Intent Speaks Louder: Controllable User Simulation Beyond Response Imitation

कल्पना कीजिए कि आप एक रोबोट को इंसानों के साथ "20 सवाल" (20 Questions) का खेल खेलना सिखा रहे हैं। आप चाहते हैं कि रोबोट एक असली इंसान की तरह व्यवहार करे, जैसे कि सुराग मांगना, अपना विचार बदलना, या दूसरे खिलाड़ी द्वारा गलत उत्तर दिए जाने पर निराश होना। आर्टिफिशियल इंटेलिजेंस की दुनिया में, इसे यूजर सिमुलेशन (user simulation) कहा जाता है। यह एआई सहायकों को प्रशिक्षित करने का एक तरीका है, जिससे वे किसी वास्तविक इंसान से मिलने से पहले नकली लोगों के साथ अभ्यास कर सकें।

लंबे समय तक, वैज्ञानिक इन नकली लोगों को वास्तविक बातचीत के उदाहरण दिखाकर सिखाने की कोशिश करते रहे हैं और एआई से अगले वाक्य की नकल करने को कहते रहे हैं। इसे एक ऐसे छात्र की तरह समझें जो स्क्रिप्ट को रटकर भाषा सीखने की कोशिश कर रहा है। समस्या यह है कि वास्तविक जीवन अव्यवsted (messy) होता है। यदि आप किसी दोस्त से छुट्टियों के विचारों के लिए पूछते हैं, तो वह कह सकता है "हाँ, यह बहुत अच्छा लग रहा है!" (स्वीकृति/acceptance), या "नहीं, यह बहुत महंगा है!" (सुधार/repair), या "दरअसल, मैं कहीं और जाना चाहता हूँ" (संशोधन/amendment)। ये सभी एक ही प्रश्न के लिए वैध प्रतिक्रियाएं हैं, लेकिन वे बातचीत के बहुत अलग अर्थ रखती हैं। यदि आपका एआई छात्र केवल शब्दों को रट लेता है बिना इरादे (intent) को समझे, तो वह "हाँ!" कह सकता है जब उसे "नहीं!" कहना चाहिए था, जिससे खेल पूरी तरह से बिगड़ सकता है। यह शोध पत्र ठीक इसी भ्रम को दूर करता है, और एक ऐसा तरीका प्रस्तावित करता है जिससे एआई को न केवल यह सिखाया जा सके कि क्या कहना है, बल्कि यह भी कि वह उसे क्यों कह रहा है।

---

समस्या: वह एआई जो माहौल को नहीं पढ़ सकता

वर्तमान एआई यूजर सिम्युलेटर्स से मिलिए। वे उन प्रतिभाशाली अभिनेताओं की तरह हैं जिन्होंने एक स्क्रिप्ट को पूरी तरह से रट लिया है लेकिन उन्हें इस बात का कोई अंदाजा नहीं है कि दृश्य वास्तव में किस बारे में है। यदि स्क्रिप्ट कहती है "चरित्र खुश है," तो अभिनेता मुस्कुराता है। लेकिन यदि दृश्य वास्तव में यह मांगता है कि चरित्र व्यंग्यात्मक (sarcastic) हो, तो अभिनेता फिर भी मुस्कुराता है क्योंकि स्क्रिप्ट में यही लिखा था।

एआई की दुनिया में, यह इसलिए होता है क्योंकि मॉडल पिछले शब्दों के आधार पर अगले शब्द की भविष्यवाणी करने के लिए प्रशिक्षित होते हैं। वे बातचीत के इतिहास को देखते हैं और सबसे संभावित अगले वाक्य का अनुमान लगाते हैं। लेकिन यहाँ एक पेंच है: एक ही बातचीत का इतिहास कई अलग-अलग, समान रूप से वास्तविक परिणामों की ओर ले जा सकता है।

• परिदृश्य: आप एक ट्रैवल बॉट से पूछते हैं, "मालदीव के बारे में क्या ख्याल है?"
• परिणाम A: आप कहते हैं, "बहुत बढ़िया, चलो चलते हैं!" (स्वीकृति)।
• परिणाम B: आप कहते, "बहुत महंगा है, क्या आपके पास सस्ते विकल्प हैं?" (सुधार)।
• परिणाम C: आप कहते, "दरअसल, मैं थाईलैंड जाना चाहूँगा।" (संशोधन)।

