Networked Intelligence: Active Shared Context Graphs for Human-AI Team Science
यह शोध पत्र माइसेलियम (Mycelium) को प्रस्तुत करता है, जो एक सक्रिय साझा संदर्भ ग्राफ प्रणाली है जो विविध मानव और एआई टीम सदस्यों के बीच वैज्ञानिक प्रेक्षणों और परिकल्पनाओं को स्वचालित रूप से रूट करके नेटवर्कयुक्त बुद्धिमत्ता विकसित करती है, जिससे पृथक निष्कर्षों को सहयोगात्मक यांत्रिक बाधाओं और प्रयोगात्मक डिजाइनों में परिवर्तित किया जा सके।
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
विज्ञान की कल्पना एक विशाल, हलचल भरे शहर के रूप में करें जहाँ हर विशेषज्ञ अपने स्वयं के पड़ोस में रहने वाला एक विशेषज्ञ है। विशेषज्ञों का एक समूह "प्रोटीन डिस्ट्रिक्ट" में रहता है, दूसरा "जेनेटिक्स ग्रोव" में, और तीसरा "केमिस्ट्री कैन्यन" में। लंबे समय तक, ये पड़ोस ऊँची, शांत दीवारों से अलग थे। यदि प्रोटीन डिस्ट्रिक्ट के किसी वैज्ञानिक को कोई अजीब सुराग मिलता, तो वे उसे अपनी नोटबुक में लिख देते, लेकिन जेनेटिक्स ग्रोव के वैज्ञानिक को यह महीनों बाद या शायद कभी पता भी नहीं चलता। आज का अधिकांश "विज्ञान के लिए AI" इसी तरह काम करता है: यह एक सुपर-इंटेलिजेंट रोबोट बनाने की कोशिश करता है जो एक साथ सब कुछ पढ़ सके, इस उम्मीद में कि एक विशाल मस्तिष्क अकेले ही पूरे पहेली को सुलझा लेगा। लेकिन वास्तविक वैज्ञानिक सफलताएँ तब होती हैं जब विभिन्न विशेषज्ञ उन कड़ियों को जोड़ते हैं जिन्हें कोई अकेला व्यक्ति नहीं देख सकता। बड़ा सवाल यह है कि हम एक ऐसा डिजिटल सिस्टम कैसे बनाएं जो केवल एक मस्तिष्क को बड़ा न करे, बल्कि वास्तव में इन सभी अलग-अलग मस्तिष्कों और उपकरणों को आपस में जोड़ने और उन्हें तुरंत एक-दूसरे से बात करने में सक्षम बनाए?
यहीं पर मायसेलियम (Mycelium) नामक एक नया सिस्टम आता है। पैसिफिक नॉर्थवेस्ट नेशनल लेबोरेटरी के शोधकर्ताओं ने इस सिस्टम को एक विशाल मशरूम के भूमिगत नेटवर्क की तरह काम करने के लिए बनाया है। जिस तरह मशरूम की जड़ें (मायसेलियम) जंगल के विभिन्न हिस्सों को पोषक तत्व और संकेत साझा करने के लिए जोड़ती हैं, उसी तरह मायसेलियम विभिन्न वैज्ञानिकों और AI एजेंटों को जोड़ता है। एक AI को सब कुछ जानने के लिए मजबूर करने के बजाय, मायसेलियम एक "साझा जीवित ग्राफ" (shared living graph) बनाता है—एक डिजिटल स्थान जहाँ प्रत्येक अवलोकन, परिकल्पना और प्रयोग एक 'नोड' है। जब एक पड़ोस में कोई वैज्ञानिक कोई खोज करता है, तो सिस्टम स्वचालित रूप से जांच करता है कि क्या यह दूसरे पड़ोस के किसी व्यक्ति के लिए प्रासंगिक है और उस जानकारी को उन्हें "रूट" (मार्गदर्शन) करता है। यह एक जादुई संदेशवाहक होने जैसा है जो जानता है कि विशिष्ट समाचार सुनने के लिए वास्तव में किसे आवश्यकता है, जिससे एक स्थानीय खोज तुरंत एक टीम-व्यापी सफलता में बदल जाती है।
