MARC v1: An Open-Source Multi-Agent Framework for Clinical AI Reasoning and Coordination
यह शोध पत्र MARC को प्रस्तुत करता है, जो एक ओपन-सोर्स, मॉडल-अज्ञेय (model-agnostic) मल्टी-एजेंट फ्रेमवर्क है जो मोनोलिथिक LLM प्रॉम्प्टिंग को नियत (deterministic), भूमिका-विशिष्ट ऑर्केस्ट्रेशन और एक डिकम्पोजर मॉड्यूल से प्रतिस्थापित करता है ताकि बिना प्रोग्रामिंग विशेषज्ञता के व्याख्या योग्य, कॉन्फ़िगर करने योग्य और सुलभ नैदानिक तर्क (clinical reasoning) सक्षम किया 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
जासूसी दल बनाम अकेला जीनियस
कल्पना कीजिए कि आप एक बहुत ही पेचीदा रहस्य सुलझाने की कोशिश कर रहे हैं, जैसे कि यह पता लगाना कि एक मरीज क्यों बीमार महसूस कर रहा है, जो एक लंबी और उलझी हुई मेडिकल रिपोर्ट पर आधारित हो। आर्टिफिशियल इंटेलिजेंस की दुनिया में, हम "लार्ज लैंग्वेज मॉडल्स" (LLMs) को हमारे जासूसों के रूप में उपयोग करते रहे हैं। एक LLM को एक सुपर-स्मार्ट, बहुत पढ़ाकू जीनियस के रूप में सोचें जो एक सेकंड में हज़ार किताबें पढ़ सकता है। कुछ समय से, हम इस अकेले जीनियस से एक ही बार में सब कुछ करने के लिए कह रहे हैं: सुराग पढ़ना, उनके अर्थ समझना, अपने काम की जाँच करना और अंतिम रिपोर्ट लिखना। यह एक ही व्यक्ति से पुलिस अधिकारी, फॉरेंसिक वैज्ञानिक, जज और कोर्ट स्टेनोग्राफर बनने के लिए कहने जैसा है।
समस्या यह है कि जब यह अकेला जीनियस गलती करता है, तो यह बताना मुश्किल होता है कि वे कहाँ गलत हुए। क्या उन्होंने कोई सुराग छोड़ दिया? क्या उन्होंने कानून को गलत समझा? या क्या उन्होंने बस अंतिम वाक्य गलत लिख दिया? क्योंकि सब कुछ एक ही विशाल "ब्रेन डंप" में होता है, इसलिए पूरी प्रक्रिया एक 'ब्लैक बॉक्स' की तरह है। चिकित्सा के क्षेत्र में यह बहुत मायने रखता है, जहाँ डॉक्टरों को यह जानने की आवश्यकता होती है कि AI किसी निष्कर्ष तक कैसे पहुँचा ताकि वे मरीज के जीवन के साथ उस पर भरोसा कर सकें। आप जिस पेपर को पढ़ने जा रहे हैं, वह काम करने का एक नया तरीका पेश करता है: एक अकेले अति-कार्यशील जीनियस के बजाय, आइए विशेषज्ञों की एक पूरी टीम का उपयोग करें जो केस फाइल को आगे बढ़ाते हुए एक-दूसरे के काम की जाँच करें।
MARC से मिलिए: क्लिनिकल डिटेक्टिव स्क्वाड
इस पेपर के लेखक एक नया ओपन-सोर्स फ्रेमवर्क पेश करते हैं जिसे MARC (Multi-Agent Reasoning and Coordination) कहा जाता है। MARC को केवल एक सिंगल सुपर-ब्रेन के रूप में नहीं, बल्कि एक सुव्यवस्थित जासूसी एजेंसी के रूप में सोचें। एक ही AI से एक साथ सब कुछ करने के लिए कहने के बजाय, MARC काम को विशेषज्ञ एजेंटों की एक टीम में विभाजित करता है, जिनमें से प्रत्येक की एक विशिष्ट भूमिका होती है, जो एक सख्त क्रम में केस फाइल को एक-दूसरे को सौंपते हैं।
पुराना तरीका बनाम MARC का तरीका
