Interactive Training 2: Auditable Control Plane for Live Model Training
यह शोध पत्र इंटरैक्टिव ट्रेनिंग 2 (Interactive Training 2) को प्रस्तुत करता है, जो एक ओपन-सोर्स कंट्रोल प्लेन है जो एक साझा प्रोटोकॉल और एक अनुकूलित एम (Aim) वर्कस्पेस के माध्यम से लाइव मॉडल ट्रेनिंग के ऑडिट करने योग्य, वास्तविक समय के स्टीयरिंग को सक्षम बनाता है, जिससे मानव और स्वचालित एजेंट दोनों को विविध वर्कफ़्लो में प्रशिक्षण मापदंडों को सुरक्षित रूप से संशोधित करने की अनुमति मिलती 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 मास्टर शेफ को एक जटिल व्यंजन बनाते हुए देख रहे हैं। आप बर्तन में बुलबुले उठते देख सकते हैं, मसालों की खुशबू ले सकते हैं, और यह भी देख सकते हैं कि सॉस बहुत गाढ़ा होता जा रहा है। पुराने दिनों में, यदि आप शेफ को आंच कम करने या एक चुटकी नमक डालने के लिए कहना चाहते, तो आपको रसोई में दौड़कर जाना पड़ता, एक विशिष्ट उपकरण उठाना पड़ता और ऐसे निर्देश फुसफुसाने पड़ते जिन्हें केवल वही एक शेफ समझ पाता। यदि आप किसी दूसरे शेफ से बात करना चाहते जो कोई अलग व्यंजन बना रहा हो, तो आपको औजारों का एक नया सेट और एक नई भाषा की आवश्यकता होती। आर्टिफिशियल इंटेलिजेंस (AI) मॉडल को प्रशिक्षित करने का काम पहले इसी तरह होता था: शोधकर्ता "खाना पकाने" की प्रक्रिया को देख तो सकते थे, लेकिन प्रक्रिया के दौरान रेसिपी बदलना अव्यवस्थित था, हर एक प्रयोग के लिए कस्टम कोड लिखना पड़ता था, और चीज़ों पर नज़र रखना कठिन था।
अब, कल्पना कीजिए कि यदि हर रसोई में एक सार्वभौमिक, जादुई इंटरकॉम सिस्टम हो। आप उसके पास जा सकते हैं, कह सकते हैं "थोड़ा और नमक डालें" या "आंच कम करें," और शेफ आपकी बात सुन लेगा, यह जांच लेगा कि क्या अभी ऐसा करना सुरक्षित है, और फिर ठीक उसी समय बदलाव करेगा जब बर्तन तैयार होगा। सबसे अच्छी बात? सिस्टम यह लिख देगा कि किसने क्या मांगा, कब मांगा, और क्या शेफ ने उसे पूरा किया। यह "इंटरएक्टिव ट्रेनिंग" (Interactive Training) की दुनिया है, एक ऐसा क्षेत्र जहाँ शोधकर्ता AI मॉडल्स को केवल देखते रहने के बजाय, उन्हें सीखते समय निर्देशित करने की कोशिश करते हैं। बड़ा सवाल यह है: हम इस दिशा-निर्देश (steering) को कैसे आसान, सुरक्षित और रिकॉर्ड करने योग्य बना सकते हैं, ताकि यह केवल एक विशेष ब्रांड के चूल्हे का उपयोग करने वाले AI शेफ के लिए ही नहीं, बल्कि किसी भी AI शेफ के लिए काम करे?
