कल्पना कीजिए कि आप एक जादूगर को करतब दिखाते हुए देख रहे हैं। आप अंतिम परिणाम देखते हैं: एक टोपी से खरगोश प्रकट होता है। लेकिन यदि आप केवल खरगोश (जिसे "मॉडल" कहा जाता है) या टोपी (जिसे "डेटा" कहा जाता है) को देखते हैं, तो आप सबसे महत्वपूर्ण हिस्से को चूक जाते हैं: हाथों की गुप्त हरकतें, विशिष्ट समय और वह सटीक क्षण जब खरगोश को बाहर निकाला गया था। कंप्यूटर विज्ञान की दुनिया में, विशेष रूप से यह समझने में कि हम जटिल कंप्यूटर प्रोग्राम जिन्हें "वर्कफ्लो" कहा जाता है, कैसे चलाते हैं, हम सामग्री और अंतिम व्यंजन का दस्तावेजीकरण करने में तो बहुत अच्छे रहे हैं, लेकिन वास्तविक खाना पकाने की प्रक्रिया को रिकॉर्ड करने में बहुत खराब रहे हैं। हमारे पास "मॉडल कार्ड्स" हैं (जैसे अंतिम व्यंजन के लिए एक रेसिपी कार्ड) और "डेटा कार्ड्स" हैं (जैसे सामग्री पर एक लेबल), लेकिन हमारे पास निष्पादन (execution) का एक स्पष्ट, आसानी से पढ़ने योग्य सारांश का अभाव है—वह चरण-दर-चरण कहानी कि कंप्यूटर ने वास्तव में काम कैसे किया। यह महत्वपूर्ण है क्योंकि यदि हमें यह नहीं पता कि परिणाम कैसे बनाया गया था, तो हम उस पर भरोसा नहीं कर सकते, यदि वह गलत है तो उसे ठीक नहीं कर सकते, और हम इसे बाद में दोहरा नहीं सकते।

यह पेपर इस लापता कड़ी को हल करने के लिए "वर्कफ्लो कार्ड्स" नामक एक नया उपकरण पेश करता है। वर्कफ्लो कार्ड को एक "हाइलाइट रील" या कंप्यूटर के पूरे कुकिंग सेशन के "डाइजेस्ट" के रूप में समझें। हजारों जटिल, तकनीकी लॉग्स में से यह पता लगाने के लिए कि क्या हुआ, किसी इंसान या एक स्मार्ट कंप्यूटर प्रोग्राम (जिसे लार्ज लैंग्वेज मॉडल या LLM कहा जाता है) को खुदाई करने के लिए मजबूर करने के बजाय, वर्कफ्フロー कार्ड उस डेटा को एक संक्षिप्त, पठनीय कहानी में समेट देता है। शोधकर्ताओं ने इस विचार का दो तरीकों से परीक्षण किया। पहले, उन्होंने यह जांचा कि क्या ये कार्ड वास्तव में वह नई जानकारी रखते हैं जो पुराने "मॉडल" और "डेटा" कार्ड्स में गायब थी। उन्होंने पाया कि हाँ, वर्कफ्लो कार्ड्स में निष्पादन प्रक्रिया के बारे में अद्वितीय विवरण होते हैं जो अन्य कार्ड्स में नहीं होते हैं। दूसरा, उन्होंने यह परीक्षण किया कि एक स्मार्ट कंप्यूटर प्रोग्राम इन कार्ड्स का उपयोग करके वर्कफ्लो के बारे में सवालों के जवाब कितनी अच्छी तरह दे सकता है, बजाय इसके कि वह एक कच्चे डेटाबेस को क्वेरी करे। परिणाम स्पष्ट थे: जब कंप्यूटर ने वर्कफ्लो कार्ड का उपयोग किया, तो कच्चे डेटाबेस संरचना के माध्यम से खोजने की तुलना में उसकी सही उत्तर देने की क्षमता लगभग दोगुनी हो गई। यह पेपर सुझाव देता है कि मानव और AI दोनों को काम की एक स्पष्ट, पूर्व-सारांशित कहानी देकर, हम वैज्ञानिक कंप्यूटिंग को बहुत अधिक पारदर्शी और समझने में आसान बना सकते हैं।

विज्ञान की कहानी में गायब अध्याय

यह समझने के लिए कि यह पेपर क्यों रोमांचक है, हमें पहले आधुनिक कंप्यूटिंग के "सामग्री" और "अंतिम व्यंजन" को देखने की आवश्यकता है। आर्टिफिशियल इंटेलिजेंस और डेटा साइंस के क्षेत्र में, शोधकर्ता अक्सर जटिल प्रोग्राम बनाते हैं जिन्हें वर्कफ्लो कहा जाता है। ये एक असेंबली लाइन की तरह हैं जहाँ कच्चा डेटा अंदर जाता है, कई चरणों के माध्यम से संसाधित होता है, और एक परिणाम के रूप में बाहर आता है, जैसे कि एक प्रशिक्षित AI मॉडल या मौसम का पूर्वानुमान।