पहले, अधिकांश मेडिकल AI सिस्टम एक ही बार में सब कुछ करने की कोशिश करते थे। यह एक अकेले शेफ से सब्जियाँ काटने, स्टेक पकाने, भोजन को प्लेट में सजाने और मेनू का विवरण लिखने के लिए कहने जैसा है, जबकि उसके एक हाथ में चाकू और दूसरे में पेन हो। यदि स्टेक जल जाता है, तो आपको नहीं पता चलता कि शेफ विचलित था, या चूल्हा खराब था, या वह बस टाइमर चेक करना भूल गया था।
MARC काम को स्टेशनों में विभाजित करके खेल बदल देता है।
- द एक्सट्रैक्टर (एजेंट 1): यह एजेंट "साक्ष्य संग्रहकर्ता" (Evidence Collector) है। इसका एकमात्र काम अव्यवस्थित मेडिकल रिपोर्ट को पढ़ना और उसमें से 2-4 सबसे महत्वपूर्ण तथ्य निकालना है, जैसे कि "मरीज को खांसी है" या "एक्स-रे में छाया दिख रही है।" उन्हें सख्ती से निर्देश दिया गया है कि वे अभी निदान (diagnosis) का अनुमान न लगाएं। वे केवल सुराग इकट्ठा करते हैं।
- द रीज़नर (एजेंट 2): यह एजेंट "जासूस" (Detective) है। वे मूल रिपोर्ट साथ ही पहले एजेंट द्वारा एकत्र किए गए सुरागों को लेते हैं। वे गहराई से सोचते हैं, सुरागों की तुलना करते हैं, और निर्णय लेते हैं कि निदान क्या हो सकता है। वे अपनी सोचने की प्रक्रिया लिखते हैं और एक स्पष्ट "निर्णय" (Verdict) के साथ समाप्त करते हैं (जैसे कि "हाँ, यह निमोनिया है")।
- द आंसर एजेंट (एजेंट 3): यह एजेंट "लेखक" (Scribe) है। वे कोई सोच-विचार नहीं करते। वे बस रीज़नर के काम को देखते हैं, "निर्णय" वाली पंक्ति को ढूंढते हैं, और उसे पूरी तरह से कॉपी करते हैं। उनका एकमात्र काम यह सुनिश्चित करना है कि अंतिम उत्तर साफ और पढ़ने में आसान हो।
यह बेहतर क्यों है?
क्योंकि काम को विभाजित किया गया है, यदि अंतिम उत्तर गलत है, तो आप पीछे जाकर नोट्स देख सकते हैं। क्या साक्ष्य संग्रहकर्ता ने कोई सुराग छोड़ दिया? क्या जासूस ने सुरागों को गलत समझा? या क्या लेखक ने गलत शब्द कॉपी किया? यह "स्टेज-वाइज फेल्योर एट्रिब्यूशन" (चरण-वार विफलता का निर्धारण) डॉक्टरों को यह देखने में मदद करता है कि AI कहाँ लड़खड़ाया, जो चिकित्सा सेटिंग्स में विश्वास बनाने के लिए महत्वपूर्ण है।
"मैजिक" प्रॉम्प्ट जनरेटर
MARC की सबसे शानदार विशेषताओं में से एक एक मॉड्यूल है जिसे डिकम्पोजर (Decomposer) कहा जाता है। आमतौर पर, AI एजेंटों की एक टीम स्थापित करने के लिए एक कंप्यूटर प्रोग्रामर को प्रत्येक एजेंट के लिए जटिल निर्देश (प्रॉम्प्ट्स) लिखने की आवश्यकता होती है। यह हर बार एक नया नाटक लिखने के लिए एक पटकथा लेखक की आवश्यकता होने जैसा है।
डिकम्पोजर इसे बदल देता है। आप बस एक साधारण अंग्रेजी वाक्य टाइप कर सकते हैं जैसे, "मुझे चेस्ट सीटी स्कैन को वर्गीकृत करने और फॉलो-अप टेस्ट का सुझाव देने की आवश्यकता है," और डिकम्पोजर MedGemma नामक मॉडल का उपयोग करके पूरी टीम के लिए जॉब डिस्क्रिप्शन और निर्देश स्वचालित रूप से लिख देता है। यह एक साधारण वाक्य को एक पूर्ण रूप से तैयार जासूसी दल में बदल देता है, जिसमें भूमिकाएं और नियम भी शामिल होते हैं, बिना किसी को कोडिंग जानने की आवश्यकता के।
