Invariant Discovery for Networked Systems
यह शोधपत्र Autogram प्रस्तुत करता है, जो एक ऐसी प्रणाली है जो नेटवर्क प्रणालियों के लिए स्वचालित रूप से ऑडिट योग्य, औपचारिक रूप से गारंटीकृत इनवेरिएंट्स (invariants) उत्पन्न करने के लिए AI-संचालित व्याकरण खोज को सांख्यिकी-संचालित खोज के साथ जोड़ती है, जो वास्तविक दुनिया के डेटा शोर को संभालने में मैनुअल लेखन और मौजूदा ऑटोमैटिक माइनर्स की सीमाओं को प्रभावी ढंग से दूर करती 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
इंटरनेट की कल्पना एक जादुई बादल के रूप में नहीं, बल्कि डेटा के एक विशाल, हलचल भरे शहर के रूप में करें। इस शहर में, सूचना के अरबों छोटे पैकेट सड़कों पर दौड़ते हैं, ट्रैफिक लाइटों पर रुकते हैं, और गोदामों में जमा होते हैं। इस शहर को चलाने के लिए, इंजीनियरों को "सड़क के नियमों" को जानने की आवश्यकता होती है। इन नियमों को इनवेरिएंट्स (invariants) कहा जाता है। इन्हें नेटवर्क के लिए अटूट भौतिक विज्ञान के नियमों के रूप में समझें: "एक पार्किंग स्थल से बाहर निकलने वाली कारों की संख्या, प्रवेश करने वाली कारों की संख्या के बराबर होनी चाहिए, या उससे थोड़ा बहुत कम या अधिक।" यदि ये नियम टूटते हैं, तो इसका मतलब है कि कोई ट्रैफिक लाइट फंस गई है, कोई सड़क बंद है, या कोई डेटा चुरा रहा है।
लंबे समय तक, इन नियमों को खोजना एक ऐसी भाषा के लिए शब्दकोश लिखने की कोशिश करने जैसा था जिसे पहले कभी कोई नहीं बोल पाया था। इंजीनियरों को बैठकर हाथ से हर एक नियम लिखना पड़ता था, और यह अनुमान लगाना पड़ता था कि डेटा को कैसे व्यवहार करना चाहिए। यह धीमा, उबाऊ था और इसके लिए एक ऐसे सुपर-विशेषज्ञ की आवश्यकता थी जो कंप्यूटर विज्ञान और उनके विशिष्ट नेटवर्क की बारीकियों, दोनों को जानता हो। हाल ही में, लोगों ने इन नियमों को स्वचालित रूप से सीखने के लिए कंप्यूटरों का उपयोग करने की कोशिश की, लेकिन वे कंप्यूटर बहुत कठोर थे; वे सटीक मिलान की मांग करते थे और उस हर चीज़ को हटा देते थे जो 100% सटीक नहीं थी, भले ही वास्तविक दुनिया का डेटा हमेशा थोड़ा अव्यवस्थित होता है। फिर, लोगों ने मदद के लिए सुपर-स्मार्ट एआई (लार्ज लैंग्वेज मॉडल्स) का उपयोग करना शुरू किया, लेकिन वे एआई रचनात्मक लेखकों की तरह हैं जो कभी-कभी मनगढ़ंत बातें (हैलुसिनेशन) बना लेते हैं और अपने काम को सिद्ध नहीं कर सकते। बड़ा सवाल यह था: हम एआई की रचनात्मकता को बिना उसके मनगढ़ंत बातें बनाने के जोखिम के कैसे प्राप्त करें?
