PreAct: Computer-Using Agents that Get Faster on Repeated Tasks
PreAct एक ऐसा सिस्टम है जो सफल निष्पादमों (executions) को सत्यापन योग्य स्टेट-मशीन प्रोग्रामों में संकलित करके दोहराए जाने वाले कार्यों पर कंप्यूटर का उपयोग करने वाले एजेंटों को तेज़ करता है, जिससे शुद्धता सुनिश्चित करने और दोषपूर्ण स्क्रिप्ट के संचय को रोकने के लिए अंतर्निहित सुरक्षा जाँचों के साथ 8.5–13x तेज़ रिप्ले सक्षम 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 आपके पास एक बहुत ही बुद्धिमान, लेकिन बहुत महंगा रोबोट सहायक है। यह रोबोट आपकी कंप्यूटर स्क्रीन देख सकता है, समझ सकता है कि कौन से बटन क्लिक करने हैं और काम पूरा करने के लिए टेक्स्ट टाइप कर सकता है—जैसे कि मीटिंग बुक करना या कोई कॉन्टैक्ट जोड़ना।
समस्या यह है कि यह रोबोट फिजूलखर्च (wasteful) है। हर बार जब आप इसे एक ही काम दोबारा करने के लिए कहते हैं, तो यह जो कुछ भी इसने पहले किया था, उसे भूल जाता है। इसे फिर से स्क्रीन को देखना पड़ता है, हर कदम के बारे में फिर से सोचना पड़ता है और हर बार एक भारी "सोचने की फीस" (महंगे AI कंप्यूटिंग पावर का उपयोग) चुकानी पड़ती है। यह एक ऐसे टूर गाइड की तरह है जो आपको एक बार म्यूजियम दिखाने के बाद, अगले दिन ठीक उसी म्यूजियम को दिखाने के लिए आपसे एक नया टूर गाइड लेने के पैसे मांगता है, जबकि दोनों को वहां के लेआउट की पूरी जानकारी है।
PreAct एक नया सिस्टम है जो इस रोबट को भूलने वाले के बजाय निपुण (fluent) बनाना सिखाता है। यह कैसे काम करता है, इसके लिए कुछ रोजमर्रा के उदाहरण दिए गए हैं:
1. "रेसिपी बुक" बनाम "शेफ"
सामान्य तौर पर, रोबोट एक ऐसे शेफ की तरह काम करता है जो हर बार खाना बनाने के लिए हर सामग्री को चखता है और हर बार रेसिपी को नए सिरे से बनाता है।
PreAct खेल बदल देता है। पहली बार जब रोबोट सफलतापूर्वक कोई कार्य पूरा करता है (जैसे कि एक कॉन्टैक्ट जोड़ना), तो वह उसे केवल भूलता नहीं है। इसके बजाय, वह एक परफेक्ट, स्टेप-बाय-स्टेप रेसिपी (एक "स्टेट-मशीन प्रोग्राम") लिख देता है।
- पहली बार: रोबोट अपने महंगे "सोचने वाले दिमाग" का उपयोग करके कार्य को हल करता है और रेसिपी लिखता है। इसमें समय और पैसा लगता है।
- दूसरी बार: महंगे दिमाग का उपयोग करने के बजाय, रोबोट बस रेसिपी को पढ़ता है और निर्देशों का पालन करता है। उसे सोचने की जरूरत नहीं होती; वह बस काम करता है। यह इसे 8.5 से 13 गुना तेज़ और चलाने में लगभग मुफ्त बनाता है।
2. "सुरक्षा जांच" (अंधाधुंध पालन नहीं करना)
आप सोच सकते हैं: "क्या होगा अगर स्क्रीन अलग दिख रही हो? क्या होगा अगर कोई पॉप-अप विंडो आ जाए?"