यह वास्तविक दुनिया में कैसे काम करता है
यह फ्रेमवर्क लचीला बनाने के लिए डिज़ाइन किया गया है। यह शक्तिशाली क्लाउड कंप्यूटर (APIs का उपयोग करके) या अस्पताल के भीतर स्थानीय सर्वर पर चल सकता है जो इंटरनेट से नहीं जुड़े होते हैं। यह उन अस्पतालों के लिए बहुत बड़ी बात है जो रोगी के डेटा को बाहरी दुनिया में नहीं भेज सकते। यह सिस्टम "मॉडल-एग्नोस्टिक" (Model-agnostic) है, जिसका अर्थ है कि आप किसी भी एजेंट के "दिमाग" को बदल सकते हैं। यदि कोई नया, सस्ता या अधिक विशिष्ट AI मॉडल आता है, तो आप बिना किसी कोड को दोबारा लिखे कॉन्फ़िगरेशन फ़ाइल में इसे बदल सकते हैं।
पेपर वास्तव में क्या कहता है (और क्या नहीं कहता)
लेखक MARC को एक फ्रेमवर्क और एक डिज़ाइन के रूप में प्रस्तुत करते हैं, न कि एक पूर्ण चिकित्सा उत्पाद के रूप में जिसका परीक्षण अभी हजारों मरीजों पर किया गया है। वे दिखाते हैं कि यह तीन विशिष्ट कार्यों पर काम कर सकता है: चिकित्सा प्रश्नों के उत्तर देना, रेडियोलॉजी रिपोर्ट तैयार करना, और नए कार्यों के लिए स्वचालित रूप से पाइपलाइन बनाना।
वे स्पष्ट रूप से इस विचार के खिलाफ तर्क देते हैं कि जटिल क्लिनिकल रीजनिंग को संभालने के लिए एक एकल, मोनोलिथिक प्रॉम्प्ट सबसे अच्छा तरीका है। उनका सुझाव है कि कार्यों को तोड़ने से प्रक्रिया अधिक पारदर्शी और डिबग करने में आसान हो जाती है। हालाँकि, वे सावधानीपूर्वक नोट करते हैं कि यह वर्जन 1 है। वे स्वीकार करते हैं कि वर्तमान सेटअप मुख्य रूप से एजेंटों की एक सीधी रेखा (एक के बाद एक) का उपयोग करता है और भविष्य के संस्करणों में एजेंटों को एक-दूसरे के साथ लूप में बात करने या समानांतर में काम करने की अनुमति देने की आवश्यकता हो सकती है। वे यह भी कहते हैं कि हालांकि सिस्टम आशाजनक है, लेकिन इसे अभी तक हर संभव चिकित्सा कार्य के विरुद्ध पूरी तरह से बेंचमार्क नहीं किया गया है। पेपर सुझाव देता है कि यह दृष्टिकोण विश्वसनीयता और सुरक्षा में सुधार कर सकता है, लेकिन यह सिद्ध करने के लिए और अधिक परीक्षण की आवश्यकता है कि यह पुराने "अकेले जीनियस" तरीके की तुलना में वास्तविक दुनिया के परिदृश्यों में बेहतर काम करता है।
निष्कर्ष
MARC एक ऐसा टूलकिट है जो डॉक्टरों और शोधकर्ताओं को विशेषज्ञ प्रोग्रामर बने बिना अपनी खुद की AI जासूसी टीमें बनाने की अनुमति देता है। AI के "ब्लैक बॉक्स" को एक पारदर्शी, चरण-दर-चरण असेंबली लाइन में बदलकर, इसका लक्ष्य क्लिनिकल AI को सुरक्षित, समझने में आसान और वास्तविक दुनिया के लिए तैयार बनाना है। यह एक ऐसे भविष्य की ओर एक कदम है जहाँ AI केवल उत्तर नहीं देता, बल्कि अपना काम दिखाता है, ठीक वैसे ही जैसे एक अच्छा डॉक्टर करता 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।