Pramana: A Composable, Domain-Specific Backend for Empirical Networking Research

विचारों और प्रमाण के बीच की दौड़

कल्पना कीजिए एक ऐसी दुनिया की जहाँ वैज्ञानिक उन्हें टेस्ट करने की तुलना में नए सिद्धांत सोचने में अधिक तेज़ हों। नेटवर्किंग रिसर्च के क्षेत्र में बिल्कुल यही हो रहा है। दशकों से, शोधकर्ता इस बात का अध्ययन कर रहे हैं कि डेटा इंटरनेट पर कैसे चलता है, यह समझने की कोशिश कर रहे हैं कि कुछ कनेक्शन तेज़ क्यों होते हैं और अन्य धीमे क्यों, या वीडियो कॉल को और अधिक सुचारू कैसे बनाया जाए। अपने विचारों को सिद्ध करने के लिए, उन्हें "प्रयोग" (experiments) बनाने की आवश्यकता होती है—सावधानीपूर्वक नियंत्रित सेटअप जहाँ वे इंटरनेट ट्रैफिक के विशिष्ट प्रकार उत्पन्न कर सकें, जैसे कि एक विशाल फ़ाइल डाउनलोड और एक लाइव वीडियो कॉल के बीच प्रतिस्पर्धा, और फिर यह माप सकें कि क्या होता है।

समस्या यह है कि इन प्रयोगों को बनाना अविश्वसनीय रूप से कठिन और धीमा है। यह हर बार एक नया स्वाद चखने के लिए शून्य से केक बनाने की कोशिश करने जैसा है। आपको सामग्री मिलानी होगी, ओवन सेट करना होगा और टाइमर पर नज़र रखनी होगी, भले ही आप सिर्फ यह देखना चाहते हों कि नमक का एक चुटकी डालने से स्वाद बदलता है या नहीं। अतीत में, यह प्रबंधनीय था। लेकिन अब, आर्टिफिशियल इंटेलिजेंस के उदय के साथ, कंप्यूटर पलक झपकते ही हजारों नए नेटवर्किंग विचार उत्पन्न कर सकते हैं। हालाँकि, उन विचारों को वास्तव में टेस्ट करने के लिए आवश्यक मानव (और उपकरण) अभी भी केबल बिछाने और सर्वर कॉन्फ़िगर करने की धीमी, मैनुअल दुनिया में फंसे हुए हैं। यह शानदार विचारों का एक विशाल बैकलॉग पैदा करता है क्योंकि उन्हें सिद्ध नहीं किया जा सकता क्योंकि "टेस्टिंग किचन" बहुत धीमा है। आप जो पेपर पढ़ने जा रहे हैं वह इसी बाधा को दूर करने के लिए प्रस्तावित करता है, जो एक सरल विचार को बिना किसी सिरदर्द के एक जटिल प्रयोग में बदलने का एक नया तरीका पेश करता है।

इंटरनेट प्रयोगों के लिए "जादुई रेसिपी"

इस पेपर के लेखक, जो UC सांता बारबरा और IIT दिल्ली जैसे विश्वविद्यालयों के शोधकर्ताओं की एक टीम है, ने प्रमाण (Pramana) नामक एक नया टूल बनाया है (जिसका संस्कृत में अर्थ "साक्ष्य" या "प्रमाण" है)। प्रमाण को इंटरनेट प्रयोगों के लिए एक सुपर-स्मार्ट, कंपोजेबल "रेसिपी बुक" के रूप में समझें।

पुराने दिनों में, यदि कोई शोधकर्ता एक नए विचार का परीक्षण करना चाहता था, तो उसे शून्य से शुरुआत करनी पड़ती थी। उन्हें मैन्युअल रूप से एक नकली इंटरनेट लिंक सेट करना पड़ता था, विशिष्ट सॉफ़्टवेयर इंस्टॉल करना पड़ता था, ट्रैफिक जेनरेट करना पड़ता था और परिणाम रिकॉर्ड करने पड़ते थे। यदि वे थोड़ा अलग विचार टेस्ट करना चाहते थे, तो उन्हें वह लगभग सारा काम फिर से करना पड़ता था। यह हर बार अलग प्रकार के ईंधन का परीक्षण करने के लिए एक नया कार इंजन बनाने जैसा था।

