? आप यह नहीं जानते कि उन्होंने इसे इस तरह क्यों लिखा। क्या उन्होंने मान लिया कि ड्रैगन मिलनसार था या डरावना? क्या उन्होंने उस विशिष्ट मानचित्र (map) का उपयोग किया जिसका आपने पहले उल्लेख किया था? क्या उन्होंने आपके द्वारा बनाए गए किसी नियम को अनदेखा कर दिया? जेनेरेटिव एआई (Generative AI) की दुनिया में (जैसे कि वे मॉडल जो कोड या टेक्स्ट लिखते हैं), बिल्कुल ऐसा ही होता है। इंसान एक छोटा "प्रॉम्ट" (prompt) देता है, और एआई एक "आउटपुट" (output) देता है। इसके बीच की हर चीज़—संदर्भ (context), नियम, वह विशिष्ट कार्य जो एआई कर रहा था—हवा में गायब हो जाती है।
यह पेपर तर्क देता है कि यह "गायब होने की प्रक्रिया" एआई पर भरोसा करना, गलतियों को सुधारना या यह जानना कठिन बना देती है कि किसके लिए क्या जिम्मेदार है।
समाधान: "साझा ब्लूप्रिंट" (द ऑन्टोलॉजी)
इसे ठीक करने के लिए, लेखकों ने एक साझा ब्लूप्रिंट बनाया जिसे CCAI ऑन्टोलॉजी कहा जाता है।
इस ऑन्टोलॉजी को एक डिजिटल फाइलिंग कैबिनेट जिसमें सख्त लेबलिंग सिस्टम हो के रूप में सोचें। केवल एक अस्पष्ट वाक्य के साथ एआई से बात करने के बजाय, यह सिस्टम सभी को (इंसानों और एआई को) काम शुरू करने से पहले विवरणों पर सहमत होने के लिए मजबूर करता है।
यह ब्लूप्रिंट चार मुख्य चीजों को व्यवस्थित करता है:
- काम कौन कर रहा है? (एजेंट: क्या यह एक मानव डेवलपर है या एक एआई सहायक?)
- काम क्या है? (कार्य: क्या यह कोड लिखना है, बग्स की जांच करना है, या एक लोगो डिजाइन करना है?)
- कौन से उपकरण उपलब्ध हैं? (संसाधन: क्या हमारे पास एक विशिष्ट डेटाबेस है, एक स्टाइल गाइड है, या नियमों की एक सूची है?)
- नियम क्या हैं? (बाधाएं/Constraints: क्या कोई बजट है? कोई समय सीमा है? कोई सुरक्षा सीमा है?)
यह कैसे काम करता है: "लाइब्रेरियन" की उपमा
पेपर में प्रस्तावित सिस्टम में, एआई केवल यह अनुमान नहीं लगाता कि आप क्या चाहते हैं। यह एक सुपर-लाइब्रेरियन की तरह कार्य करता है जो एक शब्द भी लिखने से पहले फाइलिंग कैबिनेट की जांच करता है।
- अनुरोध (The Request): एक इंसान कहता है, "मुझे 'व्यू एंड अपडेट कॉम्पिटेंसी प्रोफाइल्स' फीचर के लिए कोड चाहिए।"
- जांच (The Check): सिस्टम उस वाक्य को सीधे एआई के पास नहीं भेजता है। यह पहले साझा ब्लूप्रिंट के विरुद्ध एक "सर्च क्वेरी" (जिसे SPARQL कहा जाता है) चलाता है।
- पुनर्प्राप्ति (The Retrieval): सिस्टम उस फीचर के लिए विशिष्ट फ़ाइल निकालता है। यह पाता है:
- कौन काम कर रहा है: "कैरॉल (मानव) और एआई सहायक।"
- किन उपकरणों का उपयोग करना है: "कॉम्पिटेंसी डेटाबेस और स्टाइल गाइड।"
- संदर्भ (Context): "यह प्रोजेक्ट के स्प्रिंट 1 के लिए है।"
- संयोजन (The Assembly): सिस्टम इंसान के अनुरोध को इन सभी प्राप्त तथ्यों के साथ मिलाकर एक विशाल, विस्तृत निर्देश में बदल देता है।
- परिणाम (The Result): एआई को एक प्रॉम्ट मिलता है जो कहता है: "कैरॉल और एआई सहायक स्प्रिंट 1 पर काम कर रहे हैं। उन्हें स्टाइल गाइड का उपयोग करके कॉम्पिटेंसी डेटाबेस को अपडेट करने की आवश्यकता है। कृपया इस विशिष्ट फीचर के लिए कोड लिखें।"
