AIGen: Automating AI Bill of Materials Generation Through Hybrid MLOps Integration
यह शोधपत्र AIGen को प्रस्तुत करता है, जो एक मॉड्यूलर टूल है जो MLflow के साथ एकीकृत होता है और खनन ह्यूरिस्टिक्स (mining heuristics) को लार्ज लैंग्वेज मॉडल्स के साथ जोड़कर, SPDX 3.0 प्रोफाइल के आधार पर स्वतः ही मानकों के अनुरूप, मशीन-पठनीय AI बिल्स ऑफ मैटेरियल्स (AIBoMs) उत्पन्न करता है, जिससे नियामक अनुपालन और पारदर्शी AI आपूर्ति श्रृंखला शासन को सुगम बनाया जा सके।
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 हज़ार अलग-अलग दुकानों के पुर्जों से एक विशाल, कस्टम रोबोट बना रहे हैं। आपके पास एक खिलौने की दुकान से गियर्स हैं, एक कंप्यूटर लैब से दिमाग है, और एक दिल है जो ऑनलाइन किसी अजनबी द्वारा लिखे गए कोड से बना है। सॉफ्टवेयर की दुनिया में, हमने लंबे समय से एक "बिल ऑफ मैटेरियल्स" (BoM) रखा है—जो मूल रूप से एक बहुत ही विस्तृत खरीदारी सूची है—जो आपको बताती है कि किसी उत्पाद के अंदर कौन से हिस्से हैं, वे कहाँ से आए हैं, और उनके मालिक कौन हैं। सुरक्षा और बग्स को ठीक करने के लिए यह अत्यंत महत्वपूर्ण है। लेकिन जब हम आर्टिफिशियल इंटेलिजेंस (AI) बनाना शुरू करते हैं, तो पुरानी सूचियाँ काम नहीं करतीं। AI केवल कोड नहीं है; यह वह विशाल डेटा भी है जिससे इसने सीखा है, वे विशिष्ट सेटिंग्स जिनका उपयोग इसे प्रशिक्षित करने के लिए किया गया था, और वह वातावरण जिसमें यह चलता है। यदि आप नहीं जानते कि आपकी AI में वास्तव में क्या गया है, तो आप अनजाने में कुछ ऐसा बना सकते हैं जो पक्षपाती, अवैध या खतरनाक हो, बिना यह जाने भी कि ऐसा हुआ है। यहीं पर "एआई बिल ऑफ मैटेरियल्स" (AIBoM) की अवधारणा आती है: एक पूर्ण, मशीन-पठनीय रिकॉर्ड जो AI सिस्टम के हर एक घटक का विवरण देता है, कच्चे डेटा से लेकर अंतिम मॉडल तक।
अब, उस रोबोट के लिए ऐसी खरीदारी सूची लिखने की कल्पना करें जो आपके देखने पर अपना मन बदल लेता है। यही वह समस्या है जिसका सामना आज शोधकर्ता कर रहे हैं। हालांकि नए नियम और मानक (जैसे कि SPDX 3.0 नामक एक वैश्विक "रेसिपी बुक") मौजूद हैं जो कहते हैं, "आपको ये विवरण लिखने चाहिए," लेकिन वास्तव में ऐसा करना एक दुःस्वप्न है। अधिकांश कंपनियों को ये सूचियाँ हाथ से लिखनी पड़ती हैं, जो धीमा, उबाऊ और गलतियों से भरा होता है। यदि कोई हेल्थ-टेक कंपनी फेफड़ों के कैंसर को स्कैन करने के लिए AI तैनात करती है लेकिन यह दस्तावेजीकरण करना भूल जाती है कि इसे बिना लाइसेंस वाले डेटा पर प्रशिक्षित किया गया था, तो उसे भारी जुर्माना भरना पड़ सकता है और अपनी प्रतिष्ठा खोनी पड़ सकती है। सवाल यह है: क्या हम एक ऐसा रोबốt बना सकते हैं जो रोबोट के लिए खरीदारी की सूची लिखे?
