Hybrid MKNF with Classical Negation in the Rule Component

कल्पना कीजिए कि आप एक सुपर-स्मार्ट रोबोट बनाने की कोशिश कर रहे हैं जो दुनिया को समझ सके। इसे करने के लिए, आपको उसे सोचने के दो बहुत अलग तरीके सिखाने होंगे। पहला तरीका एक सख्त लाइब्रेरियन (पुस्तकालयाध्यक्ष) की तरह है जिसे एक विशाल विश्वकोश के हर तथ्य का ज्ञान है; यदि किताब में यह नहीं लिखा है कि एक ड्रैगन मौजूद है, तो लाइब्रेरियन मान लेता है कि वह मौजूद नहीं है, लेकिन वे केवल वही बताते हैं जो स्पष्ट रूप से लिखा गया है। दूसरा तरीका एक जासूस की तरह है जो सुरागों को देखकर रहस्यों को सुलझाता है; यदि जासूस को संदिग्ध का कोई सबूत नहीं मिलता है, तो वह मान सकता है कि संदिग्ध निर्दोष है, लेकिन केवल तब तक जब तक कि नया सबूत सामने न आ जाए।

वर्षों से, वैज्ञानिक इन दो विचारकों को एक ही मस्तिष्क में मिलाने की कोशिश कर रहे हैं। इस क्षेत्र को "नॉलेज रिप्रेजेंटेशन" (ज्ञान प्रतिनिधित्व) कहा जाता है, और यह कंप्यूटर के जटिल चीजों के बारे में तर्क करने की रीढ़ है, चाहे वह चिकित्सा निदान हो या स्व-चालित कारें। यह शोध पत्र जिस विशिष्ट पद्धति को देखता है, उसे "हाइब्रिड MKNF" कहा जाता है। इसे लाइब्रेरियन के विश्वकोश (जिसे 'डिस्क्रिप्शन लॉजिक्स' कहा जाता है) और जासूस की नियम पुस्तिका (जिसे 'लॉजिक प्रोग्रामिंग' कहा जाता है) के बीच एक विवाह के रूप में सोचें। लक्ष्य यह है कि कंप्यूटर दुनिया की संरचना को समझने के लिए विश्वकोश का उपयोग करे और बदलती स्थितियों, जैसे यातायात या मौसम, को संभालने के लिए नियम पुस्तिका का उपयोग करे। हालाँकि, इसमें एक पेंच है: जासूस की नियम पुस्तिका में एक अंधा मोड़ (blind spot) है। यह कह सकता है कि "मुझे नहीं पता कि बारिश हो रही है" (क्योंकि कोई रिपोर्ट नहीं है), लेकिन इसे यह कहने में संघर्ष करना पड़ता है कि "मैं जानता हूँ कि बारिश नहीं हो रही है" (क्योंकि एक रिपोर्ट है जिसमें कहा गया है कि आसमान साफ है)। यह सुरक्षा-महत्वपूर्ण प्रणालियों के लिए एक बड़ी समस्या है, जैसे हवाई अड्डों के रनवे, जहाँ यह जानना कि कुछ निश्चित रूप से टूटा नहीं है, उतना ही महत्वपूर्ण है जितना कि यह जानना कि वह टूटा हुआ है।

यह शोध पत्र उस जासूस की नियम पुस्तिका के लिए एक नया अपग्रेड पेश करता है, जो "क्लासिकल नेगेशन" (शास्त्रीय निषेध) को संभालने की क्षमता देता है—अर्थात, किसी चीज़ को स्पष्ट रूप से गलत बताने की क्षमता, न कि केवल इसलिए उसे गलत मान लेना क्योंकि जानकारी गायब है। लेखक, शीला, रे और डी ग्रांसी, एक नई प्रणाली प्रस्तावित करते हैं जिसे hMKNF¬ कहा जाता है। उन्होंने केवल यह विचार नहीं दिया; उन्होंने यह साबित करने के लिए एक पूर्ण गणितीय ढांचा बनाया कि यह काम करता है। उन्होंने दिखाया कि कैसे इस नए सिस्टम के नियमों को परिभाषित किया जा सकता है और एक चरण-दर-चरण रेसिपी (एक एल्गोरिदम) बनाई कि कंप्यूटर "सर्वश्रेष्ठ" उत्तर कैसे खोजे, जिसे "वेल-फाउंड मॉडल" कहा जाता है। उन्होंने सिद्ध किया कि यह नया तरीका तथ्यों और नियमों के किसी भी मिश्रण को संभाल सकता है, भले ही वे पेचीदा हों, और उन्होंने इसे तीन अलग-अलग चरणों में गणना करने का एक तरीका प्रदान किया, जिससे यह सुनिश्चित होता है कि रोबोट लापता जानकारी या विरोधाभासी सुरागों से भ्रमित न हो।

