Coordinated Networking for On-Device Agent-Augmented Real-Time Communication
यह शोध पत्र HFS प्रस्तुत करता है, जो ऑन-डिवाइस एजेंट-ऑगमेंटेड रियल-टाइम कम्युनिकेशन में लाइव वीडियो और एजेंट कॉन्टेक्स्ट ट्रैफ़िक के बीच नेटवर्क कंटेंशन को प्रभावी ढंग से प्रबंधित करने के लिए एक ऐप-गाइडेड मल्टी-फ्लो ट्रांसपोर्ट दृष्टिकोण का उपयोग करता है, जिससे वीडियो गुणवत्ता में काफी सुधार होता है और एजेंट रिस्पॉन्स लेटेंसी कम होती 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 हलचल भरी डिजिटल पार्टी में हैं जहाँ हर कोई एक साथ दो काम करने की कोशिश कर रहा है: एक जीवंत, आमने-सामने की बातचीत करना और एक सुपर-स्मार्ट रोबोट असिस्टेंट की मदद से एक विशाल, जटिल प्रोजेक्ट पर मिलकर काम करना। कंप्यूटर विज्ञान की दुनिया में, इसे "रियल-टाइम कम्युनिकेशन" (RTC) कहा जाता है, यह वह तकनीक है जो ज़ूम (Zoom) या टीम्स (Teams) जैसे वीडियो कॉल को संचालित करती है। आमतौर पर, ये कॉल केवल मनुष्यों के बात करने के बारे में होते हैं। लेकिन तकनीक की एक नई लहर "AI एजेंट्स" पेश कर रही है—स्मार्ट प्रोग्राम जो आपके बात करते समय आपके लिए दस्तावेज़ पढ़ सकते हैं, तथ्य खोज सकते हैं और ड्राफ्ट लिख सकते हैं। बड़ा सवाल यह है कि वैज्ञानिक पूछ रहे हैं कि क्या होता है जब आपका वीडियो कॉल आपके चेहरे को स्ट्रीम करने की कोशिश कर रहा हो, और आपका रोबोट असिस्टेंट अपना काम करने के लिए डेटा का एक विशाल ढेर स्ट्रीम करने की कोशिश कर रहा हो? यदि वे एक ही इंटरनेट कनेक्शन के लिए आपस में लड़ते हैं, तो उनमें से एक फंस जाएगा, जिससे आपका वीडियो अटक जाएगा या रोबोट जवाब देने में बहुत समय लेगा।
यह पेपर HAFS (ह्यूमन-एजेंट फ्लो शेड्यूलिंग) नामक एक चतुर नई प्रणाली पेश करता है ताकि इस ट्रैफिक जाम को हल किया जा सके। शोधकर्ताओं ने पाया कि जब आप इन AI एजेंट्स को किसी विशाल क्लाउड सर्वर के बजाय सीधे अपने स्वयं के डिवाइस (जैसे अपने लैपटॉप या फोन) पर चलाते हैं, तो आपको बेहतर गोपनीयता और कम लागत मिलती है, लेकिन आप एक नए प्रकार का इंटरनेट ट्रैफिक अराजक पैदा करते हैं। उन्होंने पाया कि बिना एक ट्रैफिक पुलिसकर्मी के, रोब-ट का डेटा सड़क को भर देता है, जिससे आपका वीडियो अटक जाता है और धुंधला दिखाई देता है, या AI अपने डेटा के आने की प्रतीक्षा करते हुए खाली बैठा रहता है। HAFS एक सुपर-संगठित ट्रैफिक नियंत्रक की तरह कार्य करता है जिसे ठीक से पता होता है कि वीडियो को सुचारू बनाए रखने के लिए कितने स्थान की आवश्यकता है और रोबोट को तेजी से काम करने के लिए कितने स्थान की आवश्यकता है। दोनों के बीच सावधानीपूर्वक संतुलन बनाकर, यह प्रणाली सुनिश्चित करती है कि आपका वीडियो एकदम स्पष्ट रहे जबकि आपका AI असिस्टेंट रिकॉर्ड समय में अपना काम पूरा करे।