एक मानक एआई सिम्युलेटर परिणाम A चुन सकता है क्योंकि वह एक सामान्य वाक्यांश है, भले ही आपकी 'यूजर प्रोफाइल' कहती हो कि आप "बजट के प्रति सचेत" हैं। वह शब्दों को सही पकड़ लेता है लेकिन इरादे को गलत। यह एक जीपीएस (GPS) की तरह है जो सड़क तो जानता है लेकिन आपको बार-बार बाएं मुड़ने के लिए कहता रहता है जबकि आप स्पष्ट रूप से सीधा जाना चाहते थे।

समाधान: "इंटेंट डायरेक्टर" (Intent Director)

इस शोध पत्र के लेखक, बेइहांग यूनिवर्सिटी के बो वांग और उनकी टीम ने महसूस किया कि इसे ठीक करने के लिए, हमें एआई से पूरे अगले कदम का अनुमान लगाने के बजाय, उस कदम के लिए एक विशिष्ट कार्य विवरण (job description) देने की आवश्यकता है। वे अपने नए सिस्टम को UserIDA (User Intent-Directive Alignment) कहते हैं।

UserIDA को एक फिल्म सेट पर एक निर्देशक की तरह समझें। निर्देशक अभिनेता को यह कहने के बजाय कि "एक यात्री की तरह कुछ कहो," उसे एक विशिष्ट निर्देश फुसफुसाता है: "REPAIR" (सुधार)।

यह निर्देश अभिनेता को बताता है कि उसे कौन सा भावनात्मक भाव (emotional beat) देना है: आपको पिछली सुझाई गई चीज़ के साथ एक समस्या बतानी है। अभिनेता (एआई) फिर अपने शब्दों के लिए अपनी रचनात्मकता का उपयोग करता है। वह कह सकता है, "यह बहुत महंगा है," या "मैं इसे वहन नहीं कर सकता," या "मेरा बजट कम है।" जब तक इरादा "REPAIR" है, तब तक एआई अपना काम सही ढंग से कर रहा है।

टीम ने इन नकली उपयोगकर्ताओं के लिए छह विशिष्ट "निर्देशों" (या कार्य विवरणों) को परिभाषित किया:

1. Initiate (शुरुआत करना): एक नया विषय शुरू करना।
2. Amend (संशोधन करना): वर्तमान विषय के नियमों को बदलना।
3. Supply (आपूर्ति करना): छूटी हुई जानकारी देना।
4. Repair (सुधार करना): एआई द्वारा की गई गलती को ठीक करना।
5. SetRegister (भूमिका निर्धारित करना): लहजा या भूमिका बदलना (जैसे, "एक सख्त शिक्षक की तरह व्यवहार करें")।
6. GroundAccept (स्वीकृति देना): आगे बढ़ने के लिए "ठीक है" या "धन्यवाद" कहना।

उन्होंने एआई को कैसे सिखाया

टीम ने केवल एआई को नियमों की सूची नहीं दी; उन्होंने इसे एक दो-चरणीय प्रशिक्षण प्रक्रिया के माध्यम से सिखाया जो कुछ हद तक साइकिल चलाने सीखने जैसा है—पहले ट्रेनिंग व्हील्स के साथ, फिर उन्हें हटाकर।

चरण 1: स्क्रिप्ट अभ्यास (Supervised Fine-Tuning)
सबसे पहले, उन्होंने वास्तविक मानवीय बातचीत के एक विशाल पुस्तकालय (LMSYS-Chat-1M डेटासेट से) को लिया और प्रत्येक टर्न को उन छह निर्देशों में से एक के साथ लेबल किया। फिर उन्होंने एआई को बातचीत और विशिष्ट निर्देश (जैसे, "REPAIR") को देखने और उसके अनुरूप प्रतिक्रिया उत्पन्न करने के लिए प्रशिक्षित किया। यह अभिनेता को स्क्रिप्ट और निर्देशक के नोट दिखाने और फिर उन्हें प्रदर्शन करने के लिए कहने जैसा है।

चरण 2: "इंटेंट पुलिस" (Calibrated Policy Optimization)
यह सबसे चतुर हिस्सा है। चरण 1 के बाद भी, एआई अभी भी भ्रमित हो सकता है। वह एक ऐसी प्रतिक्रिया दे सकता है जो सुनने में बहुत अच्छी (high quality) लगे लेकिन उसका इरादा गलत हो (जैसे, वह "बहुत बढ़िया!" कह देता है जब उसे "बहुत महंगा है!" कहना चाहिए था)।

