Self-evolving network verifiers
यह शोध पत्र "सेल्फ-इवॉल्विंग नेटवर्क वेरीफायर" का प्रस्ताव करता है, जो एक ऐसी प्रणाली है जो कोडिंग एजेंट के प्रस्तावों की तुलना ग्राउंड-ट्रुथ राउटर व्यवहार से बार-बार करके प्रतीकात्मक नेटवर्क मॉडल को स्वायत्त रूप से सीखती और परिष्कृत करती है, जिससे मैन्युअल, त्रुटिपूर्ण मॉडल रखरखाव की आवश्यकता समाप्त हो जाती है और जटिल, वेंडर-विशिष्ट नेटवर्क सुविधाओं का सत्यापन सक्षम होता 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 इंटरनेट पूरी तरह से सड़कों, ट्रैफिक लाइटों और डिलीवरी ट्रकों से बना एक विशाल, अदृश्य शहर है। इस शहर में, "ट्रैफिक लाइटें" वास्तव में राउटर पर चलने वाले जटिल कंप्यूटर प्रोग्राम हैं, जो यह तय करते हैं कि डेटा के हर टुकड़े को वास्तव में कहाँ जाना चाहिए। यदि ये प्रोग्राम गलती करते हैं, तो पूरा शहर जाम हो सकता है, जिससे इंटरनेट क्रैश हो सकता है। वर्षों से, इंजीनियर "सुपर-ट्रैफिक कंट्रोलर" बनाने की कोशिश कर रहे हैं—ऐसे सॉफ्टवेयर टूल्स जो हर संभावित ट्रैफिक जाम की भविष्यवाणी होने से पहले ही कर सकें, भले ही कोई सड़क अचानक गायब हो जाए या कोई नया नियम जोड़ा जाए। ये उपकरण उन क्रिस्टल बॉल्स (क्रिस्टल बॉल) की तरह हैं जो नेटवर्क के भविष्य को देख सकते हैं।
हालाँकि, इसमें एक पेंच है। इन क्रिस्टल बॉल्स का उपयोग करने के लिए, आपको पहले उन्हें सड़क के नियम सिखाने होंगे। लेकिन नियम सड़क के किसी एक, पूर्ण पुस्तक में लिखे नहीं हैं। इसके बजाय, वे हजारों तकनीकी मैनुअल के पन्नों में बिखरे हुए हैं, और विभिन्न कंपनियाँ (जैसे सिस्को या जुनिपर राउटर बनाने वाली कंपनियाँ) कभी-कभी नियमों की व्याख्या थोड़ी अलग तरीके से करती हैं। यह एक रोबोट को ऐसे शहर में गाड़ी चलाना सिखाने जैसा है जहाँ हर सड़क का साइन बोर्ड अलग बोली में लिखा है, और जैसे ही शहर अपना सॉफ्टवेयर अपडेट करता है, साइन बोर्ड भी बदल जाते हैं। रोबोट के मानचित्र (मैप) को अपडेट रखना मानव विशेषज्ञों के लिए एक कभी न खत्म होने वाला, थकाऊ काम है। यदि मानचित्र थोड़ा भी गलत है, तो क्रिस्टल बॉल गलत भविष्यवाणी देगी, और नेटवर्क क्रैश होने के प्रति संवेदनशील बना रहेगा।
यहीं से ETH ज़्यूरिख के शोधकर्ताओं का एक नया विचार सामने आता है। वे प्रस्ताव देते हैं कि एक मानव विशेषज्ञ द्वारा श्रमसाध्य रूप तरीके से मानचित्र बनाने के बजाय, हमें मानचित्र को स्वयं बनाने देना चाहिए। उन्होंने एक ऐसा सिस्टम बनाया है जहाँ एक "रोबोट कोडर" (एक AI) एक वास्तविक राउटर (या एक वास्तविक सिम्युलेशन) को देखता है और यह सीखता है कि वह वास्तव में क्या करता है। यदि रोबोट कोडर का मानचित्र कहता है "बाएँ मुड़ें," लेकिन वास्तविक राउटर दाएँ मुड़ जाता है, तो रोबोट कोडर तुरंत अपने मानचित्र को ठीक कर लेता है। यह एक छात्र के सीखने जैसा है जो बगल वाली सीट पर बैठकर प्रशिक्षक को देखता है, गाड़ी चलाना सीखता है, और हर बार जब उसे गलत दिशा मिलती है, तो अपने मानसिक मानचित्र को सुधारता है।
