कल्पना कीजिए कि आपके पास एक सुपर-स्मार्ट रोबोट दोस्त है जो पूरी तरह से आपके कंप्यूटर के अंदर रहता है। यह रोबोट आपकी स्क्रीन को देख सकता है, उस पर जो लिखा है उसे पढ़ सकता है, और यहाँ तक कि बटन क्लिक कर सकता है या शब्द टाइप कर सकता है ताकि वह आपके कार्यों को पूरा करने में मदद कर सके, जैसे कि आपकी फाइलों को व्यवस्थित करना या कोई फ्लाइट बुक करना। हम इन्हें "कंप्यूटर-यूज़ एजेंट्स" (Computer-Use Agents) कहते हैं। लंबे समय तक, वैज्ञानिकों ने सोचा कि इन रोबोटों को स्मार्ट बनाने का सबसे अच्छा तरीका उन्हें काम करते समय अधिक "दिमागी शक्ति" देना है। यह ऐसा ही है जैसे सोचना, "अगर मैं किसी पहेली में फंस जाता हूँ, तो मैं बस उसे लंबे समय तक घूरूँगा या यह याद करने की कोशिश करूँगा कि मैंने अब तक क्या-क्या देखा है ताकि मैं उसे हल कर सकूँ।" इस विचार को "इन्फरेंस-टाइम स्केलिंग" (inference-time scaling) कहा जाता है—यानी, रोबोट को काम करने के दौरान अधिक कंप्यूटर ऊर्जा और समय खर्च करना ताकि वह काम में बेहतर हो सके।

लेकिन यहाँ एक पेंच है: अधिकांश सुपर-स्मार्ट रोबोट क्लाउड पर विशाल, महंगे सर्वरों पर रहते हैं। क्या होगा अगर हम इस तरह के रोबोट को अपने खुद के लैपटॉप या फोन पर डालना चाहें, जहाँ बैटरी छोटी है और प्रोसेसर कोई विशाल सुपरकंप्यूटर नहीं है? यहीं से "लोकल" (local) एजेंट्स की भूमिका आती है। बड़ा सवाल यह है कि यदि आपके पास अपने स्वयं के डिवाइस पर चलने वाला एक छोटा, सस्ता रोबोट है, तो क्या उसे अधिक सोचने के लिए समय देना या अधिक इतिहास याद रखने के लिए कहना वास्तव में उसे काम पूरा करने में मदद करता है? या क्या यह सिर्फ रोबोट को पहिए घुमाने, भ्रमित होने या आपकी बैटरी बर्बाद करने पर मजबूर कर देता है? यह शोध पत्र उसी रहस्य की जांच करता है, कि क्या "कड़ी मेहनत से सोचना" वास्तव में छोटे, लोकल रोबोट्स की मदद करता है, या यह केवल नए प्रकार की गलतियों की ओर ले जाता है।

द ग्रेट लोकल रोबोट एक्सपेरिमेंट: क्या अधिक सोचने का मतलब अधिक सफलता है?

इस शोध पत्र के लेखकों ने इस विचार को परखने का फैसला किया। उन्होंने तीन अलग-अलग "लोकल" कंप्यूटर एजेंट्स (ऐसे रोबर्स जो आपके अपने हार्डवेयर पर चलते हैं) के साथ प्रयोगों की एक श्रृंखला आयोजित की और उन्हें कंप्यूटर स्क्रीन पर वास्तविक दुनिया के कार्य हल करने के लिए कहा। वे यह देखना चाहते थे कि क्या होता है जब वे रोबोट को अधिक संसाधन देने के लिए चार विशिष्ट "नॉब्स" (knobs/बटन) को बदलते हैं:

1. कॉन्टेक्स्टुअल स्केलिंग (मेमोरी का नॉब): रोबोट कितने पिछले स्क्रीनशॉट याद रखता है?
2. टेम्पोरल स्केलिंग (समय का नॉब): रोबोट को रुकने से पहले कितने कदम (क्लिक या टाइप) लेने की अनुमति है?
3. स्ट्रक्चरल स्केलिंग (टीमवर्क का नॉब): क्या रोबोट को सब कुछ खुद करना चाहिए, या उसे काम को दो भागों में विभाजित करना चाहिए: एक भाग जो चरणों की योजना बनाता है और दूसरा भाग जो वास्तव में बटन क्लिक करता है?
4. पैरेलल स्केलिंग (क्राउड-सोर्सिंग का नॉब): क्या रोबोट को एक साथ कई अलग-अलग योजनाएं बनाने की कोशिश करनी चाहिए और उनमें से सबसे अच्छी को चुनना चाहिए?

