Tycho: Active Abstraction with Programmatic World Models for ARC-AGI-3
यह शोध पत्र Tycho को पेश करता है, जो एक कोडिंग-एजेंट सिस्टम है जो वातावरण को पैरामीट्रिक मूर मशीनों (parameterized Moore machines) के रूप में औपचारिक रूप देकर और निष्पादन योग्य विश्व मॉडलों (executable world models) को गतिशील रूप से निर्मित करने, परीक्षण करने और मरम्मत करने के लिए "सक्रिय अमूर्तन" (active abstraction) का उपयोग करके ARC-AGI-3 चुनौती का समाधान करता है, जिससे सभी 183 स्तरों पर पूर्ण मानव-रिप्ले दक्षता प्राप्त होती है और मानव बेसलाइन की तुलना में एक्शन काउंट में उल्लेखनीय कमी आती 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 आपको एक बिल्कुल नए वीडियो गेम में छोड़ दिया गया है जिसमें कोई मैनुअल नहीं है, कोई ट्यूटोरियल नहीं है, और मदद मांगने का कोई तरीका नहीं है। आप केवल स्क्रीन देख सकते हैं, एक बटन दबा सकते हैं, और देख सकते हैं कि आगे क्या होता है। जीतने के लिए, आपको छिपे हुए नियमों को समझना होगा, लक्ष्य का अनुमान लगाना होगा, और यह सब बिना एक भी चाल बर्बाद किए करना होगा, क्योंकि आपका हर बटन प्रेस आपके स्कोर के खिलाफ जाता है। यह सक्रिय अमूर्तीकरण (active abstraction) की चुनौती है: दुनिया कैसे काम करती है इसे करने के माध्यम से सीखना, न कि केवल उत्तरों को रटने के माध्यम से। वैज्ञानिक इसे "कौशल अधिग्रहण" (skill acquisition) कहते हैं, जो मूल रूप से केवल कुछ प्रयासों से एक नया हुनर जल्दी सीखने की क्षमता है, बजाय इसके कि आपको दस लाख बार अभ्यास करने की आवश्यकता पड़े। बड़ा सवाल यह है: क्या एक कंप्यूटर इन रहस्यमय खेलों को उसी तरह खेलना सीख सकता है जैसे एक इंसान खेलता है—देखकर, अनुमान लगाकर नियमों को समझना, और फिर उन नियमों का उपयोग करके आगे की योजना बनाना?
यह शोध पत्र टायको (Tycho) नामक एक प्रणाली पेश करता है (जिसका नाम खगोलशास्त्री टायको ब्राहे के नाम पर रखा गया है, जिन्होंने सितारों का इतना सटीक मानचित्र बनाया कि बाद में अन्य लोग ब्रह्मांड के नियम खोज सके) इस प्रश्न का उत्तर देने के लिए। टायको एक "कोडिंग एजेंट" है जिसे ARC-AGI-3 नामक पहेलियों के एक विशिष्ट सेट को खेलने के लिए डिज़ाइन किया गया है। केवल अगली चाल का अनुमान लगाने के बजाय, टायको खुद एक छोटा कंप्यूटर प्रोग्राम लिखने की कोशिश करता है जो खेल के स्वयं के सिम्युलेटर (simulator) के रूप में कार्य करता है। यह खेल को देखता है, यह भविष्यवाणी करने के लिए कोड लिखता है कि यदि यह एक बटन दबाता है तो क्या होगा, यह जांचता है कि क्या वह कोड सही है, और फिर अपनी चालों की योजना बनाने के लिए उस कोड का उपयोग करता है। शोधकर्ताओं ने चार अलग-अलग तरीकों का परीक्षण किया कि टायको इस सिम्युलेटर का उपयोग कैसे कर सकता है: इसे पूरी तरह से अनदेखा करना, मुख्य मस्तिष्क द्वारा स्वयं कोड लिखना, एक सहायक बॉट से कोड लिखने के लिए कहना, या गलती होने पर कोड को स्वचालित रूप से ठीक करना।
परिणाम आश्चर्यजनक और सूक्ष्म थे। टीम ने पाया कि केवल एक सिम्युलेटर होना ही पर्याप्त नहीं है; इसका उपयोग करने की रणनीति सबसे अधिक मायने रखती है। सबसे अच्छा दृष्टिकोण एक्टर-रिक्वेस्टेड डेलीगेशन (actor-requested delegation) था, जहाँ मुख्य एजेंट एक विशेषज्ञ सहायक से तब गेम सिम्युलेटर बनाने के लिए कहता है जब उसे लगता है कि यह आवश्यक है। इस पद्धति ने प्रारंभिक परीक्षणों में उच्चतम दक्षता स्कोर की। जब उन्होंने इस विजेता रणनीति को दो सबसे शक्तिशाली उपलब्ध AI मॉडलों, GPT-5.6 Sol और Opus 5, को दिया, तो परिणाम अविश्वसनीय थे: उन्होंने 25 सार्वजनिक खेलों में से 100% को और उनके भीतर के सभी 183 स्तरों को हल किया। Opus 5 मॉडल विशेष रूप से कुशल था, जिसने समान स्तरों को पूरा करने के लिए औसत मानव खिलाड़ी की तुलना में 61% कम क्रियाओं का उपयोग किया।
हालाँकि, यह पत्र एक सामान्य जाल के प्रति भी चेतावनी देता है। उन्होंने पाया कि एक ऐसा सिम्युलेटर बनाना जो खेल के प्रत्येक पिक्सेल की सटीक भविष्यवाणी करता है (उच्च सटीकता), यह गारंटी नहीं देता कि आप जीतेंगे। एक रणनीति, जिसे "ऑटोमैटिक रिपेयर" कहा गया, ने ऐसे सिम्युलेटर बनाए जो यह भविष्यवाणी करने में अविश्वसनीय रूप से सटीक थे कि आगे क्या होगा, लेकिन एजेंट फिर भी खराब तरीके से खेला क्योंकि उसे यह नहीं पता था कि क्या लक्ष्य रखना है या सिम्युलेटर का उपयोग कब बंद करना है। यह एक भूलभुलैया के सटीक मानचित्र होने जैसा है लेकिन यह न जानना कि निकास कहाँ है। शोध पत्र निष्कर्ष निकालता है कि वास्तविक बुद्धिमत्ता केवल दुनिया का एक सटीक मॉडल बनाने के बारे में नहीं है; यह "सक्रिय अमूर्तीकरण" के बारे में है कि कब एक मॉडल बनाना है, कब उस पर भरोसा करना है, और कब उसे अनदेखा करना है और बस कार्य करना है। टायको ने दिखाया कि खेल को केवल एक चित्र के रूप में हल करने के बजाय, खोजे जाने वाले और परीक्षण किए जाने वाले नियमों के सेट के रूप में मानकर, AI मानव जैसी दक्षता के साथ नए खेल खेलना सीख 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।