Learning to Coordinate Symbolic Tools: LLM Agents for Verified Sum-of-Squares Certificates

एक ऐसी दुनिया की कल्पना करें जहाँ कंप्यूटर निर्देश मानने में तो बेहद माहिर हैं, लेकिन यह तय करने में बहुत कच्चे हैं कि किन निर्देशों का पालन करना है। यह वर्तमान आर्टिफिशियल इंटेलिजेंस (AI) का नया मोर्चा है, विशेष रूप से लार्ज लैंग्वेज मॉडल्स (LLMs) के लिए—वे सुपर-स्मार्ट चैटबॉट्स जो कहानियाँ लिख सकते हैं, कोड बना सकते हैं और पहेलियाँ सुलझा सकते हैं। हालाँकि ये मॉडल वाक्य में अगले शब्द का अनुमान लगाने में बेहतरीन हैं, लेकिन वे अक्सर उन समस्याओं में लड़खड़ा जाते हैं जिनमें तर्क की एक लंबी श्रृंखला की आवश्यकता होती है, जैसे कि एक जटिल गणितीय प्रमाण (math proof)। इसे ठीक करने के लिए, वैज्ञानिक इन AI एजेंटों को "टूल्स" (औजारों) का उपयोग करना सिखा रहे हैं, ठीक वैसे ही जैसे एक मानव गणितज्ञ कैलकुलेटर, रूलर या किसी विशेष सॉफ़्टवेयर प्रोग्राम का उपयोग करता है। बड़ा सवाल केवल यह नहीं है कि क्या AI टूल का उपयोग कर सकता है, बल्कि यह है कि क्या वह एक ऐसे पहेली को हल करने के लिए पूरे टूलबॉक्स को तालमेल (coordinate) बिठाना सीख सकता है जिसे कोई भी अकेला टूल हल नहीं कर सकता। यह एक हथौड़े होने और यह जानने के बीच का अंतर है कि कब हथौड़ा चलाना है, कब पेंच कसना है, और कब दीवार तोड़ने से पहले रुक जाना है।

यह शोध पत्र इसी चुनौती का उपयोग करके एक विशिष्ट प्रकार के गणितीय पहेली "सम-ऑफ-स्क्वायर्स" (Sum-of-Squares - SOS) डीकंपोजिशन में गहराई से उतरता है। इसे एक जटिल, बिखरे हुए बहुपद समीकरण (polynomial equation) को यह सिद्ध करने की कोशिश के रूप में समझें कि वह हमेशा धनात्मक (positive) रहता है (कभी ऋणात्मक नहीं होता)। इस बात को सिद्ध करने की "ट्रिक" समीकरण को इस तरह से पुनर्गठित करना है कि वह पूर्ण वर्गों के योग (जैसे $x^2 + y^2$) जैसा दिखे, क्योंकि वर्ग हमेशा धनात्मक होते हैं। हालाँकि, समीकरण को पुनर्गठित करने का सही तरीका खोजना एक आँख बंद करके रूबिक क्यूब (Rubik's Cube) सुलझाने जैसा है: टुकड़ों को घुमाने के लाखों तरीके हैं, लेकिन केवल कुछ ही समाधान की ओर ले जाते हैं। लेखकों ने एक विशेष AI एजेंट बनाया है जो अपने काम की तुरंत जाँच करने के लिए एक प्रतीकात्मक गणित उपकरण (SymPy) का उपयोग करना सीखता है। उन्होंने इस एजेंट को केवल अंतिम पहेली पर ही नहीं, बल्कि पहले 1.35 मिलियन छोटे, सरल बीजगणितीय (algebraic) प्रश्नों की एक विशाल लाइब्रेरी पर प्रशिक्षित किया।

परिणाम दिखाते हैं कि केवल एक AI को टूल दे देना ही काफी नहीं है; AI को "अल्जेब्रा-ग्राउंडेड" होना चाहिए, जिसका अर्थ है कि उसे टूल का प्रभावी ढंग से उपयोग करने से पहले उसके पीछे के गणित की गहरी समझ होनी चाहिए। जब शोधकर्ताओं ने अपने पूरी तरह से प्रशिक्षित एजेंट (जिसने गणित और टूल का उपयोग करना सीख लिया था) का परीक्षण किया, तो उसने जटिल पहेलियों में से 78.96% को सफलतापूर्वक हल किया। इसके विपरीत, एक संस्करण जिसमें वही टूल था लेकिन जिसे underlying गणित पर प्रशिक्षित नहीं किया गया था, उसने उनमें से केवल 44.73% को हल किया। इससे भी अधिक प्रभावशाली बात यह है कि पूरी तरह से प्रशिक्षित एजेंट ने नौ अलग-अलग बीजगणितीय कार्यों में 91.75% सटीकता हासिल की। अध्ययन बताता है कि AI को एक वास्तविक समस्या-समाधानकर्ता बनने के लिए, उसे केवल "बटन" दबाना ही नहीं, बल्कि उस क्षेत्र की "कला" (craft) सीखनी होगी।