यहाँ AIGen आता है, जो शोधकर्ताओं और इंजीनियरों की एक टीम द्वारा बनाया गया एक नया टूल है जो AI निर्माताओं के लिए एक अत्यधिक संगठित, अति-सतर्क सहायक की तरह कार्य करता है। AIGen को एक "डिजिटल जासूस" के रूप में सोचें जो उस कार्यक्षेत्र के भीतर रहता है जहाँ AI बनाया जाता है (विशेष रूप से MLflow नामक एक सिस्टम)। मानव को अपने प्रोजेक्ट के बारे में हर एक विवरण याद रखने के लिए कहने के बजाय, AIGen स्वचालित रूप से जवाब खोजने के लिए डिजिटल कचरे और खजाने के बक्सों को खोदता है। यह एक चतुर दो-भाग वाली रणनीति का उपयोग करता है: पहले, यह आसान, संरचित तथ्यों (जैसे "इस मॉडल को 100 राउंड के लिए प्रशिक्षित किया गया था") को सीधे कंप्यूटर लॉग से प्राप्त करता है। लेकिन कठिन चीजों के लिए—जैसे यह समझने के लिए कि मॉडल क्यों बनाया गया था या इसकी सीमाओं का सारांश निकालने के लिए एक अस्त-व्यस्त नोटबुक को पढ़ना—यह एक "लार्ज लैंग्वेज मॉडल" (LLM) को बुलाता है, जो मूल रूप से एक बहुत ही स्मार्ट AI है जो मानवीय भाषा पढ़ और लिख सकता है।
पेपर बताता है कि AIGen को लचीला बनाने के लिए बनाया गया है। यह एक स्विस आर्मी नाइफ की तरह है जिसमें प्लगइन सिस्टम है। यदि आप Hugging Face या GitHub जैसे विशिष्ट टूल का उपयोग कर रहे हैं, तो AIGen के पास एक विशेष "हाथ" (जिसे बिल्डर कहा जाता है) है जो उस विशिष्ट स्थान से जानकारी प्राप्त करना जानता है। यदि आप उपकरण बदलते हैं, तो आप बस हाथ बदल देते; मुख्य शरीर को बदलने की आवश्यकता नहीं होती है। इसका मतलब है कि यह इमेज रिकग्निशन से लेकर मौसम के पैटर्न की भविष्यवाणी करने तक, विभिन्न प्रकार के AI प्रोजेक्ट्स को संभाल सकता है। शोधकर्ताओं ने आठ अलग-अलग ओपन-सोर्स AI प्रोजेक्ट्स पर AIGen का परीक्षण किया। उन्होंने पाया कि जब बात कठिन नंबरों और तथ्यों (जैसे हाइपरपैरामीटर्स) को प्राप्त करने की आई, तो यह लगभग सटीक था, जिसने विवरणों को 91% बार सही ढंग से प्राप्त किया। हालाँकि, जब इसे प्रोजेक्ट के उद्देश्य या सीमाओं के बारे में वर्णनात्मक वाक्य लिखने थे, तो यह उतना सटीक नहीं था। कभी-कभी इसने एक विवरण छोड़ दिया या एक छोटा तथ्य बना दिया ("हैलुसिनेशन"), जो यह सुझाव देता है कि हालांकि यह टूल एक बड़ी प्रगति है, फिर भी इसे अंतिम कहानी की जांच करने के लिए एक इंसान की आवश्यकता है।
बड़ी बात यह है कि AIGen यह सुझाव देता है कि रचनात्मक प्रक्रिया को धीमा किए बिना AI को सुरक्षित और पारदर्शी कैसे बनाया जाए। यह दावा नहीं करता है कि इसने AI सुरक्षा की समस्या को हमेशा के लिए हल कर दिया है, बल्कि यह एक ठोस, पुन: प्रयोज्य आधार प्रदान करता है जो कंपनियों को नए कानूनों (जैसे EU AI Act) और मानकों का पालन करने में मदद करता है। उबाऊ कागजी कार्रवाई को स्वचालित करके, यह मनुष्यों को महत्वपूर्ण चीजों पर ध्यान केंद्रित करने के लिए मुक्त करता है: यह सुनिश्चित करना कि AI वास्तव में वही कर रहा है जो उसे करना चाहिए। यह टूल परीक्षण के लिए किसी के भी उपयोग के लिए उपलब्ध है, जो एक ऐसे भविष्य की झलक देता है जहाँ प्रत्येक AI सिस्टम के साथ अपना स्वयं का स्पष्ट, ईमानदार और स्वचालित रूप से उत्पन्न आईडी कार्ड आता 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।