RAILS: Verification-Native Clearing For Agentic Commerce
यह शोधपत्र RAILS को प्रस्तुत करता है, जो एजेंटिक कॉमर्स (agentic commerce) के लिए एक वेरिफिकेशन-नेटिव क्लियरिंग प्रोटोकॉल है जो एक औपचारिक, फाल्सीफिएबल (falsifiable) साउंडनेस प्रॉपर्टी स्थापित करता है, जो यह सुनिश्चित करता है कि बिना किसी साक्ष्य के जो दायित्व की स्वीकार्यता सीमा (admissibility floor) को पूरा करता हो, कोई भी वित्तीय रूप से महत्वपूर्ण सेटलमेंट न हो, जिससे वह महत्वपूर्ण अंतर भरा जा सके जो स्वायत्त एजेंटों के कार्यों और तटस्थ दायित्व सत्यापन के बीच विद्यमान 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 ऐसी दुनिया की कल्पना करें जहाँ AI एजेंट अत्यधिक कुशल, स्वतंत्र ठेकेदारों (independent contractors) की तरह हों। वे बिना किसी इंसान के हर कदम पर "अनुमोदन" (approve) दिए बिना, कोड लिख सकते हैं, पुर्जे खरीद सकते हैं, अनुबंधों पर हस्ताक्षर कर सकते हैं और पैसा स्थानांतरित कर सकते हैं।
इस शोध पत्र (paper) के अनुसार समस्या यह है कि हमने इन एजेंटों के चलने के लिए सड़कें तो बना दी हैं (भुगतान प्रणाली, संचार उपकरण, प्राधिकरण जाँच), लेकिन हमारे पास वह "ट्रैफिक कोर्ट" नहीं है जो यह तय कर सके कि जब चीजें गलत होती हैं, तो वास्तव में सही कौन है।
यदि एक AI एजेंट $40,000 का पुर्जा खरीदता है जो अंततः गलत मॉडल निकलता है, या यदि एक कोडिंग एजेंट एक बग को ठीक करता है लेकिन गलती से एक सुरक्षा खामी (security hole) पैदा कर देता है, तो वर्तमान प्रणालियाँ स्वचालित रूप से यह पता नहीं लगा सकतीं कि: क्या एजेंट ने वास्तव में वह किया जिसका उन्होंने वादा किया था? क्या सबूत इतने पर्याप्त हैं कि भुगतान जारी किया जा सके? दोष किसका है?
यह पेपर RAILS (Real-Time Agent Integrity & Ledger Settlement) को पेश करता है, जो AI अर्थव्यवस्था के लिए गायब "ट्रैफिक कोर्ट" है।
यह कैसे काम करता है, सरल उपमाओं (analogies) का उपयोग करते हुए यहाँ दिया गया है:
1. मुख्य समस्या: "प्राधिकरण" (Authorization) "क्लियरिंग" (Clearing) नहीं है
Authorization को ऐसे समझें जैसे एक बॉस एक कर्मचारी को क्रेडिट कार्ड देता है और कहता है, "जाओ एक नई कुर्सी खरीद लो।"
- वर्तमान प्रणालियाँ: वे यह जाँचती हैं कि क्या कर्मचारी के पास कार्ड था (Authorization) और क्या पैसा स्थानांतरित हुआ (Payment)।
- अंतराल (The Gap): वे यह नहीं जाँचते कि क्या कर्मचारी ने वास्तव में कुर्सी खरीदी, या क्या उसने ऐसी कुर्सी खरीदी जो तुरंत टूट गई।
- पेपर का दावा: सिर्फ इसलिए कि एजेंट को कार्य करने की अनुमति दी गई थी और पैसा स्थानांतरित हो गया, इसका मतलब यह नहीं है कि काम सही ढंग से पूरा हुआ। हमें परिणाम (outcome) को सत्यापित करने वाली एक प्रणाली की आवश्यकता है, न कि केवल अनुमति की।
2. समाधान: RAILS प्रोटोकॉल
RAILS एक सात-चरणीय "इंटीग्रिटी लेयर" है जो एक तटस्थ रेफरी के रूप में कार्य करता है। यह केवल यह नहीं पूछता कि "क्या आपने इसे किया?" बल्कि यह पूछता है, "क्या आप साबित कर सकते हैं कि आपने इसे किया, और क्या वह प्रमाण इतना मजबूत है कि भुगतान जारी किया जा सके?"
