Solver-Aware Decompositions for Programming-by-Example: When Dividing Requires Knowing how to Conquer

कल्पना कीजिए एक ऐसी दुनिया की जहाँ कंप्यूटर केवल कुछ उदाहरणों को देखकर खुद अपना कोड लिखना सीख सकते हैं कि आप उनसे क्या करवाना चाहते हैं। यह प्रोग्रामिंग-बाय-एग्जांपल (PBE) का रोमांचक क्षेत्र है। इसे एक रोबोट को केक बनाना सिखाने की तरह समझें: आपको हर एक कदम के लिए मैनुअल लिखने की ज़रूरत नहीं है; आप बस उसे दिखाते हैं, "यहाँ आटे का एक कटोरा है, और यहाँ बना हुआ केक है," और रोबोट रेसिपी खुद समझ जाता है। जटिल कार्यों को करने के लिए, स्मार्ट शोधकर्ता "विभाजन और विजय" (divide-and-conquer) की रणनीति का उपयोग करते हैं। वे बड़ी, डरावनी समस्या (केक बनाना) को छोटे, प्रबंधनीय उप-समस्याओं (आटा मिलाना, अंडे डालना, बैटर को पकाना) में तोड़ देते हैं।

इस सेटअप में, दो मुख्य पात्र हैं: डीकंपोजर (Decomposer) और सिंथेसाइज़र (Synthesizer)। डीकंपोजर एक योजनाकार (planner) है; वह बड़े लक्ष्य को देखता है और कहता है, "ठीक है, पहले हमें आटा मिलाना होगा।" सिंथेसाइज़र एक कार्यकर्ता है; वह उस निर्देश को लेता है और वास्तव में आटा मिलाने का कोड लिखता है। वर्षों तक, वैज्ञानिकों ने डीकंपोजर को मानव विशेषज्ञों द्वारा बनाए गए "परफेक्ट" प्लान (जिसे ग्राउंड ट्रुथ कहा जाता है) दिखाकर प्रशिक्षित किया। विचार सरल था: यदि मानव विशेषज्ञ ने कहा "आटा मिलाओ," तो डीकंपोजर को ठीक वही कहना चाहिए। लेकिन यह शोध पत्र एक पेचीदा सवाल पूछता है: क्या होगा अगर मानव विशेषज्ञ की योजना मानव के लिए तो उत्तम है, लेकिन रोबोट कार्यकर्ता के लिए एक दुःस्वप्न है? क्या होगा अगर रोबोट उस "परफेक्ट" योजना से भ्रमित हो जाए और हार मान ले?

यह शोध पत्र सॉल्वर-अवेयर डीकंपोजिशन (SAD) नामक एक नया तरीका पेश करता है। शोधकर्ताओं ने पाया कि केवल मानव विशेषज्ञ की नकल करना हमेशा काम नहीं करता क्योंकि रोबोट कार्यकर्ता (सिंथेसाइज़र) की अपनी ताकत और कमजोरियां होती हैं। कभी-कभी, एक योजना जो मानव के संस्करण से थोड़ी अलग दिखती है, वह रोबोट के लिए पालन करना बहुत आसान होता है। डीकंपोजर को केवल मानव की नकल करने के बजाय, सीधे रोबोट के संघर्षों और सफलताओं से सीखने देने से, सिस्टम समस्याओं को हल करने में बहुत बेहतर हो जाता है। वास्तव में, उन्होंने एक अजीब "सटीकता विरोधाभास" (accuracy paradox) की खोज की: वह डीकंपोजर जिसने मानव की सबसे सटीक रूप से नकल की थी, वह वास्तव में रोबोट को काम पूरा करने में मदद करने में सबसे खराब था। सबसे अच्छा डीकंपोजर वह था जो रोबोट की भाषा बोलना जानता था, भले ही इसका मतलब मानव की मूल पटकथा से विचलित होना ही क्यों न हो।

दो योजनाकारों की कहानी

यह समझने के लिए कि यह क्यों मायने रखता है, आइए कल्पना करें कि आप एक बहुत ही शाब्दिक (literal), थोड़े अनाड़ी रोबोट को ब्लॉकों का टावर बनाना सिखाने की कोशिश कर रहे हैं। आपके पास एक मानव वास्तुकार (विशेषज्ञ) है और एक रोबोट निर्माता (सिंथेसाइज़र) है।

पुराना तरीका: वास्तुकार की नकल करना
अतीत में, शोधकर्ता रोबोट के "योजनाकार" (डीकंपोजर) को मानव वास्तुकार के ब्लूप्रिंट दिखाकर प्रशिक्षित करते थे। यदि वास्तुकार कहता, "पहले, एक वर्गाकार आधार बनाएं," तो योजनाकार सीखता, "एक वर्गाकार आधार बनाएं।" तर्क यह था: "यदि मानव कहता है कि यह सही है, तो यह सही ही होगा।"

