ARCHER: Agentic Rule and Compliance Harness for Executable Regulations
यह शोध पत्र ARCHER को प्रस्तुत करता है, जो एक नियत (deterministic) मल्टी-एजेंट प्रोग्राम-सिंथेसिस हारनेस है जो स्केलेबल, पारदर्शी और अत्यधिक सटीक बिल्डिंग अनुपालन जांच प्राप्त करने के लिए नियामक दस्तावेजों से ऑडिट योग्य सत्यापन कोड उत्पन्न करता है, जो यह प्रदर्शित करता है कि सेल्फ-होस्टेड ओपन-वेट्स मॉडल लागत के एक अंश पर फ्रंटियर API प्रदर्शन के साथ मेल खा सकते हैं।
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 रोबोट को घर बनाने के बहुत सख्त नियमों का पालन करना सिखाने की कोशिश कर रहे हैं। समस्या यह नहीं है कि रोबोट आलसी है; समस्या यह है कि नियम पुस्तिका मानवीय भाषा में लिखी गई है, जो "सुनिश्चित करें कि गलियारा पर्याप्त चौड़ा है" जैसे अस्पष्ट वाक्यांशों से भरी हुई है, जबकि रोबोट केवल गणित और ज्यामिति (geometry) को समझता है। वास्तुकला (architecture) की दुनिया में, इन नियमों का पालन करने के लिए डिज़ाइन की जाँच करने को "बिल्डिंग कोड" कहा जाता है, और ब्लूप्रिंट को BIM (बिल्डिंग इंफॉर्मेशन मॉडलिंग) नामक डिजिटल 3D मॉडल के रूप में जाना जाता है। दशकों से, यह जाँचना कि कोई डिज़ाइन नियमों का पालन करता है या नहीं, एक बहुत बड़ा और महंगा सिरदर्द रहा है, जिसमें आमतौर पर हजारों लाइनों के कोड और ज्यामिति को मैन्युअल रूप से स्कैन करने के लिए मानव विशेषज्ञों की सेनाओं की आवश्यकता होती है। यह एक मिलियन किताबों के पुस्तकालय में एक भी गलती (typo) खोजने जैसा है, जिसे आवर्धक लेंस (magnifying glass) के साथ हर एक पन्ने को पढ़कर ढूँढा जा रहा हो।
हाल ही में, वैज्ञानिकों ने "AI एजेंटों" का उपयोग करना शुरू किया है—स्मार्ट कंप्यूटर प्रोग्राम जो सोच सकते हैं, योजना बना सकते हैं और कोड लिख सकते हैं, ताकि इस काम में मदद मिल सके। लेकिन यहाँ एक पेच है: यदि आप केवल एक स्मार्ट AI से "एक नियम जाँचने वाला (rule checker) लिखें" कहते हैं, तो वह अक्सर भ्रमित हो जाता है, ऐसे नियम बना देता है जो अस्तित्व में ही नहीं हैं, या ऐसा कोड लिख देता है जिससे सिस्टम क्रैश हो जाता है। यह एक प्रतिभाशाली लेकिन अराजक शेफ से बिना किसी रेसिपी के केक बनाने के लिए कहने जैसा है; वे या तो कुछ स्वादिष्ट बना सकते हैं, या वे रसोई को जला सकते हैं। बड़ा सवाल जो शोधकर्ता पूछ रहे हैं: हम इन AI एजेंटों को कैसे व्यवस्थित करें ताकि वे केवल अनुमान न लगाएं, बल्कि वास्तव में विश्वसनीय, काम करने वाले उपकरण बना सकें जिन पर हम भरोसा कर सकें? यह वह पहेली है जिसे सिंगापुर की इन्फोकॉम मीडिया डेवलपमेंट अथॉरिटी (IMDA) की एक टीम ने हल करने का निर्णय लिया।
ARCHER: AI आर्किटेक्ट्स की एक टीम
यह शोध पत्र ARCHER (एजेंटिक रूल एंड कंप्लायंस हार्नेस फॉर एक्सेक्यूटेबल रेगुलेशंस) नामक एक नई प्रणाली पेश करता है। ARCHER को एक एकल सुपर-ब्रेन के रूप में नहीं, बल्कि एक अत्यधिक संगठित निर्माण दल (construction crew) के रूप में सोचें जहाँ प्रत्येक सदस्य के पास एक विशिष्ट कार्य है, और वे एक सख्त, अटूट कार्यक्रम का पालन करते हैं।