समस्या: एक डिजिटल दो-लेन वाला राजमार्ग
अपने इंटरनेट कनेक्शन की कल्पना एक दो-लेन वाले राजमार्ग के रूप में करें। एक लेन में, आपके पास "ह्यूमन वीडियो" है, जो हाई-स्पीड रेस कारों के एक प्रवाह की तरह है। इन कारों को सुचारू रूप से और लगातार चलना चाहिए; यदि वे ट्रैफिक जाम में फंस जाते हैं, तो वीडियो फ्रीज हो जाता है और बातचीत टूट जाती है। दूसरी लेन में, आपके पास "एजेंट कॉन्टेक्स्ट" है, जो सूचना के विशाल बक्सों से लदे भारी डिलीवरी ट्रकों के बेड़े की तरह है। ये ट्रक डेटा ले जाने की कोशिश कर रहे हैं ताकि AI सवालों के जवाब दे सके, जैसे "इस 1,000 पन्नों के कानूनी अनुबंध का सारांश दें।"
समस्या यह है कि वर्तमान वीडियो कॉल सिस्टम में, ये दोनों लेन एक-दूसरे से बात नहीं करती हैं। जब डिलीवरी ट्रक (AI) को एक बड़ा ऑर्डर मिलता है, तो वे बस जितनी जल्दी हो सके उतनी तेजी से चलने लगते हैं, जिससे राजमार्ग भर जाता है। इससे रेस कारें (आपका वीडियो) उनके पीछे ट्रैफिक जाम में फंस जाती हैं। वीडियो सिस्टम देरी को देखता है और घबरा जाता है, यह सोचकर कि सड़क खराब है, इसलिए वह कारों की गति को बहुत धीमा कर देता है, जिससे आपका वीडियो पिक्सेलेटेड और निम्न-गुणवत्ता वाला दिखने लगता है। इस बीच, AI ट्रक अभी भी जाम में फंसे हुए हैं, अपने डेटा के आने का इंतजार कर रहे हैं।
शोधकर्ताओं ने वास्तविक वीडियो कॉल प्लेटफॉर्म जैसे ज़ूम और माइक्रोसॉफ्ट टीम्स पर इसका परीक्षण किया। उन्होंने पाया कि जब उन्होंने एक वीडियो कॉल के साथ AI डेटा भेजने की कोशिश की, तो वीडियो की गुणवत्ता आधे से अधिक गिर गई। इससे भी बुरा यह था कि एक बार जब AI अपना काम पूरा कर लेता है, तो वीडियो को सामान्य गति पर वापस आने में 30 सेकंड से अधिक का समय लग जाता है। यह एक अस्त-व्यस्त, अक्षम स्थिति थी जहाँ न तो मनुष्य और न ही रोबोट अपना काम ठीक से कर पा रहे थे।
समाधान: HAFS, एक स्मार्ट ट्रैफिक पुलिसकर्मी
इसे ठीक करने के लिए, टीम ने HAFS बनाया, एक ऐसी प्रणाली जो आपके वीडियो कॉल ऐप के भीतर ही एक स्मार्ट ट्रैफिक पुलिसकर्मी की तरह बैठती है। वीडियो और AI को जगह के लिए लड़ने देने के बजाय, HFS पूरे राजमार्ग को देखती है और तय करती है कि प्रत्येक लेन कितनी तेज चलनी चाहिए।
1. "फ्रेम-लेवल" वॉचडॉग (निरीक्षक)