यह शोध पत्र ऑटोग्राम (Autogram) नामक एक नई प्रणाली पेश करता है जो इस पहेली को दो हिस्सों में बांटकर हल करता है। लेखकों ने महसूस किया कि जबकि एआई इस बात का अनुमान लगाने में माहिर है कि किस प्रकार के नियम मौजूद हो सकते हैं, यह सिद्ध करने में बहुत खराब है कि वे सत्य हैं। इसलिए, उन्होंने एक ऐसा सिस्टम बनाया जहाँ एआई एक "व्याकरण वास्तुकार" (ग्रामर आर्किटेक्ट) के रूप में कार्य करता है। यह डेटा बिंदुओं के नामों (जैसे "router_A_output" या "link_B_traffic") को देखता है और संभावित नियमों की संरचनाओं की एक सूची सुझाता है, जैसे संभावित वाक्यों का एक मेनू। यह वास्तव में कभी यह दावा नहीं करता कि कोई नियम सत्य है; यह केवल कहता है, "यहाँ कुछ वाक्य हैं जो अर्थपूर्ण हो सकते हैं।"
एक बार जब एआई इस मेनू का खाका तैयार कर लेता है, तो एक सख्त, उबाऊ और पूरी तरह से तार्किक कंप्यूटर इंजन कमान संभाल लेता है। यह इंजन मेनू पर मौजूद प्रत्येक वाक्य की वास्तविक डेटा के विरुद्ध जांच करता है। यह यह देखने के लिए गणित का उपयोग करता है कि क्या नियम लागू होता है, भले ही वह पूरी तरह से सटीक न हो। यह थोड़ी सी छूट (जिसे "सॉफ्टनेस" कहा जाता है) की अनुमति देता है क्योंकि वास्तविक डेटा शोर वाला होता है, लेकिन किसी नियम को स्वीकार करने से पहले यह सांख्यिकीय प्रमाण की मांग करता है। यदि एआई एक ऐसा नियम सुझाता है जो दिखने में अच्छा है लेकिन डेटा में फिट नहीं बैठता, तो तार्किक इंजन उसे तुरंत खारिज कर देता है। यदि एआई कोई नियम छोड़ देता है, तो सिस्टम एआई से मेनू को फिर से लिखने और फिर से प्रयास करने के लिए कह सकता है।
शोधकर्ताओं ने सार्वजनिक नेटवर्क और एक कंपनी द्वारा उपयोग किए जाने वाले एक विशाल उत्पादन नेटवर्क से प्राप्त वास्तविक दुनिया के इंटरनेट ट्रैफ़िक डेटा पर ऑटोग्राम का परीक्षण किया। उन्होंने पाया कि ऑटोग्राम उन सभी नियमों को फिर से खोज सका जिन्हें मानव विशेषज्ञों ने पहले ही लिख दिया था, लेकिन इसने कई नए और उपयोगी नियम भी खोजे जिन्हें पहले कभी किसी ने नहीं देखा था। उदाहरण के लिए, इसने पाया कि एक राउटर से निकलने वाला ट्रैफ़िक अपेक्षित मात्रा से लगातार लगभग 2% कम था, जो बाद में डेटा की गिनती करने के तरीके का एक विशिष्ट, स्पष्टीकरण योग्य गुण निकला, न कि कोई आपदा। जबकि पिछले उपकरण जो पूर्ण सटीकता की मांग करते थे, लगभग सभी नियमों को चूक गए, ऑटोग्राम ने उन सभी को खोज निकाला।
यह शोध पत्र दिखाता है कि यह दृष्टिकोण प्रभावी और तेज़ है, जिसमें सैकड़ों राउटरों वाले नेटवर्क का विश्लेषण करने में केवल दस मिनट का समय लगता है। हालाँकि, लेखक सावधानी बरतते हुए कहते हैं कि यह अभी सब कुछ हल करने वाली कोई जादुई छड़ी नहीं है। सिस्टम अभी भी नियमों के सही "मेनू" का अनुमान लगाने के लिए एआई पर निर्भर करता है, और यदि डेटा लेबल गलत हैं, तो एआई भ्रमित हो सकता है। वे यह भी बताते हैं कि सिस्टम अभी सरल नियमों को मिलाकर जटिल, बिल्कुल नए ढांचे खुद से बनाने में सक्षम नहीं है। लेकिन, वे सुझाव देते हैं कि यह हमारे डिजिटल दुनिया के छिपे हुए नियमों को खोजने में मदद करने के लिए एक आशाजनक कदम है, जिससे इंटरनेट को सुरक्षित और अधिक विश्वसनीय बनाया जा सके, बिना किसी इंसान द्वारा हर एक नियम को हाथ से लिखे।
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।