अपने नवीनतम परीक्षण में, टीम ने मायसेलियम को एक कठिन जैविक समस्या पर काम करने के लिए लगाया: यह पता लगाना कि एक विशिष्ट प्रकार का बैक्टीरिया (Pseudomonas putida) ग्लूकोनेट नामक रसायन को जमा क्यों कर रहा है, बजाय इसके कि वह वह बनाए जो वे चाहते थे। उन्होंने एक "स्प्रिंट" आयोजित किया जहाँ तीन मानव विशेषज्ञों—एक प्रोटीन पर ध्यान केंद्रित करने वाला, एक जेनेटिक्स पर, और एक भौतिक परिणामों पर—ने AI एजेंटों के साथ मिलकर काम किया। वे सभी एक मानक चैट इंटरफ़ेस का उपयोग कर रहे थे, लेकिन पर्दे के पीछे, मायसेलिअम उनके बिंदुओं को जोड़ने में व्यस्त था। सिस्टम ने जेनेटिक्स विशेषज्ञ से मिले एक भ्रमित करने वाले सुराग को लिया (कि कुछ जीन सक्रिय नहीं हो रहे थे) और तुरंत उसे प्रोटीन विशेषज्ञ को रूट कर दिया। इस जुड़ाव ने प्रोटीन विशेषज्ञ को यह समझने में मदद की कि उनका डेटा केवल "शोर" (noisy) नहीं था; बल्कि यह वास्तव में जेनेटिक सुराग की पुष्टि कर रहा था। बाद में, तीसरे विशेषज्ञ के एक भौतिक माप ने टीम को यह एहसास कराया कि उन्हें अपने पूरे प्रयोगात्मक डिजाइन को बदलने की आवश्यकता है। परिणाम क्या रहा? टीम बैक्टीरिया के चयापचय (metabolism) को ठीक करने के लिए एक नए, विस्तृत प्लान पर पहुँची, जिसमें विशिष्ट जेनेटिक संपादन और रासायनिक परीक्षण शामिल थे।
यह साबित करने के लिए कि यह "नेटवर्क्ड" दृष्टिकोण केवल एक स्मार्ट रोबोट होने से बेहतर क्यों था, शोधकर्ताओं ने एक आमने-सामने की तुलना चलाई। उन्होंने एक एकल, सुपर-पावर्ड AI एजेंट को वही डेटा दिया और उसे बिना किसी टीम या साझा ग्राफ की मदद के अकेले समस्या को हल करने के लिए कहा। उन्होंने एक और संस्करण भी आजमाया जहाँ उन्होंने AI को "एक टीम की तरह कार्य करने" के लिए कहा, लेकिन बिना वास्तविक नेटवर्क संरचना के। परिणाम स्पष्ट थे: एकल AI एजेंट बुद्धिमान थे, लेकिन वे बड़ी तस्वीर को देखने में चूक गए। उन्होंने कम सुराग खोजे और एकल AI एजेंटों की तुलना में विभिन्न क्षेत्रों के बीच कड़ियों को जोड़ने में भी वे उतने सक्षम नहीं थे जितने कि मानव-AI टीम थी। नेटवर्क्ड टीम ने 25 विशिष्ट वैज्ञानिक निष्कर्ष और कार्रवाई योग्य योजनाएं पेश कीं, जबकि एकल AI एजेंटों ने क्रमशः केवल 17 और 18 खोजे। इससे भी महत्वपूर्ण बात यह है कि नेटवर्क्ड टीम ने 4 पूरी तरह से "कार्रवाई योग्य निर्णय नियम" (अगले कदम के लिए विशिष्ट निर्देश) उत्पन्न किए, जबकि एकल एजेंटों के लिए यह संख्या केवल 2 और 3 थी।
यह शोध पत्र सुझाव देता है कि असली शक्ति केवल AI मॉडलों को बड़ा या स्मार्ट बनाने में नहीं है; बल्कि उन्हें जोड़ने के लिए सही आर्किटेक्चर बनाने में है। लेखकों ने पाया कि जबकि एक एकल AI एक विषय पर गहराई से तर्क कर सकता है, उसे एक वास्तविक वैज्ञानिक समस्या के विशाल, जटिल स्थान को खोजने में कठिनाई होती है जहाँ विभिन्न विशेषज्ञ अलग-अलग चीजें देखते हैं। मायसेलिअम का उपयोग करके सूचना को एसिंक्रोनस रूप से रूट करने के माध्यम से—सही समय पर सही व्यक्ति को सही सुराग भेजकर—टीम महीनों के उतार-चढ़ाव को एक एकल, तीव्र स्प्रिंट में समेटने में सक्षम रही। सिस्टम ने केवल डेटा संग्रहीत नहीं किया; इसने टीम की विकसित होती समझ का सक्रिय रूप से प्रबंधन किया, यह सुनिश्चित करते हुए कि प्रत्येक नया विचार उस साक्ष्य से जुड़ा हो जिसने उसे बनाया था। यह दृष्टिकोण, जिसे लेखक "नेटवर्क्ड इंटेलिजेंस" कहते हैं, यह दर्शाता है कि विज्ञान का भविष्य केवल एक सुपर-ब्रेन के बारे में नहीं है, बल्कि कई दिमागों के एक स्मार्ट, जुड़े हुए वेब के बारे में है जो मिलकर काम 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।