जासूस की नई सुपरपावर

कल्पना कीजिए कि आप एक व्यस्त हवाई अड्डे का प्रबंधन कर रहे हैं। आपके पास एक विशाल डेटाबेस (ऑन्टोलॉजी) है जो प्रत्येक रनवे, प्रत्येक हवाई अड्डे और प्रत्येक विमान को सूचीबद्ध करता है। यह डेटाबेस "लाइब्रेरियन" है। यह जानता है कि रनवे 4 हवाई अड्डा X पर है। लेकिन डेटाबेस को अभी मौसम के बारे में नहीं पता है। यहीं पर "जासूस" की भूमिका आती है। जासूस एक सुरक्षित रनवे का निर्णय लेने के लिए नियमों का एक सेट उपयोग करता है।

पुराने सिस्टम में, एक सुरक्षित रनवे के लिए जासूस का नियम ऐसा दिखता था: "यदि रनवे एक हवाई अड्डे पर है, और हम नहीं जानते कि यह बंद है, और हम नहीं जानते कि वहां कोई बाधा है, तो रनवे खुला है।"

यहाँ समस्या क्या है: क्या होगा यदि मौसम की रिपोर्ट में देरी हो जाए? जासूस को नहीं पता कि वहां कोई बाधा है या नहीं। पुराने सिस्टम में, क्योंकि जासूस को बाधा की कोई रिपोर्ट नहीं मिलती है, वे मान सकते हैं कि वहां कोई बाधा नहीं है और कह सकते हैं, "रनवे खुला है!" लेकिन क्या होगा यदि रनवे पर एक विशाल पत्थर पड़ा हो, और रिपोर्ट अभी तक नहीं पहुंची है? पुराना सिस्टम एक खतरनाक गलती कर सकता है क्योंकि वह "लापता जानकारी" को "अनुपस्थिति के प्रमाण" के रूप में मानता है।

यह शोध पत्र तर्क देता है कि सुरक्षा-महत्वपूर्ण स्थितियों में, हमें जासूस को यह कहने में सक्षम होना चाहिए, "मैंने जांच की है, और मैं जानता हूँ कि वहां कोई बाधा नहीं है।" इसे "क्लासिकल नेगेशन" कहा जाता है। यह यह कहने के बीच का अंतर है कि "मैंने भूत नहीं देखा है" और यह कहने के बीच कि "मैंने सत्यापित किया है कि कोई भूत नहीं है।"

तीन-चरणीय जासूसी कार्यप्रवाह (Three-Phase Detective Workflow)

लेखकों ने महसूस किया कि इस "यह जानने कि वह गलत है" वाली शक्ति को जोड़ने से गणित बहुत कठिन हो जाता है। आप केवल उत्तर का अनुमान नहीं लगा सकते; आपको सुनिश्चित होना होगा। इसलिए, उन्होंने पहेलियों को सुलझाने के लिए एक तीन-चरणीय प्रक्रिया डिजाइन की है, जैसे कि एक जासूस मामले की बढ़ती जांच के साथ काम करता है।

चरण 1: त्वरित स्कैन (फिक्स्टपॉइंट कंप्यूटेशन)
सबसे पहले, सिस्टम एक त्वरित, स्वचालित स्कैन चलाता है। यह सभी नियमों और तथ्यों को देखता है और पूछता है, "हम अभी निश्चित रूप से क्या सिद्ध कर सकते हैं?" यह उन चीजों की एक सूची बनाता है जो निश्चित रूप से सत्य हैं और जो निश्चित रूप से असत्य हैं। यदि पहेली सरल है, तो यह चरण इसे तुरंत हल कर देता है। सिस्टम एक "वेल-फाउंडेड ऑपरेटर" का उपयोग करता है, जो एक मशीन की तरह है जो तब तक नए तथ्य जोड़ती रहती है जब तक कि वह और नहीं जोड़ सकती। यदि मशीन रुक जाती है और उत्तर समझ में आता है, तो हम समाप्त हैं!

