Learning to Detect UI Principle Violations via Reinforcement Learning

कल्पना कीजिए कि आप एक रोबोट को पेंटिंग करना सिखा रहे हैं। आप उसे लाखों तस्वीरें दिखाते हैं और कहते हैं, "सुनिश्चित करें कि रंग वस्तु से मेल खाते हों और रेखाएं सीधी हों।" रोबोट उन नियमों का पालन करने में बहुत माहिर हो जाता है। लेकिन फिर, आप उसे एक दरवाजा पेंट करने के लिए कहते हैं। वह एक ऐसा दरवाजा पेंट करता है जो तकनीकी रूप से हैंडल के साथ एक आयत (rectangle) है, लेकिन वह हैंडल को इतना छोटा पेंट करता है कि आप उसे पकड़ नहीं सकते, या वह दरवाजे के फ्रेम को दीवार के ही रंग में पेंट कर देता है ताकि आप देख न सकें कि दरवाजा कहाँ से शुरू होता है। रोबोट ने आपके निर्देशों का पूरी तरह से पालन किया, लेकिन परिणाम बेकार या यहाँ तक कि खतरनाक है। यह आधुनिक "कोडिंग रोबोट्स" (AI एजेंट्स) की समस्या है जो वेबसाइट बनाते हैं। वे कोड बनाने में बहुत अच्छे हैं (दरवाजा खुलता है), लेकिन वे अक्सर उन "मानवीय नियमों" को भूल जाते हैं कि चीजें कैसी दिखनी चाहिए और कैसा महसूस होना चाहिए।

इसे ठीक करने के लिए, वैज्ञानिकों को एक ऐसा तरीका चाहिए जिससे वे हर पेज को देखने के लिए इंसान को नियुक्त किए बिना रोबोट के काम की जांच कर सकें। वे केवल एक साधारण चेकलिस्ट का उपयोग नहीं कर सकते, क्योंकि कुछ खराब डिज़ाइन बहुत पेचीदा होते हैं (जैसे एक बटन जो जाल जैसा दिखता हो), और वे हर पेज के लिए इंसान को भी नहीं रख सकते क्योंकि इसमें बहुत समय और पैसा लगेगा। यह शोधपत्र एक "स्मार्ट रोबोट इंस्पेक्टर" बनाने के बारे में है जो एक वेबसाइट को देख सकता है, चित्र देख सकता है, कोड पढ़ सकता है और कह सकता है, "हे, इस दरवाजे का हैंडल अदृश्य है!" या "यह संकेत आपको धोखा देने की कोशिश कर रहा है!" शोधकर्ताओं ने एक विशेष प्रशिक्षण पद्धति का उपयोग किया जिसे "रीइन्फोर्समेंट लर्निंग" (Reinforcement Learning) कहा जाता है, जो एक कुत्ते को सिखाने जैसा है—जब वह सही करता है तो उसे इनाम (treat) देना और जब गलत करता है तो कोई इनाम न देना, जब तक कि वह खुद गलतियों को पहचानना न सीख जाए।

---

वह रोबोट जिसने खराब डिज़ाइन को पहचानना सीखा

तो, कहानी यह है: यूसी सांता क्रूज़ और कार्नेगी मेलन यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने कोडिंग AI द्वारा की जाने वाली गलतियों को पकड़ने के लिए एक छोटा, सुपर-स्मार्ट रोबलेट इंस्पेक्टर बनाने का निर्णय लिया। वे इसे एक "UI/UX क्रिटिक" कहते हैं। इसे एक सख्त कला शिक्षक की तरह समझें जो न केवल यह देखता है कि ड्राइंग पूरी हुई है या नहीं, बल्कि यह भी देखता है कि क्या शिक्षक के परिप्रेक्ष्य (perspective) और रंग के नियमों का पालन किया गया था।

समस्या: "यह काम करता है, लेकिन यह बेकार है" वाली वेबसाइट
अभी, AI टूल्स बड़ी तेज़ी से वेबसाइटें बना रहे हैं। उन्हें यह सुनिश्चित करने के लिए प्रशिक्षित किया गया है कि कोड चले और बटन क्लिक हों। लेकिन वे अक्सर साइट के "वाइब" (vibe) और "सुरक्षा" को अनदेखा कर देते हैं। एक वेबसाइट पूरी तरह से काम कर सकती है, लेकिन उसमें ये समस्याएं हो सकती हैं:

