WebRider: Persona-Conditioned Intent Controllers for Live-Web Assistance
वेब्राइडर (WebRider) एक पर्सोना-कंडीशन्ड इंटेंट कंट्रोलर फ्रेमवर्क पेश करता है जो डेलीगेटेड वेब कार्यों को ऑडिटेबल कॉन्ट्रैक्ट्स के रूप में औपचारिक रूप देता है, जिससे एक पदानुक्रमित प्रणाली को नए राइडरबेंच (RiderBench) बेंचमार्क द्वारा मान्य किए गए, पॉलिसी अनुपालन और पर्सोना निरंतरता दोनों को सुनिश्चित करते हुए जटिल लाइव-वेब नीतियों को निष्ठापूर्वक निष्पादित करने में सक्षम बनाया जा सके।
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 अपने एक दोस्त से एक विशिष्ट वीडियो गेम खरीदने के लिए कह रहे हैं। आप केवल गेम ही नहीं चाहते; आप चाहते हैं कि वह सबसे सस्ता वाला ढूँढे, यह सुनिश्चित करे कि वह कोई स्कैम (धोखाधड़ी) न हो, यह जाँच ले कि वह आपके कंसोल पर काम करता है या नहीं, और यदि कीमत 50 है, तो तकनीकी रूप से उसने काम पूरा कर लिया है, लेकिन वह आपके विशिष्ट निर्देशों में विफल रहा। यह "AI एजेंटों" की दुनिया में मुख्य समस्या है—वे कंप्यूटर प्रोग्राम जो हमारे लिए इंटरनेट ब्राउज़ करने और कार्य करने के लिए डिज़ाइन किए गए हैं। लंबे समय से, वैज्ञानिक इस बात को लेकर जुनूनी रहे हैं कि क्या ये एजेंट किसी कार्य को बस पूरा कर सकते हैं। लेकिन कार्य को पूरा करना उसे सही ढंग से करने के समान नहीं है। यदि एक AI आपके सुरक्षा नियमों को अनदेखा करता है या जल्दी से उत्तर तक पहुँचने के लिए महत्वपूर्ण जाँचों को छोड़ देता है, तो वह एक अच्छा सहायक नहीं है। यह शोध उस अंतर को भरने के लिए है, जो एक कठिन प्रश्न पूछ रहा है: हम यह कैसे सुनिश्चित करें कि एक AI केवल मंजिल तक ही नहीं, बल्कि आपकी विशिष्ट "सड़क के नियमों" (rules of the road) का पूरी यात्रा के दौरान पालन करे?
इस अध्ययन के पीछे के शोधकर्ताओं ने, जो UCLA और Google से हैं, ठीक इसी समस्या को हल करने के लिए WebRider नामक एक सिस्टम बनाया है। उन्होंने महसूस किया कि वर्तमान AI एजेंट उन रेस कार ड्राइवरों की तरह हैं जिन्हें केवल फिनिश लाइन पार करने की परवाह है, भले ही उन्होंने रास्ते में कुछ रेड लाइटें पार की हों या मानचित्र (मैप) को अनदेखा किया हो। इसे ठीक करने के लिए, उन्होंने एक "इन्टेंट कॉन्ट्रैक्ट" (Intent Contract) की अवधारणा पेश की। इस अनुबंध को आपके और AI के बीच एक सख्त, लिखित समझौते के रूपके रूप में सोचें। यह केवल यह नहीं कहता कि "एक कैमरा खरीदें"; यह कहता है, "एक कैमरा खरीदें, लेकिन तभी जब विक्रेता की समीक्षा अच्छी हो, वारंटी की जाँच करें, और यदि आप अनुकूलता (compatibility) के बारे में अनिश्चित हैं, तो खरीदने से पहले रुकें और मुझसे पूछें।"
WebRider इन नियमों को सुरक्षित रखने के लिए एक तीन-मंजिला इमारत की तरह बनाया गया है। ऊपरी मंजिल पर, एक "कंट्रोलर" (Controller) एक प्रोजेक्ट मैनेजर की तरह कार्य करता है। यह 'इन्टेंट कॉन्ट्रैक्ट' को रखता है, नियमों की जाँच करता है, और बड़ी रणनीति तय करता है: "खोज जारी रखें," "उपयोगकर्ता से पूछें," या "रुकें और उत्तर दें।" यह सीधे ब्राउज़र को कभी नहीं छूता है। मध्य मंजिल पर, एक "गार्डेड एक्शन" (Guarded Action) परत एक सावधान अनुवादक की तरह कार्य करती है। यह मैनेजर के बड़े विचार को लेता है और उसे एक एकल, सुरक्षित, छोटे कदम में बदल देता है, जैसे "इस बटन पर क्लिक करें" या "यह खोज टाइप करें।" महत्वपूर्ण रूप से, यह परत "गार्डेड" है, जिसका अर्थ है कि इसमें एक अंतर्निहित सुरक्षा जाल (safety net) है जो इसे कुछ भी अजीब करने या नियमों को तोड़ने से रोकता है। अंत में, ग्राउंड फ्लोर पर, एक "एक्सेक्यूटर" (Executor) वास्तव में लाइव वेबसाइट पर माउस दबाता है और कुंजियाँ (keys) टाइप करता है।