इसे ठीक करने के लिए, टीम ने एक विशेष पुरस्कार प्रणाली पेश की। कल्पना कीजिए कि एक खेल है जहाँ एआई चार अलग-अलग उत्तर उत्पन्न करता है।

• उत्तर A: सुनने में अच्छा है, लेकिन इरादा गलत है।
• उत्तर B: सुनने में ठीक है, लेकिन इरादा सही है।
• उत्तर C: सुनने में बहुत अच्छा है, और इरादा भी सही है।

एक सामान्य खेल में, उत्तर A जीत सकता है क्योंकि वह सुनने में सबसे अच्छा लगता है। लेकिन UserIDA के खेल में, "इंटेंट पुलिस" हस्तक्षेप करती है। वे कहते, "नहीं। उत्तर A को अयोग्य घोषित किया जाता है, चाहे वह कितना भी अच्छा क्यों न सुनाई दे।" वे एआई को यह समझने के लिए मजबूर करते हैं कि इरादे को सही रखना, शानदार दिखने से अधिक महत्वपूर्ण है। वे गणितीय रूप से स्कोर को इस तरह समायोजित करते हैं कि कोई भी उत्तर जिसका इरादा गलत है, उसे किसी भी सही इरादे वाले उत्तर से स्वतः ही कम रैंक दी जाए। यह सुनिश्चित करता है कि एआई सीख ले कि "सही होना" इस खेल का सबसे महत्वपूर्ण नियम है।

परिणाम: एक बहुत बेहतर अभिनेता

जब उन्होंने UserIDA का परीक्षण किया, तो परिणाम प्रभावशाली थे। उन्होंने इसकी तुलना मौजूदा सर्वश्रेष्ठ एआई सिम्युलेटर्स और कुछ बड़े सामान्य एआई मॉडलों (जैसे GPT-4o और Gemini) से की।

• इरादे की सटीकता (Intent Accuracy): UserIDA ने 86.6% बार "कार्य विवरण" को सही ढंग से निभाया। अगला सर्वश्रेष्ठ सिम्युलेटर इसे केवल 62% बार सही कर पाया। यह 24 प्रतिशत अंकों से अधिक की बड़ी छलांग है।
• "छह में से चार" का परीक्षण: एक कठिन परीक्षण में जहाँ उनसे एक ही बातचीत में छह अलग-अलग प्रकार के व्यवहारों के बीच स्विच करने के लिए कहा गया, UserIDA ने 91.7% बार छह में से कम से कम चार को सही ढंग से करने में सफलता प्राप्त की। सबसे अच्छे प्रतिस्पर्धी ने इसे केवल 22.9% बार ही सफलतापूर्वक किया।
• अभी भी मानवीय लगना: महत्वपूर्ण रूप से, जबकि एआई निर्देशों का पालन करने में बहुत बेहतर हो गया, वह रोबोटिक नहीं बना। वह अभी भी स्वाभाविक लगा, उसने व्यक्तित्व को बनाए रखा, और ऐसा नहीं लगा जैसे वह कोई मैनुअल पढ़ रहा हो।

यह क्यों मायने रखता है

यह शोध पत्र सुझाव देता है कि एआई के लिए वास्तव में मानवीय बातचीत को समझने के लिए, हम केवल उसे शब्दों की नकल करना नहीं सिखा सकते। हमें उसे यह समझना सिखाना होगा कि हर वाक्य का उद्देश्य क्या है। "क्या" (शब्दों) को "क्यों" (इरादे) से अलग करके, UserIDA एक ऐसा सिम्युलेटर बनाता है जिसे एक कार की तरह स्टीयरिंग व्हील से नियंत्रित किया जा सकता है, न कि एक ऐसी कार की तरह जो बस जहाँ भी रास्ता जाता है वहीं चलती रहती है।

इसका मतलब यह नहीं है कि एआई अब मानव होने में पूर्ण है। लेखक दिखाते हैं कि हालांकि एआई निर्देशों का पालन करने में बहुत बेहतर है, फिर भी एक मानव जो कर सकता है और एआई जो कर सकता है, उसके बीच एक अंतर है। लेकिन नियंत्रण की यह परत जोड़कर, उन्होंने एआई को मानवीय बातचीत की जटिल, अप्रत्याशित और अद्भुत दुनिया को समझने का एक बेहतर अवसर दिया है।