Can LLMs Build a MaxSAT Solver from Papers? The CoreForge Experience
यह शोध पत्र CoreForge पर रिपोर्ट करता है, जो एक ऐसा प्रयोग है जो यह प्रदर्शित करता है कि बड़े भाषा मॉडल (large language models) एक पुनरावृत्ति कार्यप्रवाह (iterative workflow) के माध्यम से सीधे शोध पत्रों से एक कार्यात्मक अनवेटेड मैक्ससैट (unweighted MaxSAT) सॉल्वर बनाने में सफलतापूर्वक सहायता कर सकते हैं, हालांकि परिणामी प्रणाली को अभी भी मानव मार्गदर्शन और सत्यापन की आवश्यकता होती है और प्रदर्शन के मामले में हाथ से निर्मित (hand-engineered) सॉल्वरों से पीछे 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 आप एक जासूस हैं जो सुरागों की एक विशाल, उलझी हुई गांठ को सुलझाने की कोशिश कर रहे हैं। कंप्यूटर विज्ञान की दुनिया में, इस गांठ को "कन्स्ट्रेंट प्रॉब्लम" (constraint problem) कहा जाता है। आपके पास नियमों की एक सूची है (जैसे "लाल गेंद बाईं ओर होनी चाहिए" या "नीली गेंद हरी गेंद के बगल में नहीं हो सकती") और आपका काम चीजों को इस तरह व्यवस्थित करना है ताकि हर एक नियम का पालन हो सके। कभी-कभी, सभी को खुश करना असंभव होता है, इसलिए लक्ष्य उस व्यवस्था को खोजने का होता है जो अधिकतम लोगों को खुश रखे। यही एक "MaxSAT सॉल्वर" का काम है—एक सुपर-स्मार्ट कंप्यूटर प्रोग्राम जो एक मास्टर पज़ल-सॉल्वर की तरह काम करता है, और जब एक आदर्श समाधान मौजूद नहीं होता, तो यह सबसे अच्छा संभव समाधान खोजता है।
दशकों से, ऐसे पज़ल-सॉल्वर बनाना मानव विशेषज्ञों का काम रहा है। उन्हें जटिल शोध पत्रों को पढ़ना होता है, गहरे गणितीय सिद्धांतों को समझना होता है, और फिर सॉल्वर को उपयोगी बनाने के लिए पर्याप्त तेज़ बनाने हेतु लाखों लाइनों का कोड लिखने और सूक्ष्म विवरणों को ट्यून करने में वर्षों बिताने होते हैं। लेकिन हाल ही में, एक नए प्रकार का डिजिटल सहायक आया है: लार्ज लैंग्वेज मॉडल्स (LLMs)। ये AI मस्तिष्क हैं जो ChatGPT जैसे टूल्स के पीछे काम करते हैं, जो कहानियाँ, कविताएँ और यहाँ तक कि कंप्यूटर कोड भी लिख सकते हैं। बड़ा सवाल यह है कि क्या एक AI एक शोध पत्र पढ़ सकता है और बिना किसी इंसान द्वारा एक भी लाइन लिखे, शून्य से एक वर्किंग पज़ल-सॉल्वर बना सकता है? यही वह रहस्य है जिसे "CoreForge" प्रोजेक्ट हल करने की कोशिश कर रहा है।
द कोरफोर्ज एक्सपेरिमेंट: AI को पज़ल-सॉल्वर बनाना सिखाना
CoreForge नामक एक प्रोजेक्ट में, कार्नेगी मेलन यूनिवर्सिटी के एक शोधकर्ता रुबेन मार्टिन्स ने AI की सीमाओं का परीक्षण करने का निर्णय लिया। AI से पहले से मौजूद किसी टूटे हुए पज़ल-सॉल्वर को ठीक करने के लिए कहने के बजाय, उन्होंने इसे केवल शोध पत्रों का उपयोग करके, ज़ीरो से एक नया सॉल्वर बनाने की चुनौती दी। इसे ऐसे समझें जैसे किसी रोबोट को प्रसिद्ध शेफ द्वारा लिखी गई कुकबुक का एक ढेर थमा देना और उससे बिना कभी चूल्हा देखे, एक पाँच सितारा भोजन बनाने के लिए एक रेस्टोरेंट की रसोई बनाने को कहना।
यह प्रक्रिया कोई "वन-शॉट" जादू नहीं थी जहाँ AI बस एक सटीक प्रोग्राम निकाल देता। इसके बजाय, यह मानव और मशीन के बीच एक लंबा, पुनरावृत्ति वाला नृत्य था। मानव शोधकर्ता एक शोध पत्र चुनता, AI के साथ मुख्य विचारों पर चर्चा करता, और फिर AI (विशेष रूप से 'कोडेक्स' नामक एक कोडिंग टूल) को कोड लिखने के लिए कहता। लेकिन AI को मुफ्त में छूट नहीं मिली। मानव फिर से परीक्षण करता, बग्स की जाँच करता, और AI को अपनी गलतियाँ सुधारने के लिए कहता। वे इस चक्र को बार-बार दोहराते रहे, जैसे एक छात्र और एक ट्यूटर एक कठिन गणित की समस्या को हल करने के लिए मिलकर काम कर रहे हों, जब तक कि उनके पास एक वर्किंग सॉल्वर नहीं आ गया।
उन्होंने क्या बनाया?