• एक्सेसिबिलिटी बाधाएं (Accessibility barriers): जैसे कि कांपते हाथों वाले व्यक्ति के लिए बहुत छोटा दरवाजा हैंडल, या ऐसा टेक्स्ट जो इतना हल्का है कि आप उसे पढ़ नहीं सकते।
• डार्क पैटर्न्स (Dark patterns): जैसे कि एक "No thanks" बटन जो बहुत छोटे, अदृश्य टेक्स्ट में छिपा हुआ है, या एक संकेत जो कहता है, "No thanks, I'd rather pay full price," जिससे आपको 'ना' कहने पर दोषी महसूस कराया जाता है।
• भ्रमित करने वाले लेआउट (Confusing layouts): जैसे कि एक मेनू जिसमें 20 विकल्प हों और वे सभी एक जैसे दिखते हों, जिससे आपका दिमाग ऐसा महसूस करे जैसे वह एक बार में ही पूरी पिज्जा खाने की कोशिश कर रहा हो।

शोधकर्ता जानते थे कि इन चीजों की मैन्युअल रूप से जांच करना बहुत धीमा है, और उन्हें जांचने के लिए विशाल, महंगे AI मॉडल का उपयोग करना बहुत महंगा है। उन्हें एक "गोल्डिलॉक्स" (Goldilocks) समाधान चाहिए था: एक छोटा, सस्ता मॉडल जो इतना स्मार्ट हो सके कि इन चालाकी भरी गलतियों को पकड़ सके।

समाधान: "इंजेक्ट और वेरीफाई" (Inject and Verify) गेम
अपने छोटे रोबोट इंस्पेक्टर को सिखाने के लिए, उन्हें अभ्यास परीक्षणों की एक बड़ी संख्या की आवश्यकता थी। लेकिन वास्तविक वेबसाइटों को ढूंढना जिनमें ये विशिष्ट खराब डिज़ाइन हों, कठिन है। इसलिए, उन्होंने "इंजेक्ट और वेरीफाई" नामक एक चतुर खेल का आविष्कार किया।

1. एक साफ कैनवास (The Clean Canvas): सबसे पहले, उन्होंने AI का उपयोग करके हजारों आदर्श, साफ वेबसाइटें बनाईं।
2. तोड़फोड़ (The Sabotage): फिर, उन्होंने एक सुपर-स्मार्ट "टीचर AI" से इन वेबसाइटों को गुप्त रूप से खराब करने के लिए कहा। टीचर AI एक आदर्श पेज लेगा और उसमें विशिष्ट उल्लंघन (violations) डाल देगा, जैसे कि एक बटन को छोटा बनाना, हल्के टेक्स्ट में शुल्क छिपाना, या "No thanks" लिंक को बुरा दिखाना।
3. वास्तविकता की जाँच (The Reality Check): यहाँ जादू है। टीचर AI केवल यह नहीं कहेगा कि "मैंने इसे खराब कर दिया।" उसे इसे साबित करना होगा। सिस्टम उस खराब पेज का स्क्रीनशॉट लेगा। यदि टीचर AI दावा करता है कि उसने एक बटन को अदृश्य बना दिया है, लेकिन स्क्रीनशॉट अभी भी बटन को स्पष्ट रूप से दिखाता है, तो सिस्टम कहेगा, "नहीं, फिर से कोशिश करो।" उल्लंघन को केवल कोड में नहीं, बल्कि तस्वीर में भी दृश्य रूप से टूटा हुआ दिखना चाहिए।
4. डेटासेट (The Dataset): उनके पास लगभग 10,000 पेज जमा हुए, जिनमें से प्रत्येक में 1 से 3 सत्यापित, दृश्य गलतियाँ थीं। यह उनके छात्र रोबोट के लिए प्रशिक्षण स्कूल बन गया।

प्रशिक्षण: करके सीखना (Learning by Doing)
उन्होंने जिस छात्र रोबोट को चुना वह एक "विज़न-लैंग्वेज मॉडल" (एक 4-बिलियन पैरामीटर वाला मॉडल) था। इसका मतलब है कि यह टेक्स्ट (कोड) पढ़ सकता है और साथ ही चित्रों (वेबसाइट के स्क्रीनशॉट) को देख सकता है।

उन्होंने इसे केवल उत्तर नहीं दिखाए। उन्होंने रीइन्फोर्समेंट लर्निंग का उपयोग किया। कल्पना कीजिए कि रोबोट एक वीडियो गेम खेल रहा है जहाँ उसे छिपे हुए जाल खोजने हैं।

• यदि वह एक जाल (उल्लंघन) को पहचान लेता है, तो उसे एक पॉइंट मिलता है।
• यदि वह एक जाल को मिस कर देता है, तो उसके एक पॉइंट कट जाते हैं।
• यदि वह "गलत अलार्म" बजाता है (एक अच्छी डिज़ाइन को बुरा बताता है), तो उसके पॉइंट कट जाते हैं।
• यदि वह बहुत अधिक बातें करता है और उत्तर देने से पहले समय समाप्त कर देता है, तो उसे शून्य पॉइंट मिलते हैं।