लंबे समय से, वैज्ञानिक अपने काम का दस्तावेजीकरण करने के लिए मॉडल कार्ड्स और डेटा कार्ड्स का उपयोग करते आए हैं। एक डेटा कार्ड को आटे की थैली पर लगे पोषण लेबल के रूप में कल्पना करें; यह आपको बताता है कि आटा कहाँ से आया, इसे कैसे उगाया गया, और इसमें क्या है। एक मॉडल कार्ड केक के मेनू विवरण की तरह है; यह आपको बताता है कि केक का स्वाद कैसा है, इसे किसने बनाया, और इसका सबसे अच्छा उपयोग किस लिए किया जा सकता है। ये स्थिर स्नैपशॉट के लिए बेहतरीन हैं। हालाँकि, वे आपको यह नहीं बताते कि बेकर ने वास्तव में बैटर को कैसे मिलाया, उसे कितनी देर तक पकाया, या क्या प्रक्रिया के दौरान ओवन का तापमान बदलता रहा।

यहीं से प्रोवेनेंस (Provenance) आता है। प्रोवेनेंस तकनीकी शब्द है "वस्तु के इतिहास" के लिए। यह हर उस कदम का डिजिटल निशान है जो कंप्यूटर ने लिया: इसने किन फाइलों को छुआ, इसने कितनी देर प्रतीक्षा की, इसने किस हार्डवेयर का उपयोग किया, और इसने क्या निर्णय लिए। जबकि कंप्यूटर इस निशान को विशाल, जटिल डेटाबेस में रिकॉर्ड करने में बहुत अच्छे हैं, यह अक्सर एक गुप्त कोड में लिखे गए उपन्यास को पढ़ने जैसा होता है। किसी विशिष्ट विवरण को खोजने के लिए, आपको एक विशेष मानचित्र के साथ एक जासूस होना पड़ता है। यह आम लोगों (और यहाँ तक कि स्मार्ट AI प्रोग्रामों) के लिए भी यह समझना कठिन बना देता है कि वास्तव में क्या हुआ था।

यह पेपर जिस सवाल को हल करता है वह सरल लेकिन महत्वपूर्ण है: क्या हम उस अव्यवस्थित, गुप्त-कोड वाले निशान को एक स्पष्ट, पठनीय कहानी में बदल सकते हैं जो हमें अपने कंप्यूटर प्रयोगों पर भरोसा करने और उन्हें समझने में मदद करे?

समाधान: कंप्यूटरों के लिए "हाइलाइट रील"

लेखक वर्कफ्लो कार्ड्स नामक एक नया समाधान प्रस्तावित करते हैं। यदि मॉडल कार्ड मेनू हैं और डेटा कार्ड सामग्री के लेबल हैं, तो वर्कफ्लो कार्ड कुकिंग शो के पर्दे के पीछे का वृत्तचित्र (documentary) है।

शोधकर्ताओं ने इन कार्डों के लिए एक विशिष्ट टेम्पलेट डिज़ाइन किया है। हर एक डेटा को ढेर करने के बजाय, कार्ड जानकारी को एक कहानी में व्यवस्थित करता है जो उन प्रश्नों का उत्तर देती है जो इंसान और AI वास्तव में जानना चाहते हैं। इसमें शामिल है:

• सेटअप: कौन सा कंप्यूटर उपयोग किया गया? कौन सा सॉफ्टवेयर चल रहा था?
• टाइमलाइन: यह कब शुरू हुआ? इसमें कितना समय लगा?
• एक्शन: मुख्य चरण क्या थे? क्या कुछ गलत हुआ?
• परिणाम: अंतिम आउटपुट क्या था?

लक्ष्य एक ऐसा दस्तावेज़ बनाना था जो जल्दी से पढ़ने के लिए छोटा हो लेकिन इतना समृद्ध हो कि बिना कच्चे डेटाबेस में खोजे जटिल प्रश्नों के उत्तर दे सके।

उन्होंने क्या पाया: सारांशों का जादू

टीम ने यह देखने के लिए कि क्या वे वास्तव में काम करते हैं, अपने नए वर्कफ्लो कार्ड्स को दो अलग-अलग परिदृश्यों में परखा।

परीक्षण 1: क्या ये कार्ड हमें कुछ नया बताते हैं?
सबसे पहले, उन्होंने अपने वर्कफ्लो कार्ड्स की तुलना मौजूदा मॉडल और डेटा कार्ड्स से की। उन्होंने एक स्मार्ट AI (एक LLM) से केवल एक समय में एक ही प्रकार के कार्ड का उपयोग करके एक कंप्यूटर वर्कफ्लो के बारे में सवाल पूछने के लिए कहा।