शोधकर्ताओं ने इस विचार का परीक्षण तीन जटिल ड्राइविंग नियमों के साथ किया जिन्हें वे नहीं जानते थे: विभिन्न पड़ोसों (OSPF क्षेत्रों) को कैसे संभालना है, एक केंद्रीय हब (BGP रूट रिफ्लेक्शन) के माध्यम से ट्रैफिक को कैसे प्रबंधित करना है, और विभिन्न वर्चुअल शहरों (EVPN पर L3VPN) में पैकेज कैसे पहुँचाना है। सिस्टम ने केवल अनुमान नहीं लगाया; इसने एक "ग्राउंड ट्रुथ" सिम्युलेटर का उपयोग किया जो एक भरोसेमंद शिक्षक की तरह था। जब AI का मॉडल सिम्युलेटर से असहमत हुआ, तो सिम्युलेटर ने एक "काउंटरएग्जांपल" (विपरीत उदाहरण) प्रदान किया—एक विशिष्ट परिदृश्य जहाँ AI गलत था। AI ने फिर उस विशिष्ट गलती को ठीक करने के लिए अपने कोड को फिर से लिखा।
परिणाम आश्चर्यजनक रूप से सफल रहे। केवल कुछ "अनुमान और जाँच" (guess-and-check) चक्रों में, सिस्टम ने इन तीनों जटिल विशेषताओं को खुद सीख लिया। इसने यह भी खोज निकाला कि कुछ राउटर आधिकारिक नियमपुस्तिकाओं में बताई गई तुलना में थोड़े अलग क्रम में संचालन करते हैं, जिससे उन वेंडर-विशिष्ट बारीकियों का पता चला जिन्हें मानव विशेषज्ञ अक्सर चूक जाते हैं। इस पूरी प्रक्रिया में प्रत्येक विशेषता के लिए केवल लगभग 40 का कंप्यूटर समय लगा और AI को समझने में कुछ सौ चरण लगे।
हालाँकि, पेपर सावधानीपूर्वक यह नोट करता है कि यह सब कुछ तुरंत हल करने वाला कोई जादुई डंडा नहीं है। यह सिस्टम उन चीजों को सीखने में बहुत अच्छा है जिनका परीक्षण किया गया है, लेकिन यह गारंटी नहीं दे सकता कि यह ऐसी स्थिति में कभी गलती नहीं करेगा जिसे इसने अभी तक नहीं देखा है। यह उस छात्र की तरह है जिसने हर अभ्यास परीक्षा में उत्कृष्ट प्रदर्शन किया है, लेकिन अंतिम परीक्षा में एक कठिन सवाल देखकर हैरान हो सकता है। शोधकर्ता सुझाव देते हैं कि असली चुनौती अब कोड लिखना नहीं है, बल्कि बेहतर "टेस्ट जनरेटर" बनाना है जो AI पर कठिन परिदृश्य फेंकते रहें ताकि यह सुनिश्चित हो सके कि वह वास्तव में वास्तविक दुनिया के लिए तैयार है। उन्होंने यह भी पाया कि जबकि AI नियम सीख सकता था, उसने कभी-कभी ऐसा कोड लिखा जो सही तो था लेकिन बहुत धीमा था, जिसके लिए वास्तविक उपयोग के लिए इसे तेज़ बनाने हेतु "ऑप्टिमाइज़ेशन" के दूसरे दौर की आवश्यकता थी।
संक्षेप में, यह पेपर नेटवर्क सुरक्षा उपकरणों को बनाने का एक नया तरीका सुझाता है: हर संभावित राउटर के लिए मैन्युअल रूप से नियम पुस्तिका लिखने की कोशिश करना बंद करें, और इसके बजाय एक AI को राउटर को काम करते हुए देखकर नियम सीखने दें, और सिम्युलेटर की मदद से अपनी गलतियों को सुधारने दें। यह "मानव विशेषज्ञों द्वारा मानचित्र बनाने" से "AI द्वारा सड़क को देखते हुए गाड़ी चलाना सीखने" की ओर एक बदलाव है, जो इंटरनेट को सुरक्षित और प्रबंधित करने में आसान बनाने का वादा करता है, बशर्ते हम AI के ड्राइविंग कौशल का कड़ाई से परीक्षण करते रहें।
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।