क्योंकि एआई के पास यह पूर्ण "ब्लूप्रिंट" है, उसे अनुमान लगाने की आवश्यकता नहीं है। वह जानता है कि किन उपकरणों का उपयोग करना है और किन नियमों का पालन करना है।
केस स्टडी: एक "स्किल ट्रैकर" बनाना
लेखकों ने इस विचार का परीक्षण एक सॉफ्टवेयर टीम के साथ किया जो छात्रों के कौशल (कॉम्पिटेंसी) को ट्रैक करने के लिए एक शैक्षिक उपकरण बना रही थी।
- सिस्टम के बिना: एक डेवलपर एआई से "लॉगिन पेज को ठीक करने" के लिए कह सकता है। एआई ऐसा कोड लिख सकता है जो एक सामान्य लॉगिन के लिए तो काम करेगा लेकिन विफल हो जाएगा क्योंकि वह यह नहीं जानता कि यह प्रोजेक्ट किस विशिष्ट "स्किल डेटाबेस" का उपयोग करता है। डेवलपर को फिर इसे ठीक करने में समय बर्बाद करना पड़ता है।
- सिस्टम के साथ: डेवलपर सिस्टम से मदद मांगता है। सिस्टम स्वचालित रूप से ब्लूप्रिंट से "स्किल डेटाबेस," "लॉगिन टास्क," और "डिजाइन नियमों" के विवरण निकाल लेता है। यह इसे एआई को फीड करता है। एआई एकदम सटीक कोड लिखता है क्योंकि उसे पूरा संदर्भ दिया गया था।
परिणाम: एक स्पष्ट मार्ग
पेपर का दावा है कि इस "ब्लूप्रिंट" दृष्टिकोण का उपयोग करने से तीन मुख्य लाभ होते हैं:
- अब अनुमान लगाने की जरूरत नहीं: संदर्भ अब छिपा हुआ नहीं है। हर कोई जानता है कि एआई को क्या करने के लिए कहा गया था और वह किन नियमों का पालन कर रहा था।
- ट्रेसिबिलिटी (द "पेपर ट्रेल"): यदि कुछ गलत हो जाता है, तो आप ब्लूप्रिंट देख सकते हैं और देख सकते हैं कि कौन सा मानव और कौन सा एआई एजेंट जिम्मेदार था, उन्होंने किन संसाधनों का उपयोग किया था, और मूल कार्य क्या था। यह केवल अंतिम गंतव्य के बजाय प्रोजेक्ट के जीपीएस इतिहास रखने जैसा है।
- जवाबदेही (Accountability): चूंकि "कौन, क्या और कैसे" दर्ज किया गया है, इसलिए काम की समीक्षा करना और यह सुनिश्चित करना आसान है कि यह नैतिक और गुणवत्ता मानकों को पूरा करता है।
यह पेपर क्या दावा नहीं करता है
यह ध्यान रखना महत्वपूर्ण है कि यह पेपर क्या दावा नहीं करता है:
- यह दावा नहीं करता कि यह सिस्टम लोगों को तेजी से काम करने में मदद करता है या इससे पैसे बचते हैं। इसका ध्यान पूरी तरह से काम को अधिक स्पष्ट और अधिक पारदर्शी बनाने पर है।
- यह दावा नहीं करता कि एआई कभी गलतियाँ नहीं करेगा। एआई अभी भी गलत हो सकता है, लेकिन अब हम जानते हैं कि उसने वह गलती क्यों की क्योंकि हम उस संदर्भ को देख सकते हैं जिसके साथ वह काम कर रहा था।
- यह दावा नहीं करता कि यह सभी एआई समस्याओं के लिए एक जादुई समाधान है। यह जटिल परियोजनाओं में मनुष्यों और एआई के बीच सहयोग को प्रबंधित करने के लिए एक विशिष्ट उपकरण है।
निचोड़ (The Bottom Line)
यह पेपर सुझाव देता है कि जेनेरेटिव एआई के साथ अच्छी तरह से काम करने के लिए, हमें इसे एक 'मैजिक 8-बॉल' की तरह मानना बंद करना होगा जहाँ हम एक प्रश्न पूछते हैं और एक रैंडम उत्तर प्राप्त करते हैं। इसके बजाय, हमें इसे एक टीम के सदस्य की तरह मानना चाहिए जिसे एक स्पष्ट जॉब डिस्क्रिप्शन, उपकरणों की एक सूची और नियमों के एक सेट की आवश्यकता है। इन विवरणों को प्रबंधित करने के लिए एक "साझा ब्लूप्रिंट" (ऑन्टोलॉजी) बनाकर, हम एआई सहयोग को अधिक ईमानदार, ट्रेस करने योग्य और विश्वसनीय बना 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।