अगर रोबोट सिर्फ रेसिपी का आँख मूंदकर पालन करता, तो वह गलत बटन क्लिक कर सकता था और चीजें बिगाड़ सकता था।
PreAct स्मार्ट है। रेसिपी के हर एक कदम से पहले, यह स्क्रीन पर एक नज़र डालता है ताकि यह सुनिश्चित हो सके कि यह बिल्कुल वैसा ही दिख रहा है जैसा रेसिपी उम्मीद करती है।
- यदि यह मेल खाता है: यह तुरंत बटन क्लिक करता है (बिना सोचे समझे)।
- यदि यह मेल नहीं खाता: यह तुरंत रुक जाता है, कहता है "रुको, कुछ गलत है," और नई स्थिति को समझने के लिए महंगे रोबोट दिमाग को वापस बुला लेता है।
यह एक ऐसे ड्राइवर की तरह है जो GPS रूट का पालन करता है लेकिन सड़क पर अपनी नज़रें बनाए रखता है। यदि कोई रास्ता बंद है, तो वह अंधे होकर दीवार में नहीं टकराता; वह रुक जाता है और नए निर्देश मांगता है।
3. "क्वालिटी कंट्रोल गेट" (सबसे महत्वपूर्ण हिस्सा)
यहाँ पेचीदा बात यह है: क्या होगा अगर रोबोट ऐसी रेसिपी लिख दे जो दिखने में पूरी लगे लेकिन वास्तव में विफल हो जाए?
उदाहरण: रेसिपी कहती है "नाम टाइप करें, सेव पर क्लिक करें।" लेकिन शायद रोबोट ने वास्तव में नाम टाइप करना ही भूल गया, इसलिए जब वह सेव पर क्लिक करता है, तो कुछ नहीं होता। यदि रोबोट ऐसी खराब रेसिपी को सेव कर लेता है, तो वह भविष्य में इसे हर बार इस्तेमाल करने पर विफल होगा।
PreAct के पास एक सख्त क्वालिटी कंट्रोल गेट है।
अपनी लाइब्रेरी में नई रेसिपी डालने से पहले, यह कंप्यूटर को रीसेट करता है और यह देखने के लिए रेसिपी को शुरू से चलाता है कि क्या यह वास्तव में काम करती है।
- यदि रेसिपी काम करती है: तो इसे लाइब्रेरी में जोड़ दिया जाता है।
- यदि रेसिपी विफल हो जाती है (भले ही वह अंत तक चली हो): तो इसे कचरे में फेंक दिया जाता है।
शोधकर्ताओं ने पाया कि इस गेट के बिना, रोबोट की लाइब्रेरी "खराब रेसिपी" से भर जाती है, और यह वास्तव में समय के साथ कार्यों को करने में और खराब होता जाता है। इस गेट के साथ, रोबोट हर बार कार्य को दोहराते समय बेहतर होता जाता है।
परिणाम
शोधकर्ताओं ने फोन, डेस्कटॉप कंप्यूटर और वेबसाइटों पर इसका परीक्षण किया।
- गति: किसी कार्य को दोहराना 8.5 से 13 गुना तेज़ हो गया।
- लागत: रोबोट बार-बार किए जाने वाले कार्यों के लिए महंगी "सोचने की फीस" देना बंद कर देता है।
- विश्वसनीयता: हर कदम पर स्क्रीन की जांच करके और खराब रेसिपी को छानकर, सिस्टम न केवल तेज़ हुआ; बल्कि यह समय के साथ अधिक सटीक भी होता गया।
संक्षेप में: PreAct उस रोबोट को जो हर बार पहिया दोबारा बनाने में लगा रहता है, एक ऐसा रोबोट बना देता है जो एक कौशल सीखता है, उसे लिख लेता है, और फिर उस कौशल को पूरी तरह से और तुरंत निष्पादित करता है—जब तक कि कुछ बदल न जाए, जिस स्थिति में वह फिर से सीखता है। यह एक ऐसे छात्र के बीच का अंतर है जो एक बार गणित की समस्या याद करता है और फिर उसे भूल जाता है और हर दिन उसे फिर से सीखना पड़ता है, बनाम एक ऐसे छात्र के बीच जो उसे एक बार सीखकर पूरी तरह आत्मसात कर लेता है।
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।