रोबोट ने यह खेल बार-बार खेला, और हर बार पॉइंट मिलने या खोने पर अपने मस्तिष्क को सुधारा। उसने स्क्रीनशॉट को देखना सीखा, न कि केवल कोड को, क्योंकि कुछ गलतियाँ (जैसे कि एक बटन जो बहुत छोटा है) केवल चित्र में दिखाई देती हैं, टेक्स्ट में नहीं।

परिणाम: अनभिज्ञ से विशेषज्ञ तक
प्रशिक्षण से पहले, रोबोट इस काम में काफी बुरा था। वह कोड पढ़ सकता था और स्पष्ट टेक्स्ट त्रुटियों को ढूंढ सकता था, लेकिन यदि आप उससे एक तस्वीर देखने और यह कहने के लिए कहते कि "क्या यह बटन बहुत छोटा है?" तो वह ज्यादातर समय गलत अनुमान लगाता था। उसका स्कोर केवल 36% (एक माप जिसे micro-F1 कहा जाता है) था। यह उस छात्र की तरह था जिसने पाठ्यपुस्तक तो पढ़ी लेकिन व्यावहारिक परीक्षा में फेल हो गया।

रीइन्फोर्समेंट लर्निंग प्रशिक्षण के बाद, रोबोट एक प्रो बन गया। उसका स्कोर उछलकर 84% हो गया।

• वह दृश्य (visual) गलतियों को पहचानने में बहुत अच्छा हो गया, जैसे कम कंट्रास्ट वाले रंग (0% से 64% सटीकता तक जाना) और अव्यवस्थित स्पेसिंग (4% से 94% तक जाना)।
• वह चालाकी भरे डिज़ाइनों को पकड़ने में उत्कृष्ट बन गया, जैसे कि "डार्क पैटर्न्स" जो उपयोगकर्ताओं को धोखा देने की कोशिश करते हैं।
• उसने संक्षिप्त होना सीखा, जिससे वह एक स्पष्ट उत्तर देने के लिए अपने "सोचने" की प्रक्रिया को समय पर रोक सके, जिससे वह तेज़ और अधिक विश्वसनीय बन गया।

यह अब क्या कर सकता है
यह छोटा रोबोट केवल एक खिलौना नहीं है। शोधकर्ताओं का कहना है कि इसका उपयोग किया जा सकता है:

• नई वेबसाइटों का तुरंत ऑडिट (Audit) करने के लिए कि क्या वे सुरक्षित और उपयोग में आसान हैं।
• खराब ट्रेनिंग डेटा को फ़िल्टर करने के लिए ताकि भविष्य के कोडिंग AI खराब उदाहरणों से न सीखें।
• कोडिंग AI को पुरस्कृत (Reward) करने के लिए जब वे अच्छे डिज़ाइन बनाते हैं, जिससे उन्हें बेहतर डिज़ाइनर बनने में मदद मिले।

सीमाएँ
शोधकर्ता ईमानदार हैं कि उनका रोबोट अभी क्या नहीं कर सकता। यह अभी भी उन कठिन चीज़ों के साथ संघर्ष करता है जिनमें एक साथ कई चीज़ों की तुलना करने की आवश्यकता होती है, जैसे यह पता लगाना कि क्या एक मेनू में बहुत अधिक विकल्प हैं (जिसे मिलर का नियम कहा जाता है) या क्या एक बटन उस जगह से बहुत दूर है जहाँ आपको क्लिक करने की आवश्यकता है (फिट्स का नियम)। इनके लिए थोड़े अधिक "स्थानिक तर्क" (spatial reasoning) की आवश्यकता होती है जो वर्तमान रोबोट के लिए कठिन है। साथ ही, चूंकि उन्होंने इसे "इंजेक्ट" की गई गलतियों पर प्रशिक्षित किया है, वे 100% आश्वस्त नहीं हैं कि यह वास्तविक दुनिया की जटिल और अजीब वेबसाइटों के साथ कैसा व्यवहार करेगा, हालांकि उन्हें संदेह है कि यह अच्छा प्रदर्शन करेगा।

संक्षेप में, यह शोधपत्र दिखाता है कि खराब डिज़ाइन की जांच करने के लिए आपको एक विशाल, महंगे दिमाग की आवश्यकता नहीं है। थोड़े से चतुर प्रशिक्षण और बहुत अधिक अभ्यास के साथ, एक छोटा, सस्ता रोबोट उन अदृश्य जाल और भ्रमित करने वाले लेआउट को पहचान सकता है जिनसे मानव उपयोगकर्ता नफरत करते हैं, जिससे इंटरनेट सभी के लिए अधिक अनुकूल स्थान बन सके।