HAFS का पहला काम वीडियो लेन की बहुत बारीकी से निगरानी करना है। यह केवल औसत गति को नहीं देखता; यह हर एक वीडियो फ्रेम के बीच के सूक्ष्म अंतराल को देखता है (जैसे कि एक फ्लिपबुक में व्यक्तिगत फ्रेमों के बीच की जगह)। सिस्टम जानता है कि वीडियो थोड़ा इंतजार कर सकता है, लेकिन केवल एक विशिष्ट सीमा (लग लगभग 150 मिलीसेकंड) तक। यदि AI ट्रक वीडियो कारों को उस सीमा के बहुत करीब धकेलने लगते हैं, तो HAFS तुरंत ट्रकों को धीमा होने के लिए कहता है। लेकिन यदि सड़क पर अतिरिक्त जगह है, तो HAFS ट्रकों को तेज चलने और खाली लेन भरने के लिए कहता है। इस तरह, वीडियो सुचारू रहता है, और AI बिना किसी दुर्घटना के उपलब्ध हर अतिरिक्त स्थान का उपयोग करता है।
2. "प्रेडिक्टिव" (पूर्वानुमानित) शेड्यूलर
दूसरा काम और भी स्मार्ट है। कभी-कभी, AI को एक सवाल का जवाब देने के लिए एक साथ कई ट्रक भेजने की आवश्यकता होती है। पुराने सिस्टम में, ये ट्रक एक-एक करके कतार में खड़े होते थे, जैसे टोल बूथ पर कारें, अपनी बारी का इंतजार करते हैं। यह धीमा है। हालाँकि, HAFS देखता है कि प्रत्येक ट्रक द्वारा ले जाए जाने वाले बक्सों का आकार क्या है और अनुमान लगाता है कि उनके पहुँचने के बाद उन्हें अनपैक करने में कितना समय लगेगा। फिर यह ट्रकों को इस तरह से व्यवस्थित करता है कि जैसे ही एक ट्रक पहुँचता है और उसे अनपैक करना शुरू किया जाता है, अगला ट्रक पहले से ही डॉक पर आ रहा होता है। इसे "पाइपलाइनिंग" कहा जाता है। यह एक ऐसे शेफ की तरह है जो दूसरे व्यंजन के लिए सब्जियां काटना शुरू कर देता है जबकि पहला व्यंजन अभी भी पक रहा होता है, ताकि कुछ भी खाली न बैठे।
परिणाम: एक तेज़, स्पष्ट भविष्य
शोधकर्ताओं ने मैकबुक प्रो (MacBook Pro), सैमसंग गैलेक्सी (Samsung Galaxy) फोन और जेटसन (Jetson) नामक एक छोटे कंप्यूटर सहित वास्तविक उपकरणों पर HAFS का परीक्षण किया। उन्होंने वाई-फाई 6 से 5G तक विभिन्न प्रकार के AI मॉडल और नेटवर्क स्पीड के साथ सिमुलेशन चलाए।
परिणाम प्रभावशाली थे। पुराने तरीके की तुलना में, HAFS ने वीडियो की गुणवत्ता को 1.5 गुना बेहतर बना दिया। साथ ही, इसने AI के जवाब देने के समय को 31% कम कर दिया। कुछ मामलों में, AI अपना काम केवल 16 सेकंड में पूरा करने में सक्षम था, जबकि सामान्यतः इसमें 105 सेकंड लगते, क्योंकि वह ट्रैफिक में फंसा नहीं था।
यह पेपर सुझाव देता है कि यह दृष्टिकोण AI सहायकों को हमारे वीडियो कॉल्स का एक सामान्य हिस्सा बनाने का एक आशाजनक तरीका है बिना अनुभव को खराब किए। मनुष्यों और रोबोटों को सामंजस्य में काम करने के लिए रखकर, हम उच्च-गुणवत्ता वाले वीडियो कॉल प्राप्त कर सकते हैं जहाँ AI हमेशा आपकी मदद के लिए तैयार रहता है, सीधे आपके अपने डिवाइस पर, आपकी गोपनीयता सुरक्षित रखते हुए और आपके इंटरनेट को सुचारू रूप से चलाते 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।