चरण 2: तर्क श्रृंखला (यूनिट प्रोपेगेशन)
कभी-कभी, त्वरित स्कैन अटक जाता है। यह एक ऐसा नियम पाता है जो कहता है, "यदि A सत्य है, तो B असत्य है," लेकिन इसे अभी तक पता नहीं है कि A सत्य है या नहीं। हालांकि, इसे यह पता हो सकता है कि यदि A सत्य होता, तो यह एक नियम को तोड़ देता। इसलिए, सिस्टम एक निर्णय लेने के लिए मजबूर करता है। यह कहता है, "ठीक है, यदि A का सत्य होना एक विरोधाभास पैदा करता है, तो A को असत्य होना चाहिए।" इसे "यूनिट प्रोपेगेशन" कहा जाता है। यह एक जासूस के इस अहसास जैसा है कि, "यदि बटलर ने यह किया होता, तो घड़ी टूटी होती। घड़ी नहीं टूटी है, इसलिए बटलर ने यह नहीं किया।" यह चरण सिस्टम को उन तार्किक निष्कर्षों को निकालने के लिए मजबूर करता है जो पहले चरण ने छोड़ दिए थे।

चरण 3: अनुमान और जांच (अंतिम विकल्प)
कभी-कभी, त्वरित स्कैन और तर्क श्रृंखला के बाद भी, सिस्टम अभी भी अटका रहता है। संभावनाएँ बहुत अधिक हैं, और नियम बहुत उलझे हुए हैं। यहीं पर लेखक स्वीकार करते हैं कि कभी-कभी आपको बस अनुमान लगाना पड़ता है। वे एक "अनुमान और जांच" (Guess-and-Check) चरण का प्रस्ताव करते हैं। सिस्टम शेष अज्ञात चीजों के लिए "सत्य" और "असत्य" के हर संभावित संयोजन को आजमाता है। यह प्रत्येक अनुमान की जांच करता है कि क्या वह एक स्थिर, सुसंगत कहानी बनाता है। यदि इसे एक ऐसी कहानी मिलती है जो काम करती है और जो सबसे "सुरक्षित" है (अर्थात, यह अनिश्चित चीजों को न्यूनतम छोड़ती है), तो वही उत्तर है। शोध पत्र नोट करता है कि यह चरण सबसे अधिक गणनात्मक रूप से महंगा है—यह एक विशाल कीचेन पर हर चाबी को आज़माने जैसा है—लेकिन यह सुनिश्चित करने के लिए आवश्यक है कि सिस्टम कभी भी एक वैध समाधान को मिस न करे।

यह क्यों मायने रखता है

लेखकों ने केवल एक नया खेल नहीं बनाया; उन्होंने एक कठोर गणितीय प्रमाण बनाया है कि यह नया सिस्टम काम करता है। उन्होंने दिखाया कि उनका तरीका, hMKNF¬, तथ्यों और नियमों के किसी भी मिश्रण को संभाल सकता है, यहाँ तक कि उन पेचीदा मामलों को भी जहाँ चीजें एक-दूसरे का विरोध कर सकती हैं। उन्होंने सिद्ध किया कि उनकी तीन-चरणीय प्रक्रिया हमेशा "वेल-फाउंड मॉडल" को खोज लेगी—सबसे विश्वसनीय, सबसे कम जोखिम भरा उत्तर।

उन्होंने अपने तरीके की तुलना पिछले प्रयासों से भी की। पुराने तरीके केवल सरल मामलों को संभाल सकते थे या उनके लिए नियमों का बहुत विशिष्ट होना आवश्यक था (जैसे केवल एकल वस्तुओं से निपटना, जटिल समूहों से नहीं)। उनका नया तरीका अधिक लचीला और शक्तिशाली है। हालाँकि, वे इसके बदले में होने वाले नुकसान के बारे में भी ईमानदार हैं: क्योंकि वे इस अतिरिक्त शक्ति (क्लासिकल नेगेशन) की अनुमति देते हैं, इसलिए बहुत जटिल समस्याओं के लिए "अनुमान और जांच" चरण में लंबा समय लग सकता है। लेकिन सुरक्षा-महत्वपूर्ण अनुप्रयोगों के लिए, जैसे कि यह सुनिश्चित करने के लिए कि विमान अवरुद्ध रनवे से उड़ान न भरे, 100% निश्चित होने के लिए थोड़ा अधिक समय लेना एक वाजिब कीमत है।

संक्षेप में, यह शोध पत्र कंप्यूटर को एक नई सुपरपावर देता है: जो मौजूद नहीं है उसे स्पष्ट रूप से जानने की क्षमता, न कि केवल यह जानना कि क्या गायब है। एक त्वरित स्कैन, एक तर्क श्रृंखला और एक सावधानीपूर्वक अनुमान और जांच को जोड़कर, उन्होंने एक ऐसा सिस्टम बनाया है जो बहुत अधिक सटीकता और सुरक्षा के साथ दुनिया के बारे में तर्क कर सकता है।