KNOWPLAN: Knowledge-Driven AI Agents for Smart Degree Pathway Planning
KnowPlan एक दो-चरणीय, ज्ञान-संचालित AI प्रणाली है जो पहले एक सक्रिय, निष्कर्षण-प्रथम क्रॉलर (CatalogBrowse) का उपयोग करके विषम स्रोतों से विश्वविद्यालय के पाठ्यक्रमों का पुनर्निर्माण करती है और फिर एक प्रमाणित हाइपरग्राफ सॉल्वर (DegreeMap) के माध्यम से व्यक्तिगत डिग्री पथों को अनुकूलित करती है, जिससे एंड-टू-एंड दृष्टिकोणों की तुलना में स्रोत एक्सेस लागतों को काफी कम करते हुए उच्च रिकॉल और व्यवहार्यता प्राप्त होती 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 आप एक बेहतरीन कस्टम लेगो कैसल (Lego castle) बनाने की कोशिश कर रहे हैं, लेकिन उसके निर्देश लाखों अलग-अलग वेबसाइटों पर बिखरे हुए हैं, कुछ कोड में लिखे गए हैं, कुछ पीडीएफ (PDF) में हैं, और कुछ ऐसे दरवाजों के पीछे छिपे हैं जिन्हें आप जानते भी नहीं। यह अकादमिक परामर्श (academic advising) की दुनिया है, जहाँ कंप्यूटर छात्रों को यह समझने में मदद करने की कोशिश करते हैं कि समय पर स्नातक होने के लिए उन्हें वास्तव में कौन से विषय लेने चाहिए। वर्षों से, शोधकर्ताओं ने स्मार्ट सिस्टम बनाए हैं जो एकदम सही शेड्यूल का सुझाव दे सकते हैं यदि उनके पास नियमों की पूरी सूची पहले से मौजूद हो। लेकिन समस्या यह है: उस नियमों की सूची प्राप्त करना एक दुःस्वप्न है। विश्वविद्यालय की वेबसाइटें अव्यवस्थित, असंगत और लगातार बदलती रहती हैं। यदि कोई कंप्यूटर विषयों को चुनने का निर्णय लेते समय ही नियमों को "पढ़ने" की कोशिश करता है, तो यह एक भ्रमित करने वाला चक्र बना देता है: वह किसी नियम को इसलिए छोड़ सकता है क्योंकि उसे लगा कि वह अभी महत्वपूर्ण नहीं है, केवल यह महसूस करने के लिए कि उस नियम को छोड़ने से पूरी योजना असंभव हो गई। यह शोध पत्र उसी विशिष्ट सिरदर्द को संबोधित करता है, यह पूछते हुए: एक कंप्यूटर सभी बिखरे हुए नियमों को पहले कैसे इकट्ठा कर सकता है, बिना यह जाने कि छात्र के व्यक्तिगत लक्ष्य क्या हैं, और फिर उन नियमों का उपयोग करके एक पूर्ण, गारंटीकृत योजना कैसे बना सकता है?