परिणामस्वरूप C++ कोड की 25,000 से अधिक लाइनों का एक विशाल कोडबेस तैयार हुआ। AI ने जटिल गणितीय विचारों को शोध पत्रों से सफलतापूर्वक कार्यशील सॉफ़्टवेयर में अनुवादित किया। इसने कई उन्नत रणनीतियों को लागू किया, जिनमें शामिल हैं:
- कोर-गाइडेड ऑप्टिमाइज़ेशन (Core-guided optimization): एक ऐसी विधि जहाँ सॉल्वर अपनी गलतियों (जिन्हें "कोर्स" कहा जाता है) से सीखता है ताकि उन्हें दोहराने से बचा जा सके।
- प्रीप्रोसेसिंग (Preprocessing): पज़ल को हल करने की कोशिश करने से पहले उसे साफ करना ताकि उसे आसान बनाया जा सके।
- लुकअहेड (Lookahead): एक नई विशेषता जिसे AI ने आविष्कार करने में मदद की, जहाँ सॉल्वर वास्तविक समाधान के लिए प्रतिबद्ध होने से पहले सबसे अच्छी रणनीति का अनुमान लगाने के लिए कुछ त्वरित "अभ्यास रन" लेता है।
क्या यह काम कर गया?
इस कहानी का सबसे आश्चर्यजनक हिस्सा यह है कि AI ने धोखाधड़ी नहीं की। शोधकर्ताओं ने हजारों परीक्षण किए, जिसमें "फज़िंग" (सॉल्वर को तोड़ने के लिए रैंडम, अराजक डेटा फेंकना) और आधिकारिक प्रतियोगिता बेंचमार्क के विरुद्ध तुलना करना शामिल था। उन्होंने परीक्षण किए गए कॉन्फ़िगरेशन में शून्य गलत उत्तर पाए। यह गणितीय रूप से सही था। इसने केवल अनुमान नहीं लगाया; इसने वास्तव में पज़लों को सही ढंग से हल किया।
लेकिन क्या यह पर्याप्त तेज़ है?
यहाँ एक पेच है। हालाँकि AI ने एक सही सॉल्वर बनाया, लेकिन यह सबसे तेज़ सॉल्वर नहीं था। उन शीर्ष मानव-निर्मित सॉल्वर्स की तुलना में, जिन्हें वर्षों से रिफाइन किया गया है, CoreForge धीमा था और कम पज़ल हल कर पाया। यह ऐसा है जैसे AI ने एक ऐसी कार बनाई जो पूरी तरह से चलती है और कभी क्रैश नहीं होती, लेकिन यह केवल 40 मील प्रति घंटे की रफ्तार से चलती है जबकि सबसे अच्छे मानव-निर्मित कारें 120 मील प्रति घंटे की रफ्तार से चलती हैं।
शोधकर्ताओं ने पाया कि AI उच्च-स्तरीय विचारों को समझने और उन्हें कोड में बदलने में बहुत अच्छा था। हालाँकि, इसे "फाइन-ट्यूनिंग" के विवरणों के साथ संघर्ष करना पड़ा—वे सूक्ष्म, आक्रामक अनुकूलन (optimizations) जो एक सॉल्वर को बिजली की तरह तेज़ बनाते हैं। AI ने कभी-कभी अतिरिक्त कदम भी जोड़ दिए जिससे गति धीमी हो गई, जैसे कि सीधे रास्ते के बजाय चक्कर लगाकर जाना।
निष्कर्ष
CoreForge का अनुभव बताता है कि AI निश्चित रूप से शोध पत्रों से जटिल सॉफ़्टवेयर बनाने में मदद कर सकता है, लेकिन यह अभी मानव इंजीनियरों की जगह लेने के लिए तैयार नहीं है। AI को अपने काम की जाँच करने, यह तय करने के लिए कि किन विचारों को रखना है, और इसे धीमे लूप में फंसने से बचने में मदद करने के लिए एक मानव मार्गदर्शक की आवश्यकता होती है।
पेपर यह निष्कर्ष निकालता है कि भले ही हम स्वायत्त रूप से विश्व-स्तरीय सॉल्वर बनाने के बिंदु तक नहीं पहुँचे हैं, लेकिन हम करीब पहुँच रहे हैं। AI ने साबित कर दिया कि वह "कुकबुक्स" पढ़ सकता है और "रसोई" बना सकता है। अगला कदम इसे एक मास्टर शेफ बनाना है जो जानता हो कि प्रतियोगिता जीतने के लिए गर्मी और समय (timing) को ठीक से कैसे नियंत्रित करना है। फिलहाल, सबसे अच्छे परिणाम एक टीम से आते हैं: एक मानव जो रणनीति प्रदान करता है और AI जो कोड लिखने का भारी काम करता 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।