प्रमाण एक "थिन वेस्ट" (पतली कमर/मध्य भाग) पेश करके खेल बदल देता है। कल्पना कीजिए एक रेस्टोरेंट किचन की। ऊपर, आपके पास शेफ (शोधकर्ता) है जो बस कहना चाहता है, "मुझे साइड में फ्राइज़ के साथ एक स्पाइसी बर्गर चाहिए।" नीचे, आपके पास वास्तविक ओवन, ग्रिल और फ्रायर (विभिन्न कंप्यूटर सिस्टम और टेस्टबेड जहाँ प्रयोग होता है) हैं। बीच में, आपके पास इंटेंट स्पेसिफिकेशन (Intent Specification) है। यह वह जादुब़ी रेसिपी कार्ड है।

शेफ को ग्रिल चलाने, ओवन के तापमान या प्याज काटने की जानकारी होने की आवश्यकता नहीं है, उन्हें बस यह लिखना है कि वे क्या चाहते हैं (इंटेंट) और वे इसे कहाँ बनाना चाहते हैं (सबस्ट्रेट)। प्रमाण सिस्टम फिर उस सरल अनुरोध को लेता है और स्वचालित रूप से यह पता लगाता है कि उपलब्ध उपकरणों का उपयोग करके इसे कैसे पूरा किया जाए। यह प्रयोग को तीन स्वतंत्र भागों में तोड़ देता है:

1. इंटेंट (Intent): हमें किस डेटा की आवश्यकता है? (जैसे, "एक वीडियो कॉल जो एक बड़ी फ़ाइल डाउनलोड के खिलाफ लड़ रहा है")।
2. सबस्ट्रेट (Substrate): हम इसे कहाँ चलाते हैं? (जैसे, "एक लैपटॉप पर," "क्लाउड में," या "एक विश्वविद्यालय के टेस्टबेड पर")।
3. मैकेनिज्म (Mechanism): हम वास्तव में इसे कैसे करते हैं? (यह कठिन हिस्सा है जिसे प्रमाण स्वचालित रूप से संभालता है)।

"इंटेंट कॉर्पस" और प्रमाण

अपने विचार को सिद्ध करने के लिए, शोधकर्ताओं ने केवल अनुमान नहीं लगाया। वे पिछले एक दशक के 66 प्रकाशित शोध पत्रों के माध्यम से एक बड़े खोज अभियान (scavenger hunt) पर गए। उन्होंने सैकड़ों प्रयोगों को पढ़ा और प्रत्येक के लिए "इंटेंट" लिखा—वह विशिष्ट डेटा जिसे शोधकर्ता उत्पन्न करने की कोशिश कर रहे थे। अंत में उनके पास 255 विभिन्न शोध इंटेंट्स की एक सूची थी।

फिर उन्होंने एक सरल प्रश्न पूछा: क्या मौजूदा उपकरण इन 255 अनुरोधों को संभाल सकते हैं? उत्तर स्पष्ट रूप से "नहीं" था। सबसे अच्छे मौजूदा विशिष्ट उपकरण केवल लगभग 13% अनुरोधों को ही संभाल सकते थे। उदाहरण के लिए, एक टूल धीमे इंटरनेट कनेक्शन का अनुकरण करने में बहुत अच्छा हो सकता है लेकिन वास्तविक वीडियो कॉल ऐप चलाने में बहुत खराब। दूसरा ऐप चलाने में अच्छा हो सकता है लेकिन धीमा कनेक्शन सिम्युलेट नहीं कर सकता था। वे सभी एक ही काम में माहिर (one-trick ponies) थे।

हालाँकि, प्रमाण एक "यूनिवर्सल ट्रांसलेटर" बनने के लिए डिज़ाइन किया गया है। शोधकर्ताओं ने प्रमाण का एक प्रूफ-ऑफ-कांसेप्ट संस्करण बनाया और इसे अपने 255 इंटेंट्स की सूची के विरुद्ध टेस्ट किया। भले ही यह अभी भी प्रगति पर है, प्रमाण 34% अनुरोधों को पूरा करने में सक्षम रहा। यह शायद 100% न लगे, लेकिन यह वर्तमान में उपलब्ध सर्वश्रेष्ठ टूल से दोगुने से भी अधिक बेहतर है।