गणितीय जासूस की कहानी

कल्पមាន करें कि आप एक जासूस हैं जो एक ऐसे मामले को सुलझाने की कोशिश कर रहे हैं जहाँ संदिग्ध एक विशाल, बिखरा हुआ बीजगणितीय समीकरण है। आपका काम यह साबित करना है कि यह समीकरण हमेशा "अच्छा" (धनात्मक) है और कभी "बुरा" (ऋणात्मक) नहीं है। इसे सिद्ध करने का एकमात्र तरीका समीकरण को पूर्ण वर्गों के ढेर में तोड़ना है, जैसे कि ईंटों का ढेर लगाना जो सभी धनात्मक हों। यदि आप दिखा सकें कि समीकरण इन ईंटों का एक ढेर है, तो आपने मामला सुलझा लिया है।

लेकिन यहाँ एक पेच है: समीकरण को बिखरा हुआ और भ्रमित करने वाला तरीके से लिखा गया है। इसे सुलझाने के लिए, आपको एक विशेष "मैथ मैजिक वांड" (एक कंप्यूटर प्रोग्राम जिसे SymPy कहा जाता है) की आवश्यकता है जो समीकरण के हिस्सों को तुरंत विस्तार देने, छोटा करने या पुनर्गठित करने में सक्षम है। समस्या यह है कि वांड (जादुई छड़ी) आपको यह नहीं बताती कि क्या करना है; वह बस वही करती है जो आप उससे पूछते हैं। यदि आप गलत हिस्से को विस्तार देने के लिए कहते हैं, तो आप स्थिति को और बिगाड़ सकते हैं। आपको तय करना होगा कि किस हिस्से को घुमाना है, कब रुकना है, और टुकड़ों को वापस कैसे जोड़ना है।

कैल्टेक (Caltech) और OpenAI के शोधकर्ताओं ने यह देखना चाहा कि क्या वे एक AI को यह जासूस बनाना सिखा सकते हैं। उन्होंने केवल AI को वह जादुवी छड़ी नहीं दी; उन्होंने एक प्रशिक्षण शिविर (training camp) बनाया। उन्होंने 1.35 मिलियन अभ्यास प्रश्न बनाए। पहले, AI ने सरल कार्यों का अभ्यास किया जैसे अक्षरों को छाँटना, समान वस्तुओं को समूह में रखना और संख्याओं के गुणनखंड (factoring) करना। फिर, उन्होंने इसे एक सिम्युलेटेड वातावरण में वांड का उपयोग करना सिखाया, यह दिखाते हुए कि जब आप वांड से कुछ करने को कहते हैं तो क्या होता है। अंत में, उन्होंने AI को वास्तविक "सम-ऑफ-स्क्वायर्स" पहेलियों का उपयोग करके बड़ी पहेलियाँ हल करने के लिए छोड़ा।

मुख्य निष्कर्ष: प्रशिक्षण, टूल्स से बेहतर है

प्रयोग ने AI जासूस के चार अलग-अलग संस्करणों की तुलना की:

1. द रूकी (बेस): एक AI जिसने कभी प्रशिक्षण शिविर नहीं देखा और जिसके पास वांड भी नहीं थी।
2. द स्टूडेंट (SFT): एक AI जिसने प्रशिक्षण शिविर का अध्ययन किया था लेकिन परीक्षण के दौरान उसके पास वांड नहीं थी।
3. द टूल-यूज़र (बेस+टूल्स): वह रूकी जिसे अचानक वांड थमा दी गई लेकिन उसने पढ़ाई नहीं की थी।
4. द मास्टर (फुल): वह स्टूडेंट जिसने प्रशिक्षण शिविर का अध्ययन किया था और उसे वांड भी दी गई थी।

परिणाम 'मास्टर' की स्पष्ट जीत थे। जटिल पहेलियों का सामना करने पर:

• रूकी ने वांड के साथ केवल लगभग 44.73% को हल किया।
• मास्टर (जिसने गणित भी जाना और वांड भी पास थी) ने 78.96% को हल किया।