यहाँ वे सात "प्रिमिटिव्स" (उपकरण) दिए गए हैं जिनका RAILS उपयोग करता है, एक कहानी के रूप में:
- द ऑब्लिगेशन ऑब्जेक्ट (अनुबंध): काम शुरू होने से पहले, इंसान और AI एक डिजिटल अनुबंध पर हस्ताक्षर करते हैं। यह केवल "बग ठीक करें" नहीं है। यह है "बग ठीक करें, नई लाइब्रेरी न जोड़ें, और एक विशिष्ट टेस्ट लॉग के साथ इसे सिद्ध करें।" यह खेल के नियम निर्धारित करता है।
- द एविडेंस एनवेलप (साक्ष्य बॉक्स): काम पूरा होने के बाद, AI अपने काम को पैक करता है। वह केवल यह नहीं कहता कि "मैंने कर लिया।" वह अपने कोड परिवर्तन, टेस्ट लॉग और सुरक्षा स्कैन को एक सीलबंद, अपरिवर्तनीय डिजिटल बॉक्स में रखता है। महत्वपूर्ण रूप से, बॉक्स की प्रत्येक वस्तु को एक "ट्रस्ट टैग" (जैसे, "यह एक सुरक्षित सर्वर से आया है" बनाम "यह केवल AI का दावा है") मिलता है।
- द वेरिफिकेशन मेश (जूरी): एक जज के बजाय, RAILS विभिन्न "जूरी सदस्यों" के पैनल का उपयोग करता है।
- रोबोट जज: यह जाँचता है कि क्या कोड सख्त नियमों का पालन करता है (जैसे "क्या आपने नई लाइब्रेरी जोड़ी?")।
- रसीद चेकर: बाहरी सिस्टम (जैसे CI सर्वर) के लॉग देखता है।
- मानवीय मध्यस्थ (Human Arbiter): एक वास्तविक व्यक्ति जो तब हस्तक्षेप करता है जब रोबोट भ्रमित होते हैं।
- सिमेंटिक जज: एक AI जो कोड को पढ़ता है ताकि यह देखा जा सके कि क्या वह वास्तव में समस्या को हल करता है।
- द क्लियरिंग डिसीजन (फैसला): सिस्टम जूरी के वोटों को जोड़ता है। लेकिन यहाँ जादू वाला नियम है: निर्णय तभी मान्य होता है जब साक्ष्य पर्याप्त रूप से मजबूत हों।
- "फ्लोर" नियम: यदि अनुबंध कहता है कि "हमें एक सुरक्षित सर्वर (High Trust) से प्रमाण चाहिए," लेकिन AI केवल एक स्व-रिपोर्ट (Low Trust) प्रदान करता है, तो सिस्टम निर्णय को अस्वीकार कर देता है, भले ही AI कहे कि उसने अच्छा काम किया। यह कमजोर साक्ष्य पर भुगतान करने से इनकार कर देता है।
- द सेटलमेंट इंस्ट्रक्शन (चेक): एक बार जब निर्णय वैध हो जाता है, तो सिस्टम बैंक या भुगतान प्रोसेसर को निर्देश देता है: "पैसा जारी करें," "पैसा वापस करें," या "एजेंट को दंडित करें।"
- द क्लियरिंग पासपोर्ट (प्रतिष्ठा स्कोर): प्रत्येक एजेंट का एक स्कोरकार्ड होता है। यदि वे मजबूत साक्ष्यों के साथ सफल होते रहते हैं, तो उनका स्कोर बढ़ता है। यदि वे धोखाधड़ी करने या कमजोर साक्ष्य का उपयोग करने की कोशिश करते हैं, तो उनका स्कोर गिर जाता है। यह स्कोर भविष्य में उन्हें कितना विश्वास प्राप्त होगा, यह निर्धारित करता है।
- फिनैलिटी रूल्स (हथौड़ा/Gavel): यह एक टाइमर है। निर्णय "प्रोविजनल" (अस्थायी) के रूप में शुरू होता है। यदि निर्धारित समय के भीतर कोई अपील नहीं करता है, और साक्ष्य अभी भी मजबूत हैं, तो यह "फाइनल" (स्थायी) हो जाता है।
3. "साउंडनेस" (Soundness) की गारंटी
पेपर एक बहुत ही विशिष्ट दावा करता है: RAILS गारंटी देता है कि कोई भी पैसा तब तक नहीं बदलेगा जब तक कि साक्ष्य न्यूनतम "ट्रस्ट फ्लोर" को पूरा न कर दे।
एक कैसीनो की कल्पना करें।
- पुराना तरीका: डीलर (AI) कहता है, "मैं जीत गया," और मशीन भुगतान करती है।
- RAILS का तरीका: डीलर को अपने कार्ड दिखाने होंगे। यदि कार्ड धुंधले हैं या नैपकिन पर बने हैं (कमजोर साक्ष्य), तो मशीन भुगतान करने से इनकार कर देगी, भले ही डीलर दावा करे कि वह जीत गया। मशीन केवल तभी भुगतान करेगी जब कार्ड स्पष्ट रूप से दिखाई दे रहे हों और सुरक्षा कैमरों द्वारा सत्यापित हों (मजबूत साक्ष्य)।
4. यह क्यों महत्वपूर्ण है
पेपर का तर्क है कि इस "क्लियरिंग" लेयर के बिना, AI अर्थव्यवस्था सुरक्षित रूप से स्केल नहीं कर सकती।
- पेमेंट रेल्स (जैसे Visa या क्रिप्टो) पैसा स्थानांतरित करते हैं, लेकिन वे नहीं जानते कि सेवा दी गई है या नहीं।
- एस्क्रो (Escrow) पैसा रोक कर रखता है, लेकिन उसे यह बताने के लिए एक जज की आवश्यकता होती है कि इसे कब जारी किया जाए।
- LLM न्यायाधीश (AI द्वारा AI का न्याय) पक्षपाती होने के प्रति संवेदनशील हैं और उन्हें चकमा दिया जा सकता है।
RAILS इसे एक तटस्थ प्रक्रिया बनाकर हल करता है जो पैसा स्थानांतरित करने से पहले साक्ष्य की गुणवत्ता को ग्रेड करती है। यह सुनिश्चित करता है कि एक AI केवल यह कहकर कि "मैंने यह कर लिया," सिस्टम को उस काम के लिए भुगतान पाने के लिए धोखा न दे सके जो उसने वास्तव में नहीं किया है।
सारांश
RAILS, AI के लिए गायब "ट्रस्ट लेयर" है। यह "क्या AI ने अच्छा काम किया?" के उलझे हुए प्रश्न को "क्या प्रमाण पर्याप्त रूप से मजबूत है?" की एक सख्त, गणितीय प्रक्रिया में बदल देता है। यह सुनिश्चित करता है कि स्वायत्त एजेंटों की दुनिया में, आप केवल प्रयास के लिए भुगतान नहीं करते; आप केवल सत्यापित परिणाम के लिए भुगतान करते 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।