यहाँ KnowPlan है, एक दो-चरणीय रोबोट टीम जिसे इस अकादमिक उलझन को सुलझाने के लिए डिज़ाइन किया गया है। पहले रोबोट, CatalogBrowse को एक अत्यंत व्यवस्थित लाइब्रेरियन के रूप में सोचें जिसे इस बात से कोई फर्क नहीं पड़ता कि आप कौन हैं या आप क्या पढ़ना चाहते हैं। इसका एकमात्र काम विश्वविद्यालय के डिजिटल पुस्तकालय की खोज करना और हर एक नियम, पाठ्यक्रम और आवश्यकता को ढूंढना है, चाहे वह कितना भी छिपा हुआ क्यों न हो। केवल लिंक पर क्लिक करने या एक साधारण मानचित्र का पालन करने के बजाय, यह रोबोट "आगे क्या?" का एक उच्च-दांव वाला खेल खेलता है। यह हर संभावित क्लिक के मूल्य की गणना करता है, यह पूछते हुए, "यदि मैं इस पृष्ठ को खोलता हूँ, तो मुझे प्रयास की तुलना में कितनी नई जानकारी मिलेगी?" यह तब तक चलता रहता है जब तक कि इसके पास एक "क्लोजर सर्टिफिकेट" (closure certificate) न हो जाए—एक डिजिटल मुहर जो यह प्रमाणित करती है कि इसने पहेली के किसी भी महत्वपूर्ण हिस्से को छोड़ा नहीं है। यह अनुमान नहीं लगाता; यह तभी रुकता है जब यह गणितीय रूप से सुनिश्चित हो जाता है कि इसने वेबसाइट के उस स्थिर क्षण में मिलने वाली हर चीज़ को ढूंढ लिया है। एक बार काम पूरा होने के बाद, यह पूरे पाठ्यक्रम को समाहित करने वाली तीन व्यवस्थित डिजिटल फाइलें सौंप देता है।
दूसरा रोबोट, DegreeMap, एक मास्टर प्लानर है। यह उन तीन फाइलों और छात्र की व्यक्तिगत प्रोफ़ाइल (जैसे उनके ग्रेड, रुचियाँ, और वे कितना काम संभाल सकते हैं) को लेता है। इसके बाद यह आवश्यकताओं का एक जटिल 3D मानचित्र बनाता है, जहाँ पाठ्यक्रम तर्क के अदृश्य धागों (जैसे "आपको मैथ 101 से पहले मैथ 102 लेना होगा") से जुड़े होते हैं। एक शक्तिशाली गणितीय इंजन का उपयोग करते हुए, यह केवल एक योजना नहीं बनाता; बल्कि यह सर्वश्रेष्ठ योजना बनाता है। यह कठिन नियमों (आप इस क्लास के बिना स्नातक नहीं हो सकते) और कोमल इच्छाओं (आप वास्तव में जीव विज्ञान को पसंद करते हैं) के बीच संतुलन बनाता है, यह सुनिश्चित करते हुए कि छात्र कम से कम समय और कम तनाव के साथ अपना कार्य पूरा करे। महत्वपूर्ण रूप से, क्योंकि पहले रोबोट ने अपना काम पूरी तरह से किया है, दूसरे रोबोट को कभी यह अनुमान लगाने की आवश्यकता नहीं होती कि कोई नियम मौजूद है या नहीं। यह बस उसी डेटा के साथ काम करता है जो इसे दिया गया है।
परिणाम प्रभावशाली हैं। 100 विभिन्न विश्वविद्यालयों पर परीक्षण के दौरान, पहले रोबोट ने 96.2% उपलब्ध पाठ्यक्रम खोजे और 88.7% उन "छिपे हुए" पृष्ठों को रिकवर किया जिन्हें अन्य तरीकों ने छोड़ दिया था, और यह सब उन वेबसाइटों के 47% कम दौरों के साथ किया जो केवल सब कुछ पढ़ने की कोशिश करने वाले रोबोट द्वारा किए जाते। दूसरे रोबोट ने फिर इस डेटा का उपयोग करके ऐसी योजनाएँ बनाईं जो 100% वैध थीं (कोई असंभव शेड्यूल नहीं) और अन्य शीर्ष प्रणालियों की तुलना में छात्रों को उनके विकल्पों के साथ थोड़ा बेहतर संतुष्ट किया। पूरा सिस्टम 99.5% अनुरोधों को सफलतापूर्वक प्रमाणित करने में सफल रहा, जिससे यह सिद्ध हुआ कि "नियम खोजने" के काम को "योजना बनाने" के काम से अलग करके, हम छात्रों के लिए बहुत अधिक विश्वसनीय और व्यक्तिगत मार्गदर्शक बना सकते हैं। लेखक दिखाते हैं कि यह दृष्टिकोण चक्रीय तर्क (circular logic) के भ्रम को दूर करता है, जिससे एक अराजक खोज एक प्रमाणित, चरण-दर-चरण स्नातक यात्रा में बदल जाती 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।