• जब AI के पास केवल मॉडल कार्ड या डेटा कार्ड था, तो वह अक्सर चूक गया। उसे प्रक्रिया के विवरण का पता नहीं था।
• हालाँकि, जब AI के पास वर्कफ्लो कार्ड था, तो इसने उतना ही अच्छा प्रदर्शन किया जितना कि सभी कार्डों को मिलाकर।
• सबसे आश्चर्यजनक निष्कर्ष तब आया जब उन्होंने मिश्रण से वर्कफ्लो कार्ड को हटा दिया। इसके बिना, सवालों के जवाब देने की AI की क्षमता आधे से अधिक गिर गई (एक स्कोर 0.611 से गिरकर 0.265 हो गया)। इसने साबित कर दिया कि वर्कफ्लो कार्ड में अद्वितीय, महत्वपूर्ण जानकारी होती है जो अन्य कार्ड्स में नहीं होती है। यह किसी फिल्म के पोस्टर और कास्ट लिस्ट को देखकर फिल्म के प्लॉट का अनुमान लगाने जैसा है, लेकिन वास्तविक दृश्यों को छोड़ देना।

परीक्षण 2: क्या डेटाबेस को क्वेरी करने की तुलना में एक कहानी पढ़ना आसान है?
इसके बाद, उन्होंने यह परीक्षण किया कि एक AI कितनी अच्छी तरह सवालों के जवाब दे सकता है जब उसे दो अलग-अलग प्रकार की जानकारी दी जाती है:

1. स्कीमा-आधारित क्वेरीइंग (Schema-based Querying): AI को डेटाबेस का "मानचित्र" (संरचना) दिया गया और उसे उत्तर खोजने के लिए सही प्रश्न पूछने का तरीका समझना था। यह एक लाइब्रेरी के कैटलॉग सिस्टम को दिए जाने जैसा है और फिर आपको खुद किताबें ढूंढनी हैं।
2. वर्कफ्लो कार्ड्स: AI को पहले से लिखा गया सारांश कार्ड दिया गया। यह एक बुक रिपोर्ट हाथ में मिलने जैसा है।

परिणाम नाटकीय थे। जब AI ने वर्कफ्लो कार्ड का उपयोग किया, तो इसकी उत्तर की गुणवत्ता डेटाबेस संरचना को क्वेरी करने की तुलना में लगभग दोगुनी हो गई। औसत स्कोर लगभग 0.45 से बढ़कर 0.87 हो गया। यहाँ तक कि मानव विशेषज्ञों ने भी इस प्रवृत्ति से सहमति व्यक्त की, जिससे पुष्टि हुई कि कार्डों ने जानकारी को बहुत अधिक सुलभ बना दिया। शोधकर्ताओं ने नोट किया कि यह सुधार विभिन्न आकार के AI मॉडलों में देखा गया, जो बताता है कि "सारांश" दृष्टिकोण किसी भी जटिल कंप्यूटर प्रक्रिया को समझने के लिए एक शक्तिशाली उपकरण है।

यह क्यों मायने रखता है

पेपर निष्कर्ष निकालता है कि वर्कफ्लो कार्ड्स वैज्ञानिक पारदर्शिता के पहेली में एक महत्वपूर्ण लुप्त हिस्सा हैं। वे विस्तृत लॉग या डेटाबेस की जगह नहीं लेते; इसके बजाय, वे उनके ऊपर स्थित होते हैं, एक मित्रवत इंटरफ़ेस के रूप में कार्य करते हैं। मशीन-पठनीय डेटा को मानव-पठनीय कहानी में बदलकर, ये कार्ड हमें मदद करते हैं:

• पूर्वाग्रह (Bias) को पकड़ने में: यह देखना कि क्या प्रक्रिया निष्पक्ष थी।
• त्रुटियों को ठीक करने में: यह समझना कि चीजें कहाँ गलत हुईं।
• सफलता को दोहराने में: यह जानना कि उसी परिणाम को दोबारा कैसे प्राप्त किया जाए।

लेखक सुझाव देते हैं कि भविष्य में, ये कार्ड किसी भी कंप्यूटर वर्कफ्लो के लिए स्वचालित रूप से उत्पन्न किए जा सकते हैं, जिससे विज्ञान का "पर्दे के पीछे" का हिस्सा अंतिम रिपोर्ट की तरह ही पढ़ने में आसान हो जाएगा। हालांकि वर्तमान परीक्षण मशीन लर्निंग और जलवायु पूर्वानुमान पर केंद्रित थे, विचार यह है कि यह "हाइलाइट रील" दृष्टिकोण किसी भी जटिल वैज्ञानिक प्रयोग के लिए काम कर सकता है, जिससे ब्लैक बॉक्स के रहस्य को एक स्पष्ट, खुली कहानी में बदला जा सकता है।