यह पेपर इंटरएक्टिव ट्रेनिंग 2 पेश करता है, जो एक "कंट्रोल प्लेन" (control plane) के रूप में कार्य करता है जो उस सार्वभौमिक इंटरकॉम की तरह है। लेखकों ने एक ओपन-सोर्स सिस्टम बनाया है जो शोधकर्ताओं को, कंप्यूटर स्क्रिप्ट को, या यहाँ तक कि AI एजेंटों (जैसे स्मार्ट रोबोट) को एक साझा भाषा के माध्यम से प्रशिक्षण मॉडल से बात करने की अनुमति देता है। हर प्रयोग के लिए नया कोड लिखने के बजाय, एक शोधकर्ता बस सिस्टम को बताता है, "यहाँ वे नॉब्स (knobs) हैं जिन्हें मैं घुमा सकता हूँ (जैसे लर्निंग स्पीड) और वे बटन हैं जिन्हें मैं दबा सकता हूँ (जैसे चेकपॉइंट सेव करना)।"
व्यवहार में यह कैसे काम करता है: एक शोधकर्ता (या एक स्मार्ट AI एजेंट) एक लाइव डैशबोर्ड देखता है जिससे पता चलता है कि मॉडल कैसा प्रदर्शन कर रहा है। यदि मॉडल संघर्ष कर रहा है, तो वे सिस्टम के माध्यम से एक अनुरोध भेज सकते हैं, जैसे "लर्निंग रेट को घटाकर 0.00002 कर दें।" प्रशिक्षण मॉडल तुरंत नहीं बदलता; इसके बजाय, यह बदलाव करने के लिए खाना पकाने की प्रक्रिया के एक सुरक्षित क्षण—जिसे लेखक "कंट्रोल पॉइंट" कहते हैं—का इंतज़ार करता है। फिर यह जाँचता है कि क्या अनुरोध वैध है, इसे लागू करता है, और पूरी कहानी को एक डिजिटल जर्नल में लिख देता है। यह जर्नल अनुरोध को परिणाम, नए स्कोर और मॉडल के सेव किए गए संस्करण से जोड़ता है, जिससे एक स्पष्ट, ऑडिट योग्य (auditable) ट्रेल बनता है कि किसने, क्या और कब किया।
टीम ने पांच अलग-अलग प्रकार के AI कार्यों पर इस सिस्टम का परीक्षण किया, जिसमें मानव भावनाओं को समझने (सेंटिमेंट एनालिसिस) और गेम खेलने (रिनफोर्समेंट लर्निंग) जैसे कार्य शामिल हैं। उन्होंने दिखाया कि एक ही सिस्टम सरल लर्निंग रेट एडजस्टमेंट से लेकर डेटा को प्रोसेस करने के तरीके में जटिल बदलावों तक सब कुछ संभाल सकता है। इन परीक्षणों में, उन्होंने एक AI एजेंट का उपयोग "शेफ के सहायक" के रूप में किया, जो परिणामों को देखेगा, तय करेगा कि आगे क्या बदलना है, और अनुरोध भेजेगा। सिस्टम ने योजना से लेकर अंतिम परिणाम तक के हर कदम को सफलतापूर्वक रिकॉर्ड किया, जिससे यह सिद्ध हुआ कि आप कोड को तोड़े बिना या इतिहास को खोए बिना एक लाइव AI मॉडल को निर्देशित कर सकते हैं।
यह पेपर यह दावा नहीं करता है कि इसने सभी AI प्रशिक्षण समस्याओं को हल कर दिया है या यह कोई जादुई समाधान है जो पूर्ण परिणाम की गारंटी देता है। इसके बजाय, यह एक पुन: प्रयोज्य आधार (reusable foundation) प्रदान करता है। यह सुझाव देता है कि "स्टीयरिंग" को "कुकिंग" से अलग करके, हम प्रशिक्षण को अधिक लचीला और अध्ययन करने में आसान बना सकते हैं। लेखक प्रदर्शित करते हैं कि यह दृष्टिकोण विभिन्न फ्रेमवर्क्स में काम करता है और यह कैसे मनुष्यों और स्वचालित एजेंटों दोनों को वास्तविक समय में AI मॉडल्स को बेहतर बनाने के लिए सहयोग करने की अनुमति देता है, वह भी पूरी यात्रा का एक सटीक रिकॉर्ड रखते हुए।
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।