यह क्यों मायने रखता है: "2.7 सेकंड" का प्रयोग

इस पेपर का सबसे रोमांचक हिस्सा यह है कि यह कितना समय बचाता है। शोधकर्ताओं ने एक वास्तविक दुनिया के उदाहरण का उपयोग करके प्रमाण का परीक्षण किया: एक अध्ययन जिसने यह पहचानने की कोशिश की कि इंटरनेट ट्रैफिक कंट्रोल एल्गोरिदम का किस प्रकार का उपयोग किया जा रहा है। पुराने तरीके में, सभी विभिन्न परिदृश्यों का परीक्षण करने के लिए प्रयोग सेट करने में एक शोधकर्ता को हफ्तों का मैनुअल काम करना पड़ता।

प्रमाण के साथ, शोधकर्ता बस अपने विचार को प्राकृतिक भाषा (natural language) में टाइप करता है। सिस्टम इसे एक स्पेसिफिकेशन में संकलित (compile) करता है, और प्रयोग चलता है। शोधकर्ताओं ने पाया कि शोधकर्ता को खर्च करने वाला "सक्रिय" समय केवल इंटेंट को कंपाइल करने के लिए 2.7 सेकंड था। बाकी की प्रक्रिया—डेटा जेनरेट करना, टेस्ट चलाना और परिणाम एकत्र करना—बैकग्राउंड में स्वचालित रूप से हुई।

यह देखने के लिए कि क्या इससे वास्तव में लोगों की मदद हुई, उन्होंने 46 छात्रों के साथ एक अध्ययन चलाया। जब पूछा गया कि प्रमाण के बिना उसी परिणाम को दोहराने में कितना प्रयास लगेगा, तो 89% छात्रों ने कहा कि इसमें कम से कम दोगुना प्रयास लगता।

आगे की राह

लेखक बहुत स्पष्ट हैं कि प्रमाण क्या है और क्या नहीं। वे स्वीकार करते हैं कि उनका वर्तमान संस्करण केवल संभावित प्रयोगों के एक तीसरे हिस्से (34% का आंकड़ा) को कवर करता है। वे यह दावा नहीं कर रहे हैं कि उन्होंने अभी तक सब कुछ हल कर लिया है। इसके बजाय, वे एक स्पष्ट रोडमैप पेश कर रहे हैं। उन्होंने शेष 168 प्रयोगों की पहचान की है जो वर्तमान में बाधित हैं और पाया कि वे ज्यादातर केवल 35 विशिष्ट फीचर्स में सिमटे हुए हैं जिन्हें जोड़ा जाना आवश्यक है।

उनका तर्क है कि यह पूरे समुदाय का काम है। ठीक वैसे ही जैसे इंटरनेट खुद मानक प्रोटोकॉल के एक "थिन वेस्ट" पर बना है जो विभिन्न उपकरणों को एक-दूसरे से बात करने की अनुमति देता है, प्रमाण चाहता है कि रिसर्च के लिए भी एक "थिन वेस्ट" हो। "क्या" (विचार) को "कैसे" (जटिल तकनीकी विवरण) से अलग करके, वे नेटवर्किंग रिसर्च के लोकतंत्रीकरण की उम्मीद करते हैं। इसका मतलब है कि केवल बड़े बजट वाले कुछ बड़े लैब्स ही नए विचारों का परीक्षण करने में सक्षम नहीं होंगे, बल्कि जिसके पास भी एक अच्छा हाइपोथेसिस (परिकल्पना) है, वह इस सिस्टम का उपयोग प्रमाण प्राप्त करने के लिए कर सकता है।

एक ऐसी दुनिया में जहाँ AI पहले से कहीं अधिक तेज़ी से नए विचार उत्पन्न कर रहा है, प्रमाण एक तरीका प्रदान करता है ताकि हम उसके साथ तालमेल बिठा सकें। यह एक प्रयोग बनाने की धीमी, दर्दनाक प्रक्रिया को एक रेसिपी लिखने जैसा सरल बनाने में बदल देता है, जिससे यह सुनिश्चित होता है कि विचारों की बाढ़ को अंततः परखा, सिद्ध और वास्तविक वैज्ञानिक प्रगति में बदला जा सके।