परिणाम आश्चर्यजनक और थोड़े मजेदार थे। यह पता चला कि इन लोकल रोबोट्स के लिए, सिर्फ "अधिक प्रयास करना" हमेशा "बेहतर करना" नहीं होता है। वास्तव में, कभी-कभी यह चीजों को बदतर बना देता है।

द मेमोरी ट्रैप: बहुत अधिक याद रखना

सबसे पहले, उन्होंने मेमोरी नॉब का परीक्षण किया। उन्होंने पाया कि बिना किसी स्मृति वाला रोबोट (जो केवल वर्तमान स्क्रीन देखता है) एक आपदा है। वह लूप में फंस जाता है, जैसे कि एक हैम्स्टर पहिए पर दौड़ रहा हो, बार-बार एक ही बटन क्लिक करता रहता है क्योंकि उसे याद नहीं रहता कि उसने अभी क्या किया था। उसे थोड़ा सा इतिहास (एक पिछला स्क्रीन) देने से एक बड़ा बदलाव आया। इसने रोबोट को स्थिर कर दिया।

हालाँकि, लेखकों ने एक "स्वीट स्पॉट" (सही संतुलन) की खोज की। जब उन्होंने रोबोट को बहुत अधिक इतिहास दिया (4 के बजाय 8 पिछले स्क्रीन याद रखना), तो रोबोट स्मार्ट नहीं हुआ; वह केवल चलाने में अधिक महंगा हो गया। अतिरिक्त मेमोरी ने उसे कार्य को बेहतर ढंग से हल करने में मदद नहीं की। इसके बजाय, वह एक नई तरह की गलती करने लगा: प्रीमैच्योर फॉल्स सक्सेस (असमय झूठी सफलता)। कल्पना कीजिए कि एक छात्र परीक्षा दे रहा है जो आखिरी सवाल हल करने के बजाय, बस यह अनुमान लगाकर पेपर जमा कर देता है कि "मैं खत्म कर चुका हूँ!" क्योंकि वह पढ़ने से थक गया है। बहुत अधिक इतिहास से अभिभूत होकर, रोबता कभी-कभी यह सोच लेता था कि उसने कार्य पूरा कर लिया है जबकि वास्तव में उसने ऐसा नहीं किया था। इसलिए, शोध पत्र सुझाव देता है कि लोकल रोबोट्स के लिए, मध्यम मात्रा में मेमोरी सबसे अच्छी होती है—इतनी कि लूप से बचा जा सके, लेकिन इतनी भी नहीं कि रोबोट को जल्दी हार मानने के लिए भ्रमित कर दे।

द टाइम ट्रैप: अधिक कदम, वही समस्याएं

इसके बाद, उन्होंने समय का नॉब घुमाया। उन्होंने रोबोट को कार्य पूरा करने के लिए अधिक कदम लेने दी, यह सोचते हुए, "यदि वह फंस गया है, तो बस उसे और अधिक बार प्रयास करने दें!" परिणाम? रोबोट कार्यों को पूरा करने में बहुत बेहतर नहीं हुआ। वह बस अधिक समय लेता गया।

लेखकों ने पाया कि रोबोट को अधिक समय देने से उसकी खराब तर्क क्षमता ठीक नहीं हुई; इसने बस उसे और अधिक गलतियाँ करने का मौका दिया। यदि कोई रोबोट गलत रास्ते पर जा रहा था, तो उसे 15 के बजाय 100 कदम देने का मतलब था कि वह यह समझने से पहले कि वह भटक गया है, गलत रास्ते पर और आगे बढ़ गया। मुख्य लाभ यह था कि इसने रोबोट को "समय सीमा" की दीवार से टकराने से रोक दिया, लेकिन इसने उसे गलतियाँ करने से नहीं रोका। वास्तव में, इसने अक्सर उन्हीं "असमय झूठी सफलताओं" की ओर ले जाने में मदद की जहाँ रोबोट को लगता था कि वह काम पूरा कर चुका है जबकि वह नहीं था। शोध पत्र सुझाव देता है कि लोकल मॉडल्स के लिए, सिर्फ उन्हें अधिक समय देना कोई जादुई समाधान नहीं है; यह ज्यादातर केवल बैटरी जलाना है।