अतीत में, शोधकर्ताओं ने एक एकल AI मॉडल को एक बड़ा प्रॉम्प्ट देकर इसे करने की कोशिश की और उम्मीद की कि सब ठीक होगा। लेखक इसे "ब्लाइंड" (Blind) दृष्टिकोण कहते हैं। यह एक छात्र को एक जटिल गणित की समस्या देने और यह कहने जैसा है कि, "इसे हल करो," बिना उसे अपना काम जाँचने देने के। शोध पत्र में पाया गया कि यह तरीका अविश्वसनीय है। यहाँ तक कि सबसे स्मार्ट AI मॉडल भी सही उत्तर पाने में विफल रहते हैं क्योंकि वे अपनी गलतियों को बहुत देर से देख पाते हैं।
ARCHER एक मल्टी-एजेंट सिस्टम और डिटरमिनिस्टिक ऑर्केस्ट्रेशन (deterministic orchestration) का उपयोग करके खेल बदल देता है। आइए इसे एक उपमा (analogy) से समझते:
कल्पना कीजिए कि आप एक अस्पष्ट निर्देश पुस्तिका के आधार पर एक आदर्श LEGO महल बनाने की कोशिश कर रहे हैं।
- द प्लानर (The Planner): सबसे पहले, एक "प्लानर" एजेंट मैनुअल को पढ़ता है और इसे बनाने के लिए एक चरण-दर-चरण स्केच बनाता है। वह अभी ईंटों को नहीं छूता; वह केवल एक योजना बनाता है।
- द जनरेटर (The Generator): इसके बाद, एक "जनरेटर" एजेंट उस स्केच का पालन करता है और वास्तविक कंप्यूटर कोड लिखते हुए LEGO ईंटों को जोड़ना शुरू करता है।
- द इवैल्यूएटर (The Evaluator): फिर, एक सख्त "इवैल्यूएटर" एजेंट महल की जाँच करता है। वह मूल नियमों के विरुद्ध हर दीवार को मापता है और हर ईंट को गिनता है। यदि दीवार बहुत छोटी है, तो इवैल्यूएटर केवल "गलत" नहीं कहता। वह ठीक उस छोटी दीवार की ओर इशारा करता है और कहता है, "इस विशिष्ट ईंट को ठीक करें।"
- द लूप (The Loop): फिर जनरेटर गलती को ठीक करता है और फिर से प्रयास करता है। यह चक्र 30 बार तक दोहराया जा सकता है। यदि इवैल्यूएटर को एहसास होता है कि योजना ही गलत थी (न कि केवल ईंटें), तो वह काम को वापस प्लानर के पास भेज देता है ताकि वह स्केच को फिर से बना सके।
यह "प्लान-जनरेट-इवैल्यूएट" लूप ही असली सफलता का सूत्र है। शोध पत्र दिखाता है कि AI को बार-बार अपने काम की जाँच करने और विशिष्ट त्रुटियों को ठीक करने के लिए मजबूर करके, यह एक अस्पष्ट नियम जैसे "पार्किंग स्थल 2.4 मीटर चौड़ा होना चाहिए" को एक पूर्ण, काम करने वाले कंप्यूटर प्रोग्राम में बदल सकता है जो हजारों 3D मॉडलों की तुरंत जाँच करता है।
उन्होंने क्या पाया: संरचना की शक्ति
शोधकर्ताओं ने इस प्रणाली का परीक्षण दस वास्तविक दुनिया के निर्माण नियमों और 3D मॉडलों के एक नए डेटासेट का उपयोग करके किया। उन्होंने अपने "ARCHER" दल की तुलना AI का उपयोग करने के छह अन्य तरीकों से की, जो एक भ्रमित रोबोट से लेकर आपस में बहस करने वाले रोबोट की टीम तक विस्तृत थे।
यहाँ मुख्य निष्कर्ष दिए गए हैं:
- कच्ची बुद्धिमत्ता पर संरचना भारी पड़ती है: सबसे आश्चर्यजनक खोज यह है कि "कमजोर" AI मॉडलों की एक अच्छी तरह से संगठित टीम ने अकेले काम करने वाले एक एकल "सुपर-स्मार्ट" AI मॉडल से बेहतर प्रदर्शन किया। जब AI को केवल एक बार अनुमान लगाने की अनुमति दी गई ( "ब्लाइंड" विधि), तो इसने औसतन केवल 47% बार सही उत्तर दिया। लेकिन जब टीम ने ARCHER लूप का उपयोग किया, तो सटीकता औसतन 85% तक बढ़ गई। यह बुनियादी विधि की तुलना में 82% का सुधार है।
