No Accidental Software Agent First Canonical Code for Human Code Entropy Reduction and 30 to 500 times Lower Frontier Model Requirements
यह शोध पत्र "एजेंट-फर्स्ट कैनोनिकल कोड" का प्रस्ताव करता है, जो एक प्रूफ़-कैरिंग सबस्ट्रेट (proof-carrying substrate) है जिसे मानव सॉफ़्टवेयर रिपॉजिटरी से आकस्मिक एंट्रॉपी को हटाने के लिए डिज़ाइन किया गया है, जो समकक्ष एन्कोडिंग को शासित प्रतिनिधियों में संकुचित करके, इस प्रकार फ्रंटियर मॉडल प्रशिक्षण आवश्यकताओं और सत्यापित-परिवर्तन लागतों को 30 से 500 गुना कम करने का लक्ष्य रखता है और एक "नो-एक्सीडेंट होराइजन" की ओर एक असत्यसिद्ध करने योग्य पथ स्थापित करता है।
मूल पेपर CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) के तहत सार्वजनिक डोमेन को समर्पित 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 "No Accidental Software" पेपर का सरल भाषा और रोज़मर्रा के उदाहरणों के साथ स्पष्टीकरण दिया गया है।
बड़ी समस्या: "बिखरा हुआ गैरेज" बनाम "ब्लूप्रिंट"
कल्पना कीजिए कि आप एक रोबोट को घर बनाना सिखाने की कोशिश कर रहे हैं। वर्तमान में, आप रोबोट को इंसानों द्वारा बनाए गए घरों की लाखों तस्वीरें दिखा रहे हैं।
समस्या यह है कि इंसानी घर बिखरे हुए (messy) होते हैं। एक निर्माता लाल ईंटों का उपयोग करता है, दूसरा नीली। कोई किचन को बाईं ओर रखता है, तो कोई दाईं ओर। कुछ घरों में बेसमेंट में एक गुप्त दरवाज़ा होता है जो मूल योजना में नहीं था लेकिन फिर भी काम करता है। कुछ में बिजली का अजीब सेटअप होता है जो केवल तभी काम करता है जब आप एक विशिष्ट कुर्सी पर खड़े हों।
रोबोट को "किचन कैसे बनाया जाता है" की बुनियादी अवधारणा सीखने के लिए इन सभी यादृच्छिक, आकस्मिक विवरणों (random, accidental details) को समझने में अपना सारा समय और ऊर्जा खर्च करनी पड़ती है। वह निर्माण के वास्तविक विज्ञान के बजाय मानव निर्माण की आदतों के "दुर्घटनाओं" पर अपनी दिमागी शक्ति बर्बाद कर रहा है।
पेपर का दावा:
हम रोबोट को वे बिखरे हुए फोटो दिखाना बंद कर सकते हैं। इसके बजाय, हम उन सभी मानव घरों को पहले एक परफेक्ट, मानकीकृत ब्लूप्रिंट (perfect, standardized blueprint) में बदल सकते हैं। इस ब्लूप्रिंट में:
- किचन हमेशा एक ही जगह पर होगा।
- वायरिंग हमेशा एक ही तरीके से की जाएगी।
- "गुप्त दरवाजे" या तो हटा दिए जाएंगे या उन्हें "वैकल्पिक" के रूप में स्पष्ट रूप से लेबल किया जाएगा।
यदि हम ऐसा करते हैं, तो रोबोट को अनुमान लगाने में समय बर्बाद नहीं करना पड़ेगा। वह निर्माण के मूल नियमों को बहुत तेज़ी से सीख सकता है, कम गलतियाँ कर सकता है, और इसे चलाने की लागत बहुत कम होगी।
मुख्य विचार: "कैनोनिकल कोड" (Canonical Code)
लेखक इस मानकीकृत संस्करण को "एजेंट-फर्स्ट कैनोनिकल कोड" (Agent-First Canonical Code) कहते हैं।
इसे एक अनुवाद सेवा (translation service) की तरह समझें।
- रॉ ह्यूमन कोड (Raw Human Code): यह एक भीड़ भरे कमरे में बातचीत की तरह है जहाँ हर कोई अलग-अलग बोलियाँ बोलता है, मुहावरों का उपयोग करता है, और एक-दूसरे को बीच में टोकता है। यह मूल्यवान जानकारी से भरा है, लेकिन शोर-शराबे वाला है।
- कैनोनिकल कोड (Canonical Code): यह वही बातचीत है, लेकिन एक एकल, पूर्ण भाषा में अनुवादित है जहाँ प्रत्येक शब्द की एक सख्त परिभाषा है, और व्याकरण त्रुटिहीन है।
पेपर का तर्क है कि हमें केवल "बुरे" कोड को फ़िल्टर नहीं करना चाहिए। हमें AI को सिखाने से पहले इस कोड को इस पूर्ण प्रारूप में पुनर्गठित (rebuild) करना चाहिए।
चार बार हम बिखराव की कीमत चुकाते हैं
पेपर कहता है कि जब हम बिखरे हुए मानव कोड का उपयोग करते हैं, तो हम भ्रम की कीमत चार बार चुकाते हैं:
- प्रशिक्षण (Training): हमें AI को बुनियादी बातें सिखाने के लिए लाखों उदाहरण दिखाने पड़ते हैं।
- खोज (Searching): जब AI किसी बग (bug) को ठीक करने की कोशिश करता है, तो उसे यह खोजने के लिए बिखरे हुए फोल्डरों में खुदाई करनी पड़ती है कि कोड कहाँ स्थित है।