लेकिन यहाँ एक पेंच है: रोबोट निर्माता अनाड़ी है। उसके हाथों के हिलने-डुलने का एक विशिष्ट तरीका है। हो सकता है कि वह ब्लॉकों को सीधी रेखा में रखने में बहुत अच्छा हो लेकिन सटीक वर्ग बनाने में बहुत बुरा हो। यदि योजनाकार निर्माता को कहता है "एक वर्ग बनाएं," तो निर्माता फंस सकता है, गोल-गोल घूम सकता है और हार मान सकता है, भले ही वह कदम मानव की दृष्टि में "सही" हो। योजनाकार मानव का एक अच्छा छात्र था, लेकिन रोबोट के लिए एक बुरा शिक्षक।

नया तरीका: निर्माता की बात सुनना (SAD)
शोधकर्ताओं ने महसूस किया कि योजनाकार को निर्माता की सीमाओं का पता होना चाहिए। उन्होंने सॉल्वर-अवेयर डीकंपोजिशन (SAD) नामक एक नई प्रशिक्षण पद्धति बनाई। केवल मानव की नकल करने के बजाय, योजनाकार सीखने के दौरान निर्माता से फीडबैक प्राप्त करता है।

कल्पना कीजिए कि योजनाकार एक कदम का सुझाव देता है। निर्माता उसे करने की कोशिश करता है।

• यदि निर्माता सफल होता है, तो योजनाकार को उच्च स्कोर मिलता है।
• यदि निर्माता फंस जाता है, तो योजनाकार को कम स्कोर मिलता है, भले ही वह कदम मानव के ब्लूप्रिंट के बिल्कुल समान दिखता हो।

समय के साथ, योजनाकार ऐसे कदम सुझाना सीख जाता है जिन्हें निर्माता वास्तव में संभाल सके। वह कह सकता है, "आइए पहले ब्लॉकों की एक लंबी रेखा बनाएं," क्योंकि वह जानता है कि निर्माता रेखाओं में अच्छा है, भले ही मानव वास्तुकार एक वर्ग पसंद करता। योजनाकार "निर्माता की भाषा" बोलना सीख जाता है, न कि केवल "मानव की भाषा"।

सबसे बड़ा आश्चर्य: सटीकता विरोधाभास (The Accuracy Paradox)

इस शोध का सबसे दिलचस्प हिस्सा है जिसे वे सटीकता विरोधाभास कहते हैं।

आमतौर पर, स्कूल में, यदि आप शिक्षक के उत्तर कुंजी की पूरी तरह से नकल करते हैं, तो आपको 'A' ग्रेड मिलता है। लेकिन इस रोबोट की दुनिया में, इसके विपरीत हुआ। शोधकर्ताओं ने दो योजनाकारों की तुलना की:

1. द कॉपीकैट (The Copycat): इस योजनाकार ने मानव वास्तुकार के ब्लूप्रिंट से यथासंभव मेल खाने की कोशिश की। यह मानव की नकल करने में बहुत सटीक था।
2. द सॉल्वर-अवेयर प्लानर (SAD): इस योजनाकार ने उस चीज़ से मेल बिठाने की कोशिश की जो रोबोट वास्तव में कर सकता था। इसने अक्सर ऐसे कदम सुझाए जो मानव के ब्लूप्रिंट से अलग दिखते थे।

परिणाम चौंकाने वाले थे। कॉपीकैट मानव से मेल खाने में बहुत अच्छा था (उच्च "डीकंपोजिशन सटीकता"), लेकिन वह अधिकांश समय रोबोट को टावर बनाने में विफल रहा। सॉल्वर-अवेयर प्लानर मानव के सटीक शब्दों से मेल खाने में बहुत खराब था (कम "डीकंपोजिशन सटीकता"), लेकिन उसने रोबोट को टावर बनाने में बहुत अधिक बार सफलता दिलाई।

यह साबित हुआ कि मानव के अनुसार "सही" होने का मतलब रोबोट के लिए "उपयोगी" होना नहीं है। मानव की योजना तार्किक रूप से पूर्ण हो सकती है, लेकिन यदि रोबroट उसे निष्पादित नहीं कर सकता, तो योजना बेकार है। SAD योजनाकार ने "मानव जैसा दिखने" के बदले "काम पूरा करने" को प्राथमिकता देना सीख लिया।

यह साबित करना कि यह केवल एक इत्तेफाक नहीं है

यह सुनिश्चित करने के लिए कि यह केवल एक भाग्यशाली दुर्घटना नहीं थी, शोधकर्ताओं ने तीन अलग-अलग "दुनियाओं" (डोमेन) में अपने विचार का परीक्षण किया:

1. डीपकोडर (Deepcoder) और लैम्ब्डाबीम (Lambdabeam): ये वे दुनिया हैं जहाँ रोबोट को संख्याओं की सूचियों के साथ हेरफेर करना होता है। यहाँ, समस्या को हल करने के कई तरीके हैं, और रोबोट को सही रास्ता चुनना होता है। इन दुनियाओं में, SAD ने अद्भुत काम किया। इसने कॉपीकैट की तुलना में काफी अधिक कार्यों को हल किया, विशेष रूप से जब कार्य लंबे और कठिन होते गए।
2. रोबस्टफिल (Robustfill): यह स्ट्रिंग मैनिपुलेशन (जैसे शब्द में अक्षरों को पुनर्व्यवस्थित करना) की दुनिया है। इस दुनिया में, कदम बहुत कठोर हैं; वहां काम करने का केवल एक ही सही तरीका है, और रोबोट के पास कोई वास्तविक विकल्प नहीं है। यहाँ, SAD ने कोई मदद नहीं की। कॉपीकैट और SAD दोनों ने बिल्कुल समान प्रदर्शन किया।

यह पहेली का एक महत्वपूर्ण हिस्सा है। यह सिद्ध करता है कि SAD केवल तभी मदद करता है जब वहाँ अस्पष्टता (ambiguity) हो—जब रोबोट के पास विभिन्न रास्तों के बीच चयन करने का विकल्प हो। यदि रास्ता निश्चित है, तो रोबोट को एक विशेष योजनाकार की आवश्यकता नहीं है। लेकिन जब विकल्प मौजूद हों, तो योजनाकार को पता होना चाहिए कि रोबोट वास्तव में कौन सा रास्ता चल सकता है।

"ओरेकल" टेस्ट: जब मानव गलत होता है

शोधकर्ता और भी आगे गए। उन्होंने एक "गॉड-मोड" परीक्षण बनाया जहाँ उन्होंने रोबोट को मानव के परफेक्ट ब्लूप्रिंट का ठीक से पालन करने के लिए मजबूर किया, जिससे योजनाकार को पूरी तरह से दरकिनार कर दिया गया। उन्होंने इसे ग्राउंड ट्रुथ ओरेकल (Ground Truth Oracle) कहा।

उन्हें उम्मीद थी कि ओरेकल सबसे अच्छा प्रदर्शन करेगा। और आमतौर पर, वह था। लेकिन यहाँ एक मोड़ आया: SAD ने कुछ ऐसे कार्य हल किए जिन्हें ओरेकल भी नहीं कर सका।

यह कैसे संभव है? एक रोबोट जो "परफेक्ट" मानव योजना का पालन कर रहा है, वह बेहतर कैसे कर सकता है?
इसका उत्तर यह है कि मानव की "परफेक्ट" योजना कभी-कभी रोबोट को जाल में फंसा देती है। मानव एक ऐसा कदम सुझा सकता है जो तार्किक रूप से मान्य है लेकिन रोबोट के लिए उसे खोजना अविश्वसनीय रूप से कठिन है। SAD योजनाकार, रोबोट की आदतों को जानकर, एक अलग, छोटा या सरल रास्ता ढूंढ लेता है जिसे मानव ने कभी नहीं सोचा था, लेकिन रोबोट उसे आसानी से अपना सकता था।

वास्तव में, SAD योजनाकार ने ऐसे समाधान खोजे जो मानव के समाधानों से पूरी तरह अलग थे। कुछ मामलों में, SAD का समाधान छोटा था और इसमें अलग उपकरणों का उपयोग किया गया था। मानव की योजना तार्किक अर्थों में "गलत" नहीं थी, लेकिन वह उस विशिष्ट रोबोट के लिए "गलत" थी जिसका वे उपयोग कर रहे थे।

भविष्य के लिए इसका क्या अर्थ है

यह शोध पत्र हमें AI को सिखाने के तरीके में एक बड़े बदलाव का सुझाव देता है। हम केवल AI को "मानव की नकल करने" के लिए नहीं कह सकते। हमें इसे उस उपकरण को समझना सिखाना होगा जिसका यह उपयोग कर रहा है। यदि उपकरण एक अनाड़ी रोबोट है, तो निर्देश सरल और प्रत्यक्ष होने चाहिए, भले ही इसका मतलब मानव के फैंसी, जटिल निर्देशों को अनदेखा करना ही क्यों न हो।

शोधकर्ताओं ने पाया कि योजनाकार को रोबोट के वास्तविक प्रदर्शन से सीखने देने से, वे उन समस्याओं को हल कर सके जो पहले असंभव थीं। उन्होंने केवल रोबोट को थोड़ा बेहतर नहीं बनाया; उन्होंने उन कार्यों के एक पूरे नए सेट को अनलॉक कर दिया जिन्हें "परफेक्ट" मानव योजनाएं भी नहीं छू सकी थीं।

अंत में, यह शोध पत्र हमें टीम वर्क का एक मूल्यवान सबक सिखाता है: सबसे अच्छी योजना वह नहीं है जो विशेषज्ञ के विचार के सबसे अधिक समान दिखती है। सबसे अच्छी योजना वह है जिसे टीम वास्तव में निष्पादित कर सकती है। कभी-कभी, किसी समस्या पर विजय पाने के लिए, आपको यह जानना होता है कि आपका साथी वास्तव में कैसे लड़ता है, न कि केवल यह कि उन्हें क्या करना चाहिए।