यह एक महत्वपूर्ण बिंदु सिद्ध करता है: एक स्मार्ट AI को केवल एक शक्तिशाली टूल थमा देना पर्याप्त नहीं है। AI को टूल के पीछे के तर्क को समझने की आवश्यकता है। यह एक मास्टर शेफ को हाई-टेक ओवन देने जैसा है; यदि उन्हें खाना बनाना नहीं आता, तो ओवन उनकी मदद नहीं करेगा। लेकिन यदि वे रेसिपी जानते हैं, तो ओवन उन्हें अजेय बना देता है।

अध्ययन ने यह भी जांचा कि क्या इस गहन गणितीय प्रशिक्षण ने AI को अन्य चीजों, जैसे सामान्य गणित की समस्याओं में कमजोर बनाया। ऐसा नहीं हुआ। मास्टर AI वास्तव में सामान्य गणित की समस्याओं में थोड़ा बेहतर हो गया, जिसने एक मानक परीक्षण पर 96.29% स्कोर किया, जिससे पता चला कि टूल्स को तालमेल बिठाना सीखने से उसके अन्य कौशल प्रभावित नहीं हुए।

AI ने क्या सीखा (और क्या नहीं)

यह शोध पत्र अपने दावों के प्रति बहुत सावधान है। यह यह नहीं कहता कि AI अब दुनिया की किसी भी गणितीय समस्या को हल करने वाला जीनियस बन गया है। उपयोग की गई पहेलियाँ सिंथेटिक (कंप्यूटर द्वारा बनाई गई) थीं और अपेक्षाकृत छोटी थीं, जिनमें केवल एक से तीन चर (variables) शामिल थे। AI ने नई गणित की "खोज" नहीं की; इसने मौजूदा टूल्स को समन्वयित करना सीखा ताकि एक विशिष्ट प्रकार का प्रमाण पाया जा सके।

हालाँकि, यह अध्ययन एक आम धारणा को खारिज करता है: कि आप बस एक मॉडल पर टूल इंटरफेस लगा सकते हैं और उम्मीद कर सकते हैं कि यह काम करेगा। "टूल-यूज़र" संस्करण (बेस+टूल्स) "स्टूडेंट" संस्करण (SFT) से भी खराब प्रदर्शन करता है, जिसके पास टूल नहीं था लेकिन जिसने गणित का अध्ययन किया था। यह सुझाव देता है कि बीजगणित की गहरी समझ के बिना, टूल वास्तव में AI को भ्रमित कर देता है, जिससे वह गलत निर्णय लेने लगता है।

शोधकर्ताओं ने यह भी नोट किया कि AI कभी-कभी तीन विशिष्ट तरीकों से विफल हुआ: या तो उसने बहुत जल्दी हार मान ली, या उसने एक ऐसा समाधान बनाया जो दिखने में सही था लेकिन संरचनात्मक रूप से गलत था, या उसने एक ऐसा समाधान बनाया जो संरचनात्मक रूप से तो सही था लेकिन मूल समीकरण से मेल नहीं खाता था। उनके सिस्टम में मौजूद "सटीक सत्यापनकर्ता" (exact verifier) ने इन सभी गलतियों को पकड़ा, जिससे यह सुनिश्चित हुआ कि केवल पूर्ण समाधान ही गिने जाएं।

निष्कर्ष

यह शोध पत्र स्मार्ट AI एजेंट बनाने के लिए एक ब्लूप्रिंट प्रदान करता है। यह सुझाव देता है कि गणित और विज्ञान जैसे क्षेत्रों में AI का भविष्य केवल बड़े मॉडल्स या फैंसी टूल्स के बारे में नहीं है। यह समन्वय (coordination) के बारे में है। किसी डोमेन (जैसे बीजगणित) के मौलिक कौशल पर AI को प्रशिक्षित करके और फिर उसे अपने काम को सत्यापित करने के लिए टूल्स का उपयोग करना सिखाकर, हम ऐसे एजेंट बना सकते हैं जो बहुत अधिक विश्वसनीय हों। "मास्टर" AI ने केवल अनुमान नहीं लगाया; उसने योजना बनाई, क्रियान्वित किया, जाँच की और सुधार किया, बिल्कुल एक मानव विशेषज्ञ की तरह। हालाँकि यह विशिष्ट अध्ययन एक नियंत्रित गणितीय वातावरण तक सीमित था, लेकिन यह एक रास्ता दिखाता है कि भविष्य में हम AI को कठिन, वास्तविक दुनिया की समस्याओं से निपटने के लिए कैसे प्रशिक्षित कर सकते हैं।