- तर्क (Reasoning): AI को यह अनुमान लगाने के लिए संघर्ष करना पड़ता है कि नियम क्या हैं क्योंकि वे स्पष्ट रूप से लिखे नहीं गए हैं।
- समीक्षा (Reviewing): इंसानों को AI के काम की जांच करने के लिए घंटों समय बिताना पड़ता है क्योंकि AI ने बिखरे हुए संदर्भ (messy context) को गलत समझ लिया होगा।
"कैनोनिकल ब्लूप्रिंट" का उपयोग करके, हम पहले तीन लागतों को लगभग पूरी तरह से खत्म कर देते हैं। AI जानता है कि कहाँ देखना है और नियम क्या हैं।
"व्यवहार कोशिकाएं" (The Behavior Cells - लेगो एनालॉजी)
कल्पना कीजिए कि आप एक शहर बना रहे हैं।
- वर्तमान तरीका: हर बार जब आपको एक "फायर स्टेशन" की आवश्यकता होती है, तो एक मानव वास्तुकार (architect) शून्य से एक नया डिज़ाइन बनाता है। कभी यह लकड़ी का होता है, कभी ईंट का। कभी इसका दरवाज़ा बाईं ओर खुलता है, तो कभी दाईं ओर।
- पेपर का तरीका: हम एक "फायर स्टेशन सेल" (Fire Station Cell) बनाते हैं। यह एक पहले से बना हुआ, प्रमाणित लेगो ब्लॉक (Lego block) है। इसमें एक दरवाज़ा, एक छत और एक होज़ कनेक्शन है। इसकी गारंटी है कि यह काम करेगा।
जब AI को शहर बनाने की आवश्यकता होती है, तो वह फायर स्टेशन का चित्र नहीं बनाता। वह बस "फायर स्टेशन सेल" को उसकी जगह पर फिट कर देता है।
- दावा: पेपर सुझाव देता है कि 70% से 90% सॉफ़्टवेयर (जैसे लॉग इन करना, बिलों का भुगतान करना, या डेटा सहेजना) केवल इन मानक ब्लॉक्स को "दोहराना" है। यदि हम इन ब्लॉक्स की पहचान कर लेते हैं, तो AI को केवल नई चीज़ों (novelty) का आविष्कार करने की आवश्यकता होगी, न कि उबाऊ, दोहराव वाली चीज़ों की।
"नो-एक्सीडेंट होराइजन" (The No-Accident Horizon)
पेपर का एक साहसी लक्ष्य है जिसे "नो-एक्सीडेंट होराइजन" कहा जाता है।
एक ऐसी दुनिया की कल्पना करें जहाँ सॉफ़्टवेयर में शून्य दुर्घटनाएं (zero accidents) हों।
- कोई आकस्मिक फाइल नाम नहीं।
- कोई आकस्मिक सुरक्षा छेद (security holes) नहीं।
- कोई आकस्मिक भ्रम नहीं कि कौन सा बटन क्या करता है।
इस दुनिया में, इंसानों (और AI) के लिए केवल रचनात्मक, नई चीज़ें करने के लिए ही बचेगा। बाकी सब कुछ बस एक पूर्व-अनुमोदित, सुरक्षित, प्रमाणित ब्लॉक है जिसे आपस में जोड़ा जा रहा है।
पेपर स्वीकार करता है कि हम भविष्य के हर संभावित प्रोग्राम के लिए 100% पूर्णता तक नहीं पहुँच सकते (क्योंकि कुछ चीजें बहुत नई या अजीब होती हैं)। लेकिन हमारे रोज़मर्रा के सॉफ़्टवेयर (जैसे बैंकिंग ऐप्स, ई-कॉमर्स साइट्स और आंतरिक टूल्स) के लिए, उनका मानना है कि हम लागत और प्रयास को 30 से 500 गुना कम कर सकते।
पेपर वास्तव में क्या सिद्ध करता है (और क्या नहीं)
यह महत्वपूर्ण है कि हम जो पेपर वास्तव में कहता है उस पर टिके रहें:
- उन्होंने क्या किया: उन्होंने कोडिंग के उदाहरणों के एक छोटे सेट को लिया, उन्हें इस "परफेक्ट ब्लूप्रिंट" प्रारूप में अनुवादित किया, और एक छोटे AI मॉडल को उन्हें समझने के लिए प्रशिक्षित किया। मॉडल ने तेज़ी से सीखा और ब्लूप्रिंट के "नियमों" के बारे में कोई गलती नहीं की।
- उन्होंने अभी तक क्या सिद्ध नहीं किया है: उन्होंने अभी तक यह सिद्ध नहीं किया है कि यह दुनिया के सभी सॉफ़्टवेयर के लिए काम करता है। उन्होंने यह भी सिद्ध नहीं किया है कि इससे अरबों डॉलर की बचत होगी (हालांकि उनके पास इसे मापने की एक योजना है)। वे इन विचारों का परीक्षण करने के लिए एक अनुसंधान कार्यक्रम (research program) प्रस्तावित कर रहे हैं।
निचोड़ (The Bottom Line)
पेपर कह रहा है: "AI को बिखरी हुई मानवीय लिखावट पढ़ने के लिए प्रशिक्षित करना बंद करें। पहले उसे परफेक्ट, मानकीकृत ब्लूप्रिंट पढ़ना सिखाएं।"
यदि हम ऐसा करते हैं, तो AI यह अनुमान लगाने में समय बर्बाद करना बंद कर देगा कि इंसान आमतौर पर चीजें कैसे करते हैं, और अपना समय वास्तव में कठिन, नई समस्याओं को हल करने में बिताने लगेगा। परिणाम ऐसा सॉफ़्टवेयर होगा जिसे बनाना सस्ता, उपयोग करना सुरक्षित और बनाना बहुत तेज़ होगा।
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।