- "ऑर्केस्ट्रेटर" (Orchestrator) मायने रखता है: टीम ने चालक दल को चलाने के दो तरीकों का परीक्षण किया। एक तरीका था जिसमें एक AI तय करता था कि कौन किससे बात करेगा (जैसे एक अराजक बैठक)। दूसरा तरीका एक निश्चित, अपरिवर्तनीय कार्यक्रम का उपयोग करता था (जैसे एक सैन्य ड्रिल)। उन्होंने पाया कि निश्चित कार्यक्रम (ARCHER) बहुत अधिक विश्वसनीय था। इसने कुछ मॉडलों के लिए सटीकता में कुछ मॉडलों की तुलना में 24.5 प्रतिशत अंक तक सुधार किया।
- सस्ता हमेशा सस्ता नहीं होता: टीम ने चार अलग-अलग AI मॉडल का परीक्षण किया, जो महंगे, शीर्ष-स्तरीय "फ्रंटियर" मॉडल (जो चलाने में बहुत महंगे होते हैं) से लेकर सस्ते, स्वयं-होस्ट किए गए मॉडल (जिन्हें आप अपने कंप्यूटर पर चला सकते हैं) तक थे।
- महंगे मॉडल बेहतरीन थे, लेकिन शोध पत्र में पाया गया कि ARCHER सिस्टम पर चल रहा एक सस्ता, स्वयं-होस्ट किया गया मॉडल महंगे मॉडल की सटीकता का 97.8% तक पहुँच सकता है।
- इससे भी बेहतर, इस सस्ते सेटअप की लागत केवल एक-चौथाई थी।
- यह सुझाव देता है कि संगठनों को शानदार परिणाम प्राप्त करने के लिए सबसे महंगे AI पर बहुत सारा पैसा खर्च करने की आवश्यकता नहीं है; उन्हें बस एक सही सिस्टम (ARCHER) की आवश्यकता है जो सस्ते AI का मार्गदर्शन कर सके।
यह क्यों महत्वपूर्ण है
शोध पत्र का तर्क है कि बिल्डिंग कंप्लायंस चेकिंग बहुत लंबे समय से एक "मैनुअल" युग में फंसी हुई है। मौजूदा उपकरण अक्सर महंगे, मालिकाना सॉफ्टवेयर के पीछे बंद होते हैं जिन्हें कोई देख या ठीक नहीं कर सकता। यदि कोई नियम अस्पष्ट है, तो सॉफ्टवेयर विफल हो जाता है, और आपको इंसान को बुलाना पड़ता है।
ARCHER एक नया रास्ता सुझाता है: पारदर्शी, अनुकूलनीय और स्केलेबल। क्योंकि यह सिस्टम मानक पायथन (Python) कोड लिखता है (एक सामान्य प्रोग्रामिंग भाषा), मनुष्य वास्तव में उस कोड को पढ़ सकते हैं जो AI ने लिखा है ताकि यह देख सकें कि उसने यह कैसे तय किया कि कोई इमारत सुरक्षित है या असुरक्षित। यदि AI कुछ गलत करता है, तो एक इंसान कोड को देख सकता है, उसके तर्क को समझ सकता है और उसे ठीक कर सकता है।
लेखक सावधानी बरतते हुए कहते हैं कि यह कोई जादुई छड़ी नहीं है जो हर समस्या को हल कर दे। कुछ निर्माण नियम कंप्यूटर के लिए मापने में बहुत जटिल होते हैं (जैसे कि यह निर्णय लेना कि एक अजीब आकार की सीढ़ी मानवीय अंतर्ज्ञान के बिना "सुरक्षित" है या नहीं)। उन मामलों के लिए, सिस्टम को मानवीय जाँच के लिए फ्लैग (flag) करने के लिए डिज़ाइन किया गया है (जिसे "MANUAL_CHECK" लेबल किया गया है)। लेकिन हजारों मानक नियमों के लिए—जैसे "क्या दरवाजा पर्याप्त चौड़ा है?" या "क्या पार्किंग स्थल का आकार सही है?"—ARCHER सुझाव देता है कि अब हम उच्च सटीकता और कम लागत के साथ भारी काम को स्वचालित कर सकते हैं।
संक्षेप में, शोध पत्र यह सिद्ध करता है कि यदि आप AI को एक सख्त जॉब डिस्क्रिप्शन, विशेषज्ञों की एक टीम और अपने होमवर्क की जाँच करने के लिए एक लूप देते हैं, तो यह बिखरे हुए, भ्रमित निर्माण नियमों को स्पष्ट, काम करने वाले कोड में बदल सकता है। यह AI के "ब्लैक बॉक्स" को एक पारदर्शी, ऑडिट योग्य उपकरण में बदल देता है जो एक दिन निर्माण को सभी के लिए सुरक्षित, तेज़ और सस्ता बना सकता है।
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।