द टीमवर्क ट्रैप: बहुत सारे रसोइये

फिर उन्होंने स्ट्रक्चरल स्केलिंग का प्रयास किया। उन्होंने रोबोट को दो भागों में विभाजित किया: एक "प्लानर" (योजना बनाने वाला) जो सोचता है कि क्या करना है, और एक "डूअर" (करने वाला) जो वास्तव में बटन क्लिक करता है। उन्हें उम्मीद थी कि यह एक जनरल और एक सैनिक की तरह होगा, जहाँ जनरल एक बेहतरीन योजना बनाता है। लेकिन लोकल कंप्यूटरों पर, यह उल्टा पड़ गया।

"प्लानर" वाले हिस्से ने अक्सर ऐसी योजनाएं लिखीं जो अव्यवस्थित या अधूरी थीं, और "डूअर" वाला हिस्सा उन्हें समझ नहीं सका। यह ऐसा था जैसे एक जनरल ऐसी भाषा में आदेश चिल्ला रहा हो जिसे सैनिक नहीं समझता। इसने बहुत अधिक अतिरिक्त काम (कंप्यूटेशनल लागत) जोड़ दिया और वास्तव में रोबोट्स को उन कार्यों को पूरा करने में उस एकल रोबोट से भी बदतर बना दिया जो दोनों काम खुद करता था। यह केवल तभी मददगार रहा जब उन्होंने पैरेलल स्केलिंग का उपयोग किया—यानी प्लानर को एक साथ कई अलग-अलग योजनाएं लिखने के लिए कहना और उनमें से सर्वश्रेष्ठ को चुनना। इससे थोड़ी मदद मिली, लेकिन उन सभी अतिरिक्त योजनाओं को उत्पन्न करने के लिए बहुत अधिक कंप्यूटर पावर की आवश्यकता थी। शोध पत्र सुझाव देता है कि लोकल रोबोट्स के लिए, चीजों को सरल रखना (एक ही रोबोट द्वारा दोनों काम करना) आमतौर पर काम को विभाजित करने की तुलना में बेहतर है, जब तक कि आपके पास जलाने के लिए बहुत अधिक अतिरिक्त शक्ति न हो।

द बिग टेकअवे: मात्रा से अधिक गुणवत्ता

तो, इस अध्ययन का अंतिम निष्कर्ष क्या है? लेखक सुझाव देते हैं कि लोकल कंप्यूटर एजेंट्स के लिए, पुराना विचार कि "अधिक कंप्यूट हमेशा बेहतर होता है" एक जाल है।

समस्या को केवल अधिक मेमोरी, समय या जटिल टीम संरचनाओं के साथ हल करने के बजाय, हमें इस बात पर ध्यान देना चाहिए कि हम जो हमारे पास है उसका उपयोग कैसे करें।

• मेमोरी को बहुत अधिक न खिलाएं: थोड़ा इतिहास बहुत अच्छा है, लेकिन बहुत अधिक होने से रोबोट भ्रमित हो जाता है।
• बस लंबे समय तक प्रतीक्षा न करें: एक भ्रमित रोबोट को अधिक समय देने का मतलब है कि वह बस लंबे समय तक भ्रमित रहेगा।
• सरल रखें: योजना बनाने और करने के काम को बांटने से अक्सर फायदे के बजाय सिरदर्द होता है।

शोध पत्र इस निष्कर्ष पर पहुँचता है कि लोकल कंप्यूटर एजेंट्स का भविष्य उन्हें "ब्रूट-फोर्स" (शक्ति के बल) तरीके से अधिक सोचने के लिए बनाने के बारे में नहीं है। यह उन्हें अपनी सीमाओं के प्रति जागरूक बनाने, यह जानने के बारे में है कि कब रुकना है, और ट्रैक पर रहने के लिए सही मात्रा में संसाधनों का उपयोग करने के बारे में है। यह एक याद दिलाता है कि कभी-कभी, एक छोटा, केंद्रित रोबोट एक विशाल, अत्यधिक काम करने वाले रोबोट से बेहतर होता है।