टीम ने इस सिस्टम का परीक्षण करने के लिए RiderBench नामक एक नया बेंचमार्क उपयोग किया, जिसने 42 वास्तविक वेबसाइटों में 4,000 से अधिक विभिन्न परिदृश्य बनाए। उन्होंने पाया कि वर्तमान AI के काम करने के तरीके में एक महत्वपूर्ण अंतर है। एक बहुत ही मजबूत, मानक AI कंट्रोलर ने 99.2% कार्यों को पूरा कर लिया, जिसका अर्थ है कि वह लगभग हमेशा एक उत्तर तक पहुँच गया। हालाँकि, जब उन्होंने जाँच की कि क्या इसने पूरी यात्रा के दौरान "इन्टेंट कॉन्ट्रैक्ट" के नियमों का पालन किया, तो यह केवल 38.8% मामलों में सफल रहा। दूसरे शब्दों में, AI कार्य को पूरा तो कर रहा था, लेकिन वह आधे से अधिक समय तक नियमों का पालन करने में विफल रहा। वह गलत वस्तु खरीद सकता था, सुरक्षा चेतावनी को अनदेखा कर सकता था, या आवश्यक जाँच को छोड़ सकता था, जबकि वह एक अच्छा काम करता हुआ दिख रहा था।
WebRider का दृष्टिकोण सुझाव देता है कि "बड़े चित्र" के निर्णय लेने और "छोटे क्लिक" वाले कार्यों को अलग करके, हम इसे ठीक कर सकते हैं। जब उन्होंने अपने नए तीन-मंजिला सिस्टम का उपयोग किया, तो AI ने न केवल कार्य पूरे किए; बल्कि उसने उपयोगकर्ता की विशिष्ट प्राथमिकताओं और बाधाओं का बहुत बेहतर तरीके से सम्मान भी किया। उन्होंने "मध्य मंजिल" (छोटे क्लिक्स) को संभालने के लिए एक छोटा, विशेष रूप से प्रशिक्षित AI मॉडल भी तैयार किया। इस मॉडल ने नियमों का पालन इतनी अच्छी तरह से सीखा कि इसने मानक "सब-कुछ-करने-वाले" (do-it-all) मॉडलों को पीछे छोड़ दिया, जिससे यह सिद्ध हुआ कि आपको हर एक क्लिक के लिए एक विशाल मस्तिष्क की आवश्यकता नहीं है; आपको बस स्पष्ट नियमों के सेट और एक ऐसी प्रणाली की आवश्यकता है जो हर चरण पर उनकी जाँच करती है।
अध्ययन में यह देखने के लिए मानव न्यायाधीशों को भी शामिल किया गया कि AI का व्यवहार भरोसेमंद लगा या नहीं। उन्होंने पाया कि भले ही एक AI तकनीकी रूप से सभी स्वचालित जाँचों को पास कर लेता है, फिर भी मनुष्य अक्सर महसूस करते थे कि जो कदम उठाए गए वे जोखिम भरे या भ्रमित करने वाले थे। WebRider का सिस्टम, हालांकि, पूरी यात्रा के दौरान "पर्सोना" (उपयोगकर्ता की विशिष्ट शैली और नियम) को सुसंगत बनाए रखता है, जिससे मनुष्यों को इसे कार्य सौंपने में बहुत अधिक सहजता महसूस हुई। शोधकर्ता सुझाव देते हैं कि AI के वास्तव में सहायक होने के लिए, हमें केवल यह पूछना बंद करना होगा कि "क्या इसने उत्तर प्राप्त किया?" और यह पूछना शुरू करना होगा कि "क्या इसने उस पथ का पालन किया जिस पर हम सहमत हुए थे?" पथ को स्वयं एक दृश्य, जांच योग्य भाग बनाकर, WebRider एक ऐसा सहायक बनाने का तरीका प्रदान करता है जो न केवल तेज़ है